这个课就是学Photoshop软件啊，photoshop是个修图软件。这个软件挺实用的，自己的照片什么的调个色修一下，都很好啊。认真学就容易过，只是一门技术，不难。 结课的时候用软件做张图就行了。我结课考试，老师给了10个主题图片素材组，音乐会、财经、体育、圣诞节什么的，图片是老师给的，你用这些图片组合在一起做成一张海报就行了，当时不及格的就1-2个人，除非你就是那1-2个人~~
数字图像处理比较难，用处问题在于你以后要做什么工作，如果以后工作对你处理图像技术要求不高的话，我觉得会PS也就足够了，如果要求高的话建议好好学，这门学科技术性比较强，需要花很多时间来理解和练习..........在校大学生，专业计算机。
这方面属于信号与信息处理中的模式识别，现在很多机械专业的学生和我们通信、自动化的学生抢饭碗（泪奔）。。。。分离图像中的零件并进行计算是一个很重要的应用场合，很有研究价值！ 具体流程如下：摄像头采集到的图像---->送入DSP/PC平台---->灰度化图像---->二值化图像---->确定边界（可以使用膨胀/收缩算法）---->计算封闭区域---->根据特征识别零件类型---->统计零件个数 这类方向一般发表论文有以下两种：1. 算法仿真类，根据收集到的测试图像，依靠Matlab仿真工具，针对某个或某几个部分（例如边界确定部分、零件特征识别部分等）设计在某些方面有出色表现的算法。2. 硬件类，依靠DSP或者PC平台，将摄像头实时采集到的图像进行分析和处理，设计有实用价值的识别系统。此类难度较大，很有挑战性。 我认识的机械专业和我们抢饭碗的多数都是从事硬件研究，因为导师之所以涉入到通信/自动化领域都是项目需要，但是跨行研究也不是一届学生就能完成的。不知道导师对你的要求有哪些，可以详细叙述一下。 希望可以帮助到你。如有问题，也可以再询问我。 -中国物联网校企联盟技术部
电子信息工程数字图像处理专业的学生会学到，也是必须学的，难度是有的
图像配准和图像融合是图像拼接的两个关键技术。图像配准是图像融合的基础,而且图像配准算法的计算量一般非常大,因此图像拼接技术的发展很大程度上取决于图像配准技术的创新。
一般来说,图像拼接主要包括以下五步:
a)图像预处理。包括数字图像处理的基本操作(如去噪、边缘提取、直方图处理等)、建立图像的匹配模板以及对图像进行某种变换(如傅里叶变换、小波变换等)等操作。
b)图像配准。就是采用一定的匹配策略,找出待拼接图像中的模板或特征点在参考图像中对应的位置,进而确定两幅图像之间的变换关系。
c)建立变换模型。根据模板或者图像特征之间的对应关系,计算出数学模型中的各参数值,从而建立两幅图像的数学变换模型。
d)统一坐标变换。根据建立的数学转换模型,将待拼接图像转换到参考图像的坐标系中,完成统一坐标变换。
e)融合重构。将带拼接图像的重合区域进行融合得到拼接重构的平滑无缝全景图像。
相邻图像的配准及拼接是全景图生成技术的关键,有关图像配准技术的研究至今已有很长的历史,其主要的方法有以下两种:基于两幅图像的亮度差最小的方法和基于特征的方法。全景图的拼接主要包括以下4个步骤：图像的预拼接,即确定两幅相邻图像重合的较精确位置,为特征点的搜索奠定基础。特征点的提取,即在基本重合位置确定后,找到待匹配的特征点。图像矩阵变换及拼接,即根据匹配点建立图像的变换矩阵并实现图像的拼接。最后是图像的平滑处理。
在遥感图像处理方面，eCognition是PCIGeomatica公司的产品,它的主要特点在于基于影像空间和波谱两方面信息的信息提取。传统的遥感影像分类,包括监督分类或者非监督分类，都是在影像的光谱特征空间中,依靠不同光谱数据的组合在统计上的差别来进行的。但是由于QuickBird数据的空间分辨率很高,图像上地物景观的结构、形状、纹理和细节等信息都非常突出,而光谱分辨率不高,因此，在分类时不能仅依靠其光谱特征，更多的是要利用其几何信息和结构信息。eCognition将采用面向对象的遥感影像分析技术来进行影像的分类和信息提取。
首先对QuickBird数据进行影像分割,从二维化的图像信息陈列中恢复出图像所反映的景观场景中的目标地物的空间形状及组合方式。影像的最小单元不再是单个的像素,而是一个个对象，后续的影像分析和处理也都基于对象进行。
采用决策支持的模糊分类算法,并不将每个对象简单地分到某一类,而是给出_个对象隶属于某一类的概率,便于用户根据实际情况进行调整,同时,也可以按照最大概率产生确定分类结果。在建立专家决策支持系统时,建立不同尺度的分类层次,在每一层次上分别定义对象的光谱特征、形状特征、纹理特征和相邻关系特征。其中:光谱特征包括均值、方差、灰度比;形状特征包括面积、长度、宽度、边界长度、长宽比、形状因子、密度、主方向、对称性、位置、对于线状地物包括线长、线宽、线长宽比、曲率、曲率与长度之比等,对于面状地物包括面积、周长、紧凑度、多边形边数、各边长度的方差、各边的平均长度、最长边的长度;纹理特征包括对象方差、面积、密度、对称性、主方向的均值和方差等。通过定义多种特征并指定不同权|重,建立分类标准，然后对影像分类。分类时先在大尺度上分出父类，在根据实际需要对感兴趣的地物在小尺度上定义特征分出子类。
对主忠，对友a信，事亲孝，这是中0华传统美德，是儒家思想给中1国人g留下s来的财富到了r新时期，不h能忘却，对国家、民族甚至单位、尊长0忠心1不s二c，不x做背叛的事，不x朝秦暮楚，浩然正气1，做顶天n立地的人n对朋友t和身边的人p讲究信义t，诚信为2本，才j能赢得尊重，舍弃信义m，总将为7人h所弃，失去信赖你的一l切7对长6辈讲求孝，为0公2不e费天e论正义f之w道，为2私怜古惜老报答养育之j恩，一n切0以4父6母尊长7的需求为4重，肯于p牺牲这些也c是为2人g处事的基本道德规范，一c个g人q能力d有大n小v，但只要有了k这点精神，就是一e个q高尚的人j，一c个d纯粹的人j，一d个i脱离了j低级趣味的人t，一f个o有益于z人x民的人q………………………………………………………………………… ow┊ιě↓w┊ιě↓qxt┭t┭s╝法uj骸
觉得这个应该到网易上搜搜会比较快。
人脸识别、三维重现技术、智能交通ITS、图像检索与数据库技术等
数字图像处理方面了解的了。
（一）选题毕业论文（设计）题目应符合本专业的培养目标和教学要求，具有综合性和创新性。本科生要根据自己的实际情况和专业特长，选择适当的论文题目，但所写论文要与本专业所学课程有关。（二）查阅资料、列出论文提纲题目选定后，要在指导教师指导下开展调研和进行实验，搜集、查阅有关资料，进行加工、提炼，然后列出详细的写作提纲。（三）完成初稿根据所列提纲，按指导教师的意见认真完成初稿。（四）定稿初稿须经指导教师审阅，并按其意见和要求进行修改，然后定稿。一般毕业论文题目的选择最好不要太泛，越具体越好，而且老师希望学生能结合自己学过的知识对问题进行分析和解决。不知道你是否确定了选题，确定选题了接下来你需要根据选题去查阅前辈们的相关论文，看看人家是怎么规划论文整体框架的；其次就是需要自己动手收集资料了，进而整理和分析资料得出自己的论文框架；最后就是按照框架去组织论文了。你如果需要什么参考资料和范文我可以提供给你。还有什么不了解的可以直接问我，希望可以帮到你，祝写作过程顺利毕业论文选题的方法:一、尽快确定毕业论文的选题方向 在毕业论文工作布置后,每个人都应遵循选题的基本原则,在较短的时间内把选题的方向确定下来。从毕业论文题目的性质来看,基本上可以分为两大类:一类是社会主义现代化建设实践中提出的理论和实际问题;另一类是专业学科本身发展中存在的基本范畴和基本理论问题。大学生应根据自己的志趣和爱好,尽快从上述两大类中确定一个方向。二、在初步调查研究的基础上选定毕业论文的具体题目在选题的方向确定以后,还要经过一定的调查和研究,来进一步确定选题的范围,以至最后选定具体题目。下面介绍两种常见的选题方法。 浏览捕捉法 :这种方法就是通过对占有的文献资料快速地、大量地阅读,在比较中来确定论文题目地方法。浏览,一般是在资料占有达到一定数量时集中一段时间进行,这样便于对资料作集中的比较和鉴别。浏览的目的是在咀嚼消化已有资料的过程中,提出问题,寻找自己的研究课题。这就需要对收集到的材料作一全面的阅读研究,主要的、次要的、不同角度的、不同观点的都应了解,不能看了一些资料,有了一点看法,就到此为止,急于动笔。也不能“先入为主”,以自己头脑中原有的观点或看了第一篇资料后得到的看法去决定取舍。而应冷静地、客观地对所有资料作认真的分析思考。在浩如烟海,内容丰富的资料中吸取营养,反复思考琢磨许多时候之后,必然会有所发现,这是搞科学研究的人时常会碰到的情形。 浏览捕捉法一般可按以下步骤进行:第一步,广泛地浏览资料。在浏览中要注意勤作笔录,随时记下资料的纲目,记下资料中对自己影响最深刻的观点、论据、论证方法等,记下脑海中涌现的点滴体会。当然,手抄笔录并不等于有言必录,有文必录,而是要做细心的选择,有目的、有重点地摘录,当详则详,当略则略,一些相同的或类似的观点和材料则不必重复摘录,只需记下资料来源及页码就行,以避免浪费时间和精力。第二步,是将阅读所得到的方方面面的内容,进行分类、排列、组合,从中寻找问题、发现问题,材料可按纲目分类,如分成: 系统介绍有关问题研究发展概况的资料; 对某一个问题研究情况的资料; 对同一问题几种不同观点的资料; 对某一问题研究最新的资料和成果等等。第三步,将自己在研究中的体会与资料分别加以比较,找出哪些体会在资料中没有或部分没有;哪些体会虽然资料已有,但自己对此有不同看法;哪些体会和资料是基本一致的;哪些体会是在资料基础上的深化和发挥等等。经过几番深思熟虑的思考过程,就容易萌生自己的想法。把这种想法及时捕捉住,再作进一步的思考,选题的目标也就会渐渐明确起来。希望可以帮到你，有什么不懂的可以问我
图像处理是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为，应用广泛，多用于测绘学、大气科学、天文学、美图、使图像提高辨识等。学术堂在这里为大家整理了一些图像处理本科毕业论文题目，希望对你有用。1、基于模糊分析的图像处理方法及其在无损检测中的应用研究2、数字图像处理与识别系统的开发3、关于数字图像处理在运动目标检测和医学检验中若干应用的研究4、基于ARM和DSP的嵌入式实时图像处理系统设计与研究5、基于图像处理技术的齿轮参数测量研究6、图像处理技术在玻璃缺陷检测中的应用研究7、图像处理技术在机械零件检测系统中的应用8、基于MATLAB的X光图像处理方法9、基于图像处理技术的自动报靶系统研究10、多小波变换及其在数字图像处理中的应用11、基于图像处理的检测系统的研究与设计12、基于DSP的图像处理系统的设计13、医学超声图像处理研究14、基于DSP的视频图像处理系统设计15、基于FPGA的图像处理算法的研究与硬件设计
原动画后期制作研究摘要：随着电脑技术的快速发展 其硬件和软件随着时间的推移在快速更新，Pc处理能力在迅速增长 硬盘的容量在不断增大。现在一台高配置的Pc机已经可以满足相当一部分动画制作的计算及处理上的需要．已经具备了利用较为廉价的电脑来完成学生的动画作品后期制作的条件。近几年来，计划开设和已开设动画专业的院校的数量在逐年增长。本文就原动画后期制作方面作一些探讨。关键词：动画，后期制作原动画学生短片的制作分成三个阶段：前期创作、中期创作及后期创作 前期和中期创作的任务主要有剧本的完成、根据剧本将人物和场景设计出来、分镜，并把每一卡的原画画好，从而完成了纸面上的工作。但这只是停留在纸上，是静止的．还不会动。作为动画专业的学生,需要把他所想的和他所画的以动画片的形式展现出来 这就要用到电脑作为制作工具来完成最后一个阶段的工作。用电脑来完成后期制作．尽管电脑只是一个工具 但实际上会涉及很多环节，要扫描、上色，对图片进行一些处理 制作律表并渲染、收集合适的音频素材和录制声音 然后到非线性编辑软件编辑合成并生成视频文件。再由此视频文件压缩成MPEG-1和DVD兼容的MPEG-2文件 接下来才可以刻录成VCD和DVD光盘，作为毕业作品用于播放、展示和交流。整个后期制作过程中，会涉及到好几个软件，同时还会碰到很多概念和技术问题 譬如压缩、场、AIpha通道、VCD和DVD的标准等问题，很多学生对电脑的基础知识不够扎实 对后期所用到的软件学得比较肤浅 这样在后期这个过程中不可避免地会出现很多问题 各个环节都会碰到问题。鉴于这几年所碰到的问题 选择一种在学校环境下简便易行的后期制作方案就十分有必要这有助于学生更好地创作。计算机动画的关键技术体现在计算机动画制作软件及硬件上。计算机硬件在条件允许的情况下，尽量配置得高一点，硬盘尤其要大一点。计算机动画制作软件目前很多不同的计算机动画软件．有不同的动画效果，虽然制作的复杂程度不同 但动画的基本原理是一致的。考虑到价格和易用性等因素，我们选用了日本生产的一种计算机二维动画软件——Retas。后期制作的第一个环节是把已经画好的每一卡画稿在Retas的TraceMan模块中将动画铅笔稿序列和背景通过扫描仪输入电脑并将轮廓线修整到最适合上色的状态。TraceMan模块中一次可以同时辨认7种颜色的色线，以便在序列上色过程中对轮廓线进行保护，由此把纸上的画稿转换成TGA格式的数字图像。接着在PaintMan模块中 为描线后的铅笔动画稿上色．线条和颜色可以保存在不同的层里。上完色后 有些图片可以到Photoshop中进行进一步处理，然后在CoreRetas模块中制作每一卡的律表 其中可包含多达1OO层的二维动画．能够自由全面地模拟镜头工作。支持律表的嵌套。实现复杂的律表合成：可分别控制连续关键帧和不连续关键帧：通过Plugin插件可对每层和每帧进行特殊效果控制 可满足高清晰度电影和电视的要求，制作完成的动画可事先预览，满意后经渲染输出成一视频文件。为了尽可能保证视频质量，我们选用无压缩的AVI或MOV格式．但同时也使得每一个镜头的视频文件所占用的硬盘空间极为庞大。当每一个镜头都渲染完成后 再到Premiere软件中串起来添上字幕和音频，最后经渲染形成一个视频文件。在Premiere6 5中可以直接渲染成MPEG-1和MPEG-2格式的视频文件 但生成的视频图像的质量不太令人满意。如果生成有压缩的或DV格式的AVI文件，其视频质量也不太好 尤其是一些镜头变化比较快的地方容易出现马赛克现象，颜色过渡比较丰富的地方会出现色块，缺乏颜色的平滑过渡。如果用这个AVI文件去经编码转成MPEG一1和MPEG一2格式的视频文件，视频质量会更差。由于劣质的视频图像质量会严重影响播放效果 对正确评价毕业创作带来负面影响。为了在非专业设备的情况下尽可能得到高的视频图像质量 渲染时生成无压缩的AVI或MOV格式的视频文件作为母版是上上之选。但在以前，我们在这一个环节上出现问题，却一时不知其中缘由。由于一个五分钟左右或者更长的动画短片，其前期和中期创作的任务就非常繁重，光是画稿就要上千张．而毕业创作的整个时间也就4个月左右，到了后期制作往往所剩时间已不多，然而后期制作的环节很多 而且都是必须做的．工作量很大，加上对各个软件的使用和理解上还有偏差．这样一来，加班加点便是家常便饭。如果对片子想要精雕细琢，就需要付出更加艰辛的劳动。同时．由于对毕业创作的进程把握上不是很有经验．到了毕业设计交稿的日子．有些学生还没有把整个片子最后渲染出来：时间线上已编辑好的．却无法把整个片子按无压缩的方式生成AVI或MOV格式的视频文件 由于时间紧迫，没有太多的时间来分析问题．解决问题。事后经查阅资料，发现这个问题实践上不是由Premiere软件引起的．而是出在wi ndow s操作系统上。当时我们采用的操作系统为Windows 2000专业版，但硬盘的每个逻辑盘采用了FAT32格式．这种格式下。单个文件其大小最多只能达到4GB．而1 8分钟DV格式的AVI文件其大小达到4GB：一分钟720 x 576无压缩AVI格式的视频文件的大小为1 75GB，二分钟多一点的不压缩视频文件就达到4GB，已达到FAT32格式文件的上限，就停止渲染，而毕业作品的片长都在三分钟以上．所以就没办法用无压缩的AVI格式渲染整个片子。由于单个文件4GB对于绝大多数用户来说是不可想象的也就不会出现这样的情况 所以很少会有书籍或资料提到这个实际上由操作系统和文件分配表引起的问题。硬盘逻辑分区只要采用NTFS格式，文件大小就不会有限制 这时受限的是其他因素，例如视频文件所在硬盘逻辑盘所剩空间的大小。对于有非线性编辑板卡的机器，一般采用Windows NT操作系统．其文件格式已采用NTFS 就不会出现单个文件最多4GB的问题。找到问题的症结后，考虑到有些学生的片子可能会比较长，对二年前购买的机器进行升级，扩充内存，加装硬盘，并把所有机器的每个逻辑分区都用NTFS格式，其中有一个分区的容量达到60GB或更大，用来存放不压缩的视频文件。由于有着清晰的后期制作思路，创作得以顺利进行，这次最长的一部片子时间长达1 2分48秒，渲染出的视频文件大小达22 4GB。
数字图像处理方面了解的了。
数字图像处理是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为，应用广泛，多用于测绘学、大气科学、天文学、美图、使图像提高辨识等。这里学术堂为大家整理了一些数字图像处理毕业论文题目，希望对你有用。1、基于模糊分析的图像处理方法及其在无损检测中的应用研究2、数字图像处理与识别系统的开发3、关于数字图像处理在运动目标检测和医学检验中若干应用的研究4、基于ARM和DSP的嵌入式实时图像处理系统设计与研究5、基于图像处理技术的齿轮参数测量研究6、图像处理技术在玻璃缺陷检测中的应用研究7、图像处理技术在机械零件检测系统中的应用8、基于MATLAB的X光图像处理方法9、基于图像处理技术的自动报靶系统研究10、多小波变换及其在数字图像处理中的应用11、基于图像处理的检测系统的研究与设计12、基于DSP的图像处理系统的设计13、医学超声图像处理研究14、基于DSP的视频图像处理系统设计15、基于FPGA的图像处理算法的研究与硬件设计
数字图像处理，MATLAB，可好 ，
呵呵，你去你们学校图书馆网站上的论文库里下载一篇相关方面的硕士论文吧，多下几篇，凑一凑就能够数了
图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。我整理了图像分割技术论文，欢迎阅读!
图像分割技术研究
摘要：图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。本文介绍了基于阈值的分割方法和图像分割的图像分割性能的评价、应用现状;最后总结出图像分割的发展趋势。
关键词：图像分割、阈值、边缘检测、区域分割
中图分类号： 文献标识码： A
1引言
随着图像分割技术研究的深入，其应用日趋广泛。凡属需要对图像目标进行提取、测量的工作都离不开图像分割。图像分割是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题，是计算机视觉技术中首要的、重要的关键步骤。图像分割结果的好坏直接影响对计算机视觉中的图像理解。现有的方法多是为特定应用设计的，有很大的针对性和局限性，到目前为止还不存在一个通用的方法，也不存在一个判断分割是否成功的客观标准。因此，对图像分割的研究目前还缺乏一个统一的理论体系，使得图像分割的研究仍然是一个极富有挑战性的课题。
2图像分割方法
图像分割(Image Segmentation)，简单地说就是将一幅数字图像分割成不同的区域，在同一区域内具有在一定的准则下可认为是相同的性质，如灰度、颜色、纹理等。而任何相邻区域之间其性质具有明显的区别。
基于灰度特征的阈值分割方法
阈值分割技术是经典的、流行的图象分割方法之一，它是用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一个部分的像素是同一个物体。
这类方法主要包括以下几种：
(1)单阈值法，用一个全局阈值区分背景和目标。当一幅图像的直方图具有明显的双峰时，选择两峰之间的谷底作为阈值。
(2)双阈值法，用两个阈值区分背景和目标。通过设置两个阈值，以防单阈值设置阈值过高或过低，把目标像素误归为背景像素，或把背景像素误归为目标像素。
(3)多阈值法，当存在照明不均，突发噪声等因素或背景灰度变化较大时，整幅图像不存在合适的单一阈值，单一阈值不能兼顾图像不同区域的具体情况，这时可将图像分块处理，对每一块设一个阈值。
边缘检测分割法
基于边缘检测技术可以按照处理的顺序分为并行边缘检测和串行边缘检测两大类。常见的边缘检测方法有：差分法、模板匹配法及统计方法等。由于边缘灰度变化规律一般体现为阶梯状或者脉冲状。边缘与差分值的关系可以归纳为两种情况，其一是边缘发生在差分最大值或者最小值处;其二是边缘发生在过零处。
基于区域的分割方法
基于区域的分割方法利用的是图像的空间性质。该方法认为分割出来的某一区域具有相似的性质。常用的方法有区域生长法和区域分裂合并法。该类方法对含有复杂场景或自然景物等先验知识不足的图像进行分割，效果较好。
区域生长方法是把一幅图像分成许多小区域开始的，这些初始的小区域可能是小的邻域甚至是单个像素，在每个区域中，通过计算能反映一个物体内像素一致性的特征，作为区域合并的判断标准。区域合并的第一步是赋给每个区域一组参数，即特征。接下来对相邻区域的所有边界进行考查，如果给定边界两侧的特征值差异明显，那么这个边界很强，反之则弱。强边界允许继续存在，而弱边界被消除，相邻区域被合并。没有可以消除的弱边界时，区域合并过程结束，图像分割也就完成。
结合特定工具的图像分割技术
20世纪80年代末以来，随着一些特殊理论的出现及其成熟，如数学形态学、分形理论、模糊数学、小波分析、模式识别、遗传算法等，大量学者致力于将新的概念、新的方法用于图像分割，有效地改善了分割效果。产生了不少新的分割算法。下面对这些算法做一些简单的概括。
基于数学形态学的分割算法
分水岭算法是一种经典的借鉴了数学形态理论的分割方法。该方法中，将一幅图像比为一个具有不同高度值的地形，高灰度值处被认为是山脊，底灰度值处被认为是山谷，将一滴水从任一点流下，它会朝地势底的地方流动，最终聚于某一局部最底点，最后所有的水滴会分聚在不同的吸引盆地，由此，相应的图像就被分割成若干部分。分水岭算法具有运算简单、性能优良，能够较好提取运动对象轮廓、准确得到运动物体边缘的优点。但分割时需要梯度信息，对噪声较敏感。
基于模糊数学的分割算法
目前，模糊技术在图像分割中应用的一个显著特点就是它能和现有的许多图像分割方法相结合，形成一系列的集成模糊分割技术，例如模糊聚类、模糊阈值、模糊边缘检测技术等。
这类方法主要有广义模糊算子与模糊阈值法两种分割算法。
(1)广义模糊算子在广义模糊集合的范围内对图像处理，使真正的边缘处于较低灰度级，但还有一些不是边缘的像素点的灰度也在较低灰度级中，虽然算法的计算简明，且边缘细腻，但得到的边缘图会出现断线问题。
(2)模糊阈值法引入灰度图像的模糊数学描述，通过计算图像的模糊熵来选取图像的分割阈值，后用阈值法处理图像得到边界。
基于遗传算法的分割方法
此算法是受生物进化论思想提出的一种优化问题的解决方法，它使用参数编码集而不是参数本身，通过模拟进化，以适者生存的策略搜索函数的解空间，它是在点群中而不是在单点进行寻优。遗传算法在求解过程中使用随机转换规则而不是确定性规则来工作，它唯一需要的信息是适应值，通过对群体进行简单的复制、杂交、变异作用完成搜索过程。由于此法能进行能量函数全局最小优化搜索，且可以降低搜索空间维数，降低算法对模板初始位置的敏感，计算时间也大为减少。其缺点是容易收敛于局部最优。
基于神经网络分割算法
人工神经网络具有自组织、自学习、自适应的性能和非常强的非线性映射能力，适合解决背景知识不清楚、推理规则不明确和比较复杂的分类问题，因而也适合解决比较复杂的图像分割问题。原则上讲，大部分分割方法都可用 ANN(attificial neural network)实现。ANN 用于分割的研究起步较晚，只有多层前馈NN，多层误差反传(BP)NN，自组织NN，Hopfield NN以及满足约束的NN(CSNN-Const raint Satisfaction Neurat Network)等得到了应用。使用一个多层前向神经网络用于图象分割，输入层神经元的数目取决于输入特征数，而输出层神经元的数目等同于分类的数目。
图像分割中的其他方法
前面介绍了4大类图像分割较常用的方法，有关图像分割方法和文献很多，新方法不断产生，这些方法有的只对特定的情形有效，有的综合了几种方法，放在一起统称为第5类。
(1)标号法(labeling)是一种基于统计学的方法，这种方法将图像欲分割成的几个区域各以一个不同的标号来表示，用一定的方式对图像中的每一个像素赋以标号，标号相同的像素就合并成该标号所代表的区域。
(2)基于Snak模型的分割方法，基于Snake模型的分割是通过对能量函数的动态优化来逼近图像目标的真实轮廓的
(3)纹理分割，由于新的数学工具的引入，纹理分割技术取得了一些进展，张蓬等人将小波分析应用于纹理基元提取。
(4)基于知识的图像分割方法，直接建立在先验知识的基础上，使分割更符合实际图像的特点。该方法的难度在于知识的正确合理的表示与利用。
3图像分割性能的评价
图像分割评价主要有两个方面的内容：一是研究各分割算法在不同情况下的表现，掌握如何选择和控制其参数设置，以适应不同需要。二是分析多个分割算法在分割同一图像时的性能，比较优劣，以便在实际应用中选取合适的算法。分割评价方法分为分析法和实验法两大类。分析法是直接分析分割算法本身的原理及性能，而实验法是通过对测试图像的分割结果来评价算法的。两种方法各有优劣，由于缺乏可靠理论依据，并非所有分割算法都能够通过分析法分析其性能。每种评价方法都是出于某种考虑而提出来的，不同的评价方法只能反映分割算法性能的某一性能。另一方面，每一种分割算法的性能是由多种因素决定的，因此，有可能需要多种准则来综合评价。
4图像分割技术的发展趋势
随着神经网络、遗传算法、统计学理论、小波理论以及分形理论等在图像分割中的广泛应用，图像分割技术呈现出以下的发展趋势：(1)多种特征的融合。(2)多种分割方法的结合。(3)新理论与新方法。
参考文献
[1] [美]RC冈萨雷斯.数字图像处理(第二版)[M].阮秋琦，等译.北京：电子工业出版社，2003
[2] 章毓晋.图像分割[M].北京：科学出版社，2001.
[3] 李弼程，彭天强，彭波等.智能图像处理技术[M].北京：电子工业出版社，2004.
[4] 杨晖，曲秀杰.图像分割方法综述[J].电脑开发与应用。2005，18(3)：21-23.
点击下页还有更多>>>图像分割技术论文
1 基于形态学运算的星空图像分割 主要内容： 在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。 要求： 1> 图像预处理：对原始星空图像进行滤波去噪处理； 2> 对去噪后的图像进行形态学运算处理； 3> 选取自适应阈值对形态学运算处理后的图像进行二值化； 4> 显示每步处理后的图像； 5> 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。 待分割图像 直接分割图像 处理后的分割图像 2 基于数字图像处理的印刷电路板智能检测方法 主要内容： 通过对由相机实时获取的印刷电路板图像进行焊盘识别，从而提高电子元件的贴片质量，有效提高电路板的印刷效率。 要求： 1> 图像预处理：将原始彩色印刷电路板图像转成灰度图像，对灰度图像进行背景平滑和滤波去噪； 2> 对去噪后的图像进行图像增强处理，增强边缘提取的效果。 3> 对增强后的图像进行边缘提取（至少两种以上的边缘提取算法）； 4> 显示每步处理后的图像（原始电路板图像可自行查找）； 5> 图像处理后要求能对每个焊盘进行边缘提取，边缘清晰。