1.1 图像与数字图像处理

空间学认为客观世界是三维立体的，但对应的客观景物而来的图像却是2维平面的。一幅图像可以用一个个二维函数f(x,y)来表示,其中x和y表示2维平面中的一个坐标点的位置，并且这个点所对应的f值则代表图像在该点上的上的某性质的值。对于图像来说，如果他是一个灰度图，那么f代表的就是灰度值。

我们经常看见的图像一般都是连续的，则f(x,y)可以为任何实数。但是如果经过计算机对图像进行处理修改后，在空间坐标点和与此对应的相应函数值f连续的图像都需要被离散化。数字图像就是这种离散化后的图像。

字图像处理就是把数字图像或者一定的数学算法模式按照规则进行处理，使之成为一幅能被人眼视觉或者某一些视频接收系统认可的图像的过程。比如说把被噪声干扰的图像中的噪声尽可能的减弱，增强图像的微弱信息，利用几何方法对失真的图像作出校正等等。

1.2 研究图像分割处理的意义

分割与提取图像目标是图像处理和电子计算机视频方面的一个受到广泛重视的研究领域。因为在对目标进行分割与提取的同时，在采取大量图像处理手段的基础上，融合了计算视觉与模式识别等其他领域的各个方面，这些特性都吸引了众多科学家的目光。我认为对继续这个课题的进行研究一定会不断充实这一类问题的解决方法，还势必会推动模式识别，人工智能等科学分支的进一步进步。在近二十年的发展中，有关图像分割和边缘检测的问题得到了广泛的关注，国内外很多对其进行长久研究的科学家都讨论出了很多方法，并且在各个领域都有一定建树。不过，众多科学家依旧没能找到一种既能广泛适用于各不同复杂变化而且更加高效精确的分割算法，图像分割算法还需要进一步的提升空间。

目标提取和图像分割作为图像处理的重要研究课题之一，以目前的理论和用法依旧不足以应付大多数情况，还是处在一个上升的道路上。不过，有一点需要注意：提取目标边缘，与提取物体的边界不是一码事，边缘指的是图像中像素值猛然增大或缩小的地方。而且，实验过程中也不可避免的会有光照或者其他等不可抗拒因素的干扰，正是由于以上原因，对图像边缘的分割依旧是世界性质的难题。

因为图信息的意义众多并且复杂，计算机无法独立自主全自动的完成大部分分割的任务，而人工方法更是工程量巨大，并且存在各式各样的不稳定元素。因此，人们研发了一些用智能高端仿人和计算机自动定位相结合的方式，取长补短，完成对图像目标额分割。相信对于这些方法的实现与改进，一定能对推动图像目标分割与提取的进一步发展作出贡献。

1.3 图像分割技术的背景和国内外研究现状

1.4 本课题的研究工作

针对红外图像噪声大，目标不易提取的特点，本课题主要利用MATLAB软件强大的图像处理功能对红外图像进行针对性处理仿真，提取出目标信号。

（1）首先对图像分割这个领域的发展前景与历史背景做一个介绍；

（2）对图像边缘检测算子，与阈值相关分割算法的原理做一个简要的分析；

（3）利用matlab对本文涉及到的算子与算法进行仿真，并对结果做一个分析。

2 图像分割算法与大致分类

图像分割的本质是将图像中人们认为有意义的的那部分（目标或者其他）从背景当中分割出去。这是一种十分有必要的图像处理技术，是对图像进行视觉分析和模式识别的基础，图像分割是为了能对图像分析的必要前提，也是图像处理领域中很有名的课题。一方面，它是表现目标的最基本的要素，对特征测量具有深远的影响。另一方面，在对图像进行分割以前还需要对图像作进一步的加工，加工主要存在于图像处理的那一方面；而图像分割后，因为图像分割将最初的图像转化为更抽象更严密的形式，这样才能是图像分析顺利进行下去。图像分割没有哪怕任何一点儿通用的分割方法，也没有一种被世界更大权威机关认可的客观标准。论文网