1. 研究目的与意义
图像分割是计算机视觉领域的一个重要而且基本的问题，尤其在图像处理、
分析、识别、压缩和理解等领域中是一项关键技术。分割结果的好坏将直接影响
到视觉系统的功能。在众多的分割方法中，阈值分割是普遍使用且简单有效的图
2. 国内外研究现状分析
图像分割是图像处理到图像分析的关键步骤，它是计算机视觉中的基本问题，同时也是一个难题。正由于它的重要性和困难性，一直吸引着国内外人员为之努力。人们做了许多研究工作，希望寻找一种通用的图像分割方法，但随着深入研究，发现图像分割是一个不适定性的问题，所以现在提出的分割方法大都是针对具体问题的。
从国内外图像处理分割技术的研究进展可以看出，知识在分割中具有重要意义。知识参与分割过程的方法、基于知识构成模型的方法是图像分割研究的关键问题。对于怎样把多种图像信息归纳为知识，并将其应用于人工神经网络，和在通用计算机、专用计算机或者并行计算机上进行软件模拟，或由专用数字信号处理芯片构成神经网络仿真器，都是高效全自动图像分割技术有待解决的重要课题。
按照当前的研究成果，图像分割技术的研究方法大体可以分为3种。边缘图像分割、区域图像分割和基于理论的图像分割。到目前为止，人们已经研究出了千余种图像分割方法，从图像类型来分，最常见的3种方法是：彩色图像的分割，灰度图像的分割和纹理图像的分割。otsu算法以其简单有效，分割效果好得到广泛应用。
3. 研究的基本内容与计划
本文研究图像分割算法。在众多的图像分割算法中，otsu算法能够自动得到统计意义上的最佳分割阈值，使目标和背景的分割效果较好，并且它的算法简单，有很强的自适应能力，在灰度图像目标和背景的自动分割上具有广泛的应用。
但是，它的二维算法计算量太大，这样大大影响了它的实时性。所以这里要做一些改进，这样可以降低实验的计算复杂度，提高实验的运行效率，从而达到目标和背景的较好分离。进而对适应度函数进行优化，从而实现以较快的速度和较好的质量得到目标和背景的最佳分割阈值。
2013年2月25日到3月3日，收集资料，拟定论文题目和开题报告。
4. 研究创新点
图像分割是图像处理和计算机视觉中最基础、最重要的领域之一。
在众多的图像分割算法中，Otsu算法以其算法简单、分割效果较好、适用领域广泛、自适应能力强等特点受到人们的广泛关注和研究。
