开题报告内容：（包括拟研究或解决的问题、采用的研究手段及文献综述，不少于2000字）
一、 课题研究的背景与意义
随着现代计算机以及图像处理技术的发展，图像处理对我们的意义重大[1]。图像分割是图像处理领域非常重要的研究内容，是指将图像中具有特殊意义的不同区域划分开来，这些区域互不相交并满足灰度、纹理彩色等特征的某种相似性准则[2]。图像分割是图像分析过程中最重要的步骤之一[3]，分割出的区域可以作为后续特征提取目标对象[4]。传统的图像分割的方法有阈值分割法，最大阈值法，聚类算法分割，神经元网络方法等，其中最常用的方法就是图像的二值化[5]。二值化是图像分割技术的基础，也是图像预处理的关键技术，在模式识别、医学成像、字符识别、交通管理系统等方面都有很重要的应用[6]。
目前，学术界提出了许多图像二值化的方法，可大致分为全局阈值法和局部阈值法[7]。全局阈值法和局部阈值法（也称自适应阈值法），如Bernsen算法，Niblack算法等.该类算法利用像素领域内的灰度均值和标准差来构建阈值分割曲面[8]。全局阈值法对于前景与背景灰度差别不大或亮度不均的灰度图效果较差，而局部阈值法通过滑动窗口与图像卷积，从而实现在图像不同部分设定不同阈值,如局部阈值中的Bernsen算法，Niblack算法[8]。但是这两种算法的运算复杂度较高，处理速度相对较慢[9]，因此本课题提出一种快速的局部二值化方法，通过快速计算灰度均值和标准差达到提高算法运行速度的目的。
二、课题研究的内容
本课题研究局部二值化分割方法，着重研究其中的Bernsen算法和Niblack算法，通过加快该类算法中均值和标准差的计算速度，降低了算法整体的复杂度，减少了算法的运行时间，具有十分重要的现实意义。
本课题的主要内容：
1.通过查阅文献，了解研究课题的背景和意义，主要研究图像分割中的二值化方法,对已有的研究成果进行深入探讨，找出其中的不足。
2.通过观察思考，发现Niblack算法、Bernsen算法中局部窗口移动的过程中每次都要计算图像灰度值的均值和标准差，计算时间较长，运行效率较低，通过研究快速计算方法，提高算法运行效率[10]。
3.比较算法运行时间以及二值化效果与窗口大小存在的关系，。
