数据挖掘（DM，Data Mining）就是从大量的、不完全的、有噪声的、模糊的随机的数据中，提取隐含在其中的、人们事先不知道的、但是又是潜在的有用的信息和知识的过程。还有很多和这一术语相近的术语，如从数据库中发现知识（KDD）、数据分析、知识抽取、模式分析、数据考古、数据采集、信息收割、商业智能、数据融合以及决策支持等。国内的学者也把Data Mining译为数据采掘或数据开采[2]。如今数据挖掘思想已经开始向交通管理[3]、医学影像诊断[4]、城市规划[5]、金融风险分析、图像识别等领域扩展。
数字图像处理（Digital Image Processing）起源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字图片。近年来由于CT的发明、应用以及获得了备受科技界瞩目的诺贝尔奖，使得数字图像处理技术开始受到业内人士的关注[6]。目前数字图像处理学科已经成为工程学、计算机科学、信息科学、统计学、物理、化学、生物学、医学甚至社会科学等众多领域的各个学科之间学习和研究的对象。计算机毕业论文网www.PASSlw.com
数字化时代产生大量的图像数据，如数码照片、医学图像等。对这些图像利用图像挖掘技术进行自动分析以获取大量有用知识的需求日益增加。图像挖掘(Image Mining)远不只是检索相关图像，更要在大图像集中发现有意义的图像模式。由于数字图像具有一下几个特点：图像中信息是隐含的；对图像信息可有多种解释，依赖于图像表示方法和应用领域知识；图像信息中包含图像对象的空间关系信息，所以图像挖掘不同于传统的数据库挖掘技术，挖掘的是在图像数据库中隐含的、未知而潜在有用的知识和建立图像数据模型的过程。图像挖掘可以广泛地应用于图像检索、医学影像诊断分析、卫星图片分析、地下矿藏预测、计算机视觉、交通管理、城市规划和台风预警等多学科交叉的研究领域。

如对本论文有购买需求，请联系客服QQ:920225073