学位论文 > 优秀研究生学位论文题录展示

基于模糊聚类的图像分割算法研究

作　者: 姚玉敏
导　师: 龚劬
学　校: 重庆大学
专　业: 应用数学
关键词: 图像分割 模糊C-均值聚类 分水岭算法 粒子群算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 148次
引　用: 0次
阅　读: 论文下载
 

内容摘要


图像分割就是根据图像各个区域的特性，按照某种准则把它分成多个区域，并将人们关心的部分分离出来，它是图像处理和计算机视觉领域中研究的核心问题，尤其对后期进行的图像分析、图像理解和图像识别都具有十分重要的意义。在众多的分割方法中，结合模糊理论的分割方法越来越受到人们的关注，其中，模糊C-均值（FCM）聚类算法是一种应用最为广泛的图像分割算法之一，已经被广泛应用到图像分割的多个领域。但是模糊C-均值聚类算法本身存在一些缺陷，比如它处理的是图像的每个像素，数据量大，运算复杂；初始聚类中心在一定程度上决定着聚类结果，如果选择不当会使聚类结果陷入局部最小；FCM算法只是利用了图像的灰度信息，没有考虑其空间信息，会影响图像分割的效果。鉴于此，本文提出了改进的模糊聚类图像分割算法，首先利用分水岭进行预分割，加快了FCM聚类算法的速度；而后利用粒子群的全局寻优及其性能稳定的特性，确定了较为准确的初始聚类中心；并在此基础上充分考虑了区域面积和区域方差信息，定义了一个包含区域面积和区域方差的新距离。与FCM聚类算法对比可知，此算法的运算速度较快，分割效果较优。考虑到聚类数目对模糊C-均值聚类算法的影响，在上述算法的基础上提出了一种改进的自适应模糊C-均值聚类图像分割算法。先用分水岭分割方法把一幅图像分成M个小区域，将小区域的个数作为聚类数目的搜索上限；引进最大最小距离算法和聚类有效性指标来确定初始聚类中心和最佳聚类数目；最后用改进目标函数的FCM聚类方法对分水岭分割后的相似小区域进行合并，充分考虑了区域面积和区域方差信息，该方法确定的聚类数目比较合理。

全文目录


摘要  3-4
ABSTRACT  4-8
1 绪论  8-12
  1.1 课题的研究背景及学术意义  8
  1.2 图像分割的发展特点  8-9
  1.3 论文的主要创新内容  9-11
  1.4 本章小结  11-12
2 图像分割的基本理论  12-16
  2.1 图像分割的概念  12
  2.2 现有的图像分割方法  12-15
    2.2.1 基于阈值的图像分割  12-13
    2.2.2 基于边缘检测的图像分割  13
    2.2.3 基于区域生长的图像分割  13-14
    2.2.4 基于模糊理论的方法  14-15
    2.2.5 基于图论的分割算法  15
  2.3 本章小结  15-16
3 模糊 C -均值聚类( FCM )算法和粒子群优化算法介绍  16-24
  3.1 模糊理论基础  16-18
    3.1.1 模糊集合基本理论  16-18
    3.1.2 模糊关系理论  18
  3.2 模糊 C -均值聚类算法原理  18-22
    3.2.1 模糊 C -均值聚类算法  18-21
    3.2.2 模糊 C -均值聚类算法的研究重点  21-22
  3.3 粒子群优化（Particle Swarm Optimization - PSO ）算法简介  22-23
    3.3.1 粒子群算法基本含义  22
    3.3.2 粒子群算法基本理论和流程图  22-23
  3.4 本章小结  23-24
4 基于分水岭算法的改进模糊聚类图像分割  24-31
  4.1 分水岭算法  24-26
  4.2 模糊 C -均值聚类（ FCM ）算法对过分割图像的处理  26-28
    4.2.1 传统的 FCM 算法  26
    4.2.2 初始聚类中心的较优选择  26-27
    4.2.3 改进的 FCM 聚类图像分割  27-28
  4.3 实验结果与分析  28-30
  4.4 本章小结  30-31
5 改进的自适应 FCM 聚类图像分割算法  31-37
  5.1 Silhouette 指标  31
  5.2 最大最小距离实现原理与实现步骤  31-32
  5.3 改进的自适应模糊 C -均值聚类图像分割  32-33
    5.3.1 最佳聚类数目的确定  32
    5.3.2 新的 FCM 自适应图像分割  32-33
  5.4 实验结果和分析  33-36
  5.5 本章小结  36-37
6 总结和展望  37-39
  6.1 总结  37
  6.2 展望  37-39
致谢  39-40
参考文献  40-44
附录  44

相似论文

  1. 森林防火系统中图像识别算法的研究,TP391.41
  2. 数字图像处理在集装箱检测中的应用研究,TP274.4
  3. 个性化人工膝关节设计及其生物力学特性研究,R318.1
  4. 有源电力滤波器及其在配电网中的应用,TN713.8
  5. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  6. 红外图像目标识别及跟踪技术研究,TP391.41
  7. 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
  8. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  9. 基于粒子群的分子对接算法,R91
  10. 基于特征选择的入侵检测研究,TP393.08
  11. 基于可视特征的彩色图像分割方法及应用研究,TP391.41
  12. 基于水平集区域分割的医学图像融合算法研究,TP391.41
  13. 基于LiDAR点云与CCD影像的建筑物特征提取,P225.2
  14. 基于模糊聚类的图像检索方法研究及其系统实现,TP391.41
  15. 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
  16. 基于改进粒子群算法的无功优化,TP301.6
  17. 基于视觉的类人足球机器人目标定位算法设计,TP391.41
  18. 复杂相变热图序列相变线提取算法研究,TP391.41
  19. 基于马尔可夫随机场模型的医学图像分割方法研究,TP391.41
  20. 肝脏移植术前计算机辅助规划关键技术的研究,TP391.41
  21. 多尺度遥感图像分割算法研究与应用,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com