学位论文 > 优秀研究生学位论文题录展示

基于模糊C均值聚类的彩色图像分割方法研究

作　者: 于子娟
导　师: 赵于前
学　校: 中南大学
专　业: 生物医学工程
关键词: 彩色图像分割模糊C均值算法高维特征空间空间信息
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 465次
引　用: 7次
阅　读: 论文下载

内容摘要

颜色作为人类感知事物的一个重要途径是模式识别和计算机视觉的重要依据。随着采集和处理彩色图像的硬件成本降低,以及计算机处理能力的提高,使得处理高维彩色空间成为可能,因此彩色图像分割备受关注。很多彩色图像分割方法是将灰度图像处理方法分别应用到彩色图像的三个颜色分量,这类方法不仅会丢失信息量而且结果不易评价。而聚类算法具有处理高维数据的能力,可以把彩色图像像素包含的信息映射到高维特征空间,在高维特征空间聚类使分割结果更加合理。模糊理论对于图像的不确定性和不精确性有很好的描述能力,因此本文主要研究如何用模糊C均值算法分割彩色图像,以及如何合理利用空间信息降低分割结果对噪声的敏感度。本文首先构造理想数据集分析K-means算法和模糊C均值算法的均一化效应,指出这两个算法具有绝对的样本距离均一化效应和相对的样本数量均一化效应,并分析聚类之间的分离程度与聚类结果好坏的关系;然后用Iris数据集和Glass数据集检验K-means算法、模糊C均值算法和Mean shift算法处理真实的高维数据能力,结果表明模糊C均值算法在处理真实的高维数据时综合性能要优于K-means算法和Mean shift算法;最后提出结合空间信息和彩色信息的模糊C均值彩色图像分割方法,并将结果与Mean shift彩色图像分割方法相比较,结果表明本文算法对噪声的敏感度低,算法运行时间短,分割结果更理想。

全文目录

摘要  3-4
ABSTRACT  4-6
目录  6-8
第一章绪论  8-12
  1.1 选题意义  8-9
    1.1.1 图像分割与模糊聚类的关系  8
    1.1.2 FCM彩色图像分割的优势  8-9
  1.2 彩色图像分割的发展  9-11
  1.3 研究内容及章节安排  11-12
    1.3.1 研究内容  11
    1.3.2 论文结构  11-12
第二章彩色图像分割理论  12-22
  2.1 彩色空间的表示  12-17
    2.1.1 线性彩色空间  12-15
    2.1.2 非线性颜色空间  15-17
  2.2 彩色图像分割的方法  17-21
    2.2.1 阈值分割法  17
    2.2.2 边缘检测的分割方法  17-19
    2.2.3 彩色空间聚类方法  19
    2.2.4 基于区域的分割方法  19-20
    2.2.5 基于模糊理论的方法  20-21
  2.3 本章小结  21-22
第三章聚类分析方法基本理论  22-26
  3.1 聚类分析的特征  22
  3.2 聚类分析方法的分类  22-24
    3.2.1 分割聚类方法  23
    3.2.2 分级聚类方法  23
    3.2.3 基于密度的聚类方法  23-24
    3.2.4 基于网格的方法  24
    3.2.5 基于模型的方法  24
  3.3 聚类分析方法的评价准则  24-25
  3.4 本章总结  25-26
第四章 K-means，FCM，Mean Shift算法的对比研究  26-44
  4.1 K-means算法  26-28
    4.1.1 K-means算法的原理  26
    4.1.2 代表点的选择  26-27
    4.1.3 初始分类方法  27
    4.1.4 K-means算法步骤  27-28
  4.2 FCM算法  28-29
    4.2.1 FCM算法原理  28-29
    4.2.2 FCM算法步骤  29
  4.3 Mean Shift算法  29-32
    4.3.1 Mean shift算法基本思想  29-30
    4.3.2 Mean Shift算法物理含义  30-31
    4.3.3 Mean shift算法步骤  31-32
  4.4 确定性K-means算法与FCM算法对比分析  32-38
    4.4.1 样本距离均一化效应的绝对性  32-33
    4.4.2 样本数量均一化效应的相对性  33-36
    4.4.3 聚类中心初值的敏感性与聚类分离程度的关系  36-38
  4.5 采用真实数据检验三个聚类算法性能  38-43
    4.5.1 数据集介绍  38-39
    4.5.2 实验方法  39-40
    4.5.3 结果比较与分析  40-43
  4.6 本章小结  43-44
第五章基于模糊C均值算法的彩色图像分割方法  44-52
  5.1 引言  44-45
  5.2 基于模糊C均值算法的彩色图像分割方法  45-47
    5.2.1 模糊C均值算法  45
    5.2.2 基于模糊C均值算法的彩色图像分割方法步骤  45-47
  5.3 实验与结果分析  47-51
    5.3.1 模糊C均值彩色图像分割结果  47-49
    5.3.2 FCM分割结果与Mean shift分割结果的对比分析  49-51
    5.3.3 本文FCM分割结果与标准FCM分割结果的对比分析  51
  5.4 本章小结  51-52
第六章总结与展望  52-54
  6.1 研究内容总结  52
  6.2 进一步的工作研究  52-54
参考文献  54-59
致谢  59-60
攻读硕士学位期间主要的研究成果  60

基于模糊C均值聚类的彩色图像分割方法研究

内容摘要

全文目录

相似论文