学位论文 > 优秀研究生学位论文题录展示

纹理图像的特征提取和聚类算法研究

作　者: 易鑫
导　师: 李雷
学　校: 电子科技大学
专　业: 信号与信息处理
关键词: 纹理特征提取聚类分析 K-means算法模拟退火算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 495次
引　用: 2次
阅　读: 论文下载

内容摘要

随着信息技术的发展,纹理分析是近年来图像分析领域的研究热点,纹理分析主要应用于纹理分类,纹理分割,纹理合成等方面,应用十分广泛。从本质上讲,纹理聚类的任务是根据图像中各像素所处的不同区域,将它们归至未知的不同类别。纹理的归属不仅仅和给定像素的灰度值有关,还和其周围的灰度分布状况密切相关。纹理聚类可以看作由两个子问题组成,即特征提取和分类处理。其中,常用的特征提取的方法有基于统计的方法、频域分析、差分直方图方法等。本文主要对纹理的特征提取和聚类算法做了研究,所做的工作主要有三部份:纹理特征提取,特征选择,聚类算法的改进。本文首先介绍了图像纹理特征提取中的一些常用方法,并且改进了判断纹理方向和粗糙度的方法,对Brodatz纹理库中的图像用灰度共生矩阵的方法提取了15个纹理特征。然后对这些特征进行K-L变换,在新的变换域中选取其主要特征以备聚类时用。最后对Brodatz纹理库中的样本作了聚类分析,本文主要改进了两种聚类算法:一种是对K-means算法的改进,K-means聚类算法受初始聚类状态的影响较大,在迭代时容易陷入局部极值,本文改进了选取初始聚类中心的方法,并对两类和多类问题分别加以讨论,实验证明改进算法可以较好地解决K-means算法初始状态的选取问题,提高了聚类准确性。另一种是对模拟退火算法的改进。模拟退火算法的冷却进度表选取尤为关键,直接影响到算法的收敛时间和收敛结果。本文对模拟退火算法所做的工作主要有:1.将模拟退火算法运用于数据聚类,把对纹理图像的聚类问题转化为最优化问题;2.改进了冷却进度表参数选取,采用变长的马尔可夫链,在高温下马尔可夫链长度较长,搜索的范围较大;温度较低时马尔可夫链长度较短,相应的搜索范围较小。3.给模拟退火算法增加了记忆功能。从数据和实验结果上分析,改进后算法收敛结果有所提高,比传统的模拟退火算法收敛时间更短,提高了传统算法的聚类能力。

全文目录

摘要  4-5
ABSTRACT  5-10
第一章绪论  10-16
  1.1 纹理概述  10-11
    1.1.1 纹理的定义  10
    1.1.2 纹理的应用领域及研究意义  10-11
  1.2 纹理分析的国内外研究现状及发展前景  11-14
  1.3 本文的主要工作及结构安排  14-16
第二章纹理图像的特征提取  16-34
  2.1 引言  16
  2.2 基于统计的方法  16-25
    2.2.1 一阶统计方法  16-18
    2.2.2 二阶统计方法  18-22
    2.2.3 纹理方向和粗糙度判断  22-25
  2.3 频谱方法  25-29
    2.3.1 图像的傅立叶变换  25-26
    2.3.2 傅立叶频谱方法提取纹理特征  26-29
  2.4 差分直方图提取纹理特征  29-31
    2.4.1 差分矩阵的生成  29
    2.4.2 纹理特征的提取  29-30
    2.4.3 实验结果及结论  30-31
  2.5 纹理特征提取仿真实验  31-33
  2.6 本章小结  33-34
第三章纹理图像的特征选择  34-39
  3.1 引言  34
  3.2 K-L 变换  34-36
    3.2.1 K-L 变换原理  34-35
    3.2.2 主分量的选取及误差估计  35-36
    3.2.3 K-L 算法进行特征提取的步骤  36
  3.3 仿真实验  36-38
    3.3.1 对两类问题的纹理特征做K-L 变换  36-37
    3.3.2 对多类问题的纹理特征做K-L 变换  37-38
  3.4 本章小结  38-39
第四章 K-means聚类算法及其改进  39-53
  4.1 引言  39
  4.2 聚类分析概述  39-40
    4.2.1 聚类分析概念  39-40
    4.2.2 聚类准则  40
  4.3 K-means 算法  40-43
    4.3.1 K-means 算法原理  40-41
    4.3.2 K-means 算法步骤  41-43
  4.4 改进的 K-means 算法对两类问题进行聚类  43-46
    4.4.1 算法步骤  43-45
    4.4.2 对改进算法的分析  45
    4.4.3 实验结果及分析  45-46
  4.5 改进的 K-means 算法对多类问题进行聚类  46-52
    4.5.1 算法步骤  46-49
    4.5.2 多类聚类问题改进算法分析  49-50
    4.5.3 仿真实验  50-52
  4.6 本章小结  52-53
第五章模拟退火算法聚类  53-71
  5.1 引言  53
  5.2 模拟退火算法  53-56
    5.2.1 模拟退火算法介绍  53-54
    5.2.2 算法步骤  54-56
    5.2.3 新解的产生过程  56
  5.3 冷却进度表的选取  56-59
  5.4 改进的模拟退火算法  59-62
    5.4.1 传统的模拟退火算法的不合理性  59-60
    5.4.2 改进的模拟退火算法  60-62
  5.5 仿真试验  62-69
    5.5.1 算法参数的选择  62-63
    5.5.2 实验结果及评价  63-69
  5.6 模拟退火算法聚类和 K-means 聚类的比较  69-70
  5.7 本章小结  70-71
第六章总结和展望  71-73
  6.1 论文总结  71-72
  6.2 论文进一步的工作展望  72-73
致谢  73-74
参考文献  74-77
附录A 纹理特征提取实验数据  77-84
在学期间的研究成果  84-85

纹理图像的特征提取和聚类算法研究

内容摘要

全文目录

相似论文