搜索
湖南大学硕士学位论文基于模糊聚类的图像分割算法研究姓名：李志梅申请学位级别：硕士专业：计算机应用指导教师：肖德贵20081101基于模糊聚类的图像分割算法研究作者：李志梅学位授予单位：湖南大学相似文献(10条)1.期刊论文侯艳丽.杨国胜基于模糊聚类和Fisher判据的图像分割算法-计算机工程与应用2004,40(28)提出了基于模糊聚类和fisher判据的图像分割算法.首先用模糊C均值聚类算法对图像进行预分割.在此基础上,用Fisher判据对每个聚类结果自动确定出一个同组.然后,再用置信度来判定这一同组是否有效,从而消除过分割,实现图像的精确分割.最后,给出了上述算法的计算机实现方法,并进行了计算机仿真研究.2.学位论文罗林图像分割算法的研究2007图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术。图像分割是数字图像分析中的重要环节，在整个研究中起着承前启后的作用，它既是对所有图像预处理效果的一个检验，也是后续进行图像分析与解译的基础。其研究多年来一直受到人们的高度重视，也提出了数以千计的不同算法。虽然这些算法大都在不同程度上取得了一定的成功，但是图像分割问题还远远没有解决，这方面的研究仍然面临很多挑战。由于缺乏一个统一的理论体系，没有一个方法来指导我们如何根据图像选择合适的分割算法。到目前为止还不存在一种通用的、能使各种类型的图像达到最优分割质量的图像分割方法，也不存在一种被广泛接受的方法，能够对不同的分割结果给出与主观感觉一致的评价。本文研究了经典的分割算法，指出了图像分割的发展趋势，并提出了一种基于数学形态学和模糊聚类的分割方法。本文对图像分割算法进行了较深入的研究。论文的主要工作如下：(1)收集整理了国内外相关资料，将图像分割方法分为三类：基于边缘的分割算法，基于区域的分割算法，基于特定理论的分割算法。分别介绍了这三类算法中的常用算法。(2)详细介绍了阈值分割算法和基于形态学分水岭算法。在研究分水岭分割算法的基础上，利用内外标记约束重构梯度图，对分水岭算法进行了改进。(3)介绍了聚类分析和模糊聚类算法，提出一种基于数学形态学和模糊聚类算法的图像分割方法，并用该方法对红外图像进行分割，取得较好的效果。3.期刊论文朱斌.管莉.张胜超.齐敏.郝重阳.ZHUBin.GUANLi.ZHANGShengchao.QIMin.HAOChongyang基于优化遗传算法的模糊聚类图像分割算法-弹箭与制导学报2008,28(4)根据个体适应度大小和变化快慢来自适应改变遗传算法中的计算参数,并引入基于直方图二阶导数的约束条件,对遗传算法进行了两方面的优化,不仅可增加计算的自适应程度以增大计算结果的准确性,而且可缩小搜索空间,提高运算速度,从而形成一种基于优化遗传算法的模糊C均值聚类图像分割算法.实验结果证明,文中算法不仅减小了最小均方误差,改善了分割效果,而且大大缩短了计算时间,提高了运算效率.4.学位论文查振家基于空间信息的模糊聚类图像分割算法研究2006图像分割就是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是低级计算机视觉中最基本最重要的研究内容,是成功进行图像分析、理解与描述的关键技术之一,因为图像分割结果的质量直接影响尔后进行的分析、识别和解释的质量。图像分割在计算机视觉、图像编码、模式识别、医学图像分析等很多领域有着实际的应用。图像自身存在许多不确定性和不精确性，人们发现模糊理论对于图像的这种不确定性有很好的描述能力，而图像分割问题恰好是将图像的象素进行分类的问题，近年来一些学者致力于将模糊聚类应用于图像分割中，效果要好于传统的图像分割方法。但是经典的模糊聚类分割方法仍然存在一些问题，主要是分割结果对噪声非常敏感，分析认为导致这种情况的原因之一就是没有充分利用图像的空间信息。论文对如何合理利用空间信息进行了重点研究，主要涉及了以下几个内容：1)对标准的模糊C均值聚类图像分割算法进行了深入的探讨，研究了模糊聚类图像分割方法的初始类别数的选取、初始类中心和初始隶属度矩阵的确定等问题。2)对现有的基于灰度信息和空间信息二维特征的FCM图像分割算法进行了研究，指出灰度信息和空间信息的权重不应该是固定的，而应该由各个图像本身的信息确定。在此基础上提出了基于灰度信息和空间信息特征加权的FCM图像分割算法，该算法利用聚类有效性函数作为演化策略的优化目标函数对灰度信息和空间信息的权重进行了优化。将该算法用于人工图像和实际图像的分割实验，将其分割得到的结果和标准的FCM算法以及基于二维特征的FCM算法得到的结果进行比较，分割效果有明显的改善。3)对另一种利用空间信息的方法进行了研究，即对FCM的目标函数进行惩罚从而约束隶属度函数。从邻域隶属度约束的角度出发，提出一个新的聚类目标函数，得到基于邻域隶属度约束的FCM图像分割算法。将该算法用于人工图像和实际图像的分割实验，实验结果表明了该算法的有效性以及对噪声的鲁棒性。5.期刊论文马莉.黄敏.MALi.HUANGMin一种基于多分辨率与模糊聚类技术的散焦图像分割算法-中国图象图形学报2005,10(3)带有投射光栅的散焦图像的准确分割是3维物体复原的重要环节.为了更准确地进行散焦图像分割,基于所提取的带光栅散焦图像特征,提出了一种将多分辨率分析与模糊聚类技术融合实现图像分割的算法.该算法是利用多分辨率技术来建立面向像素特征向量的多级图像联系矩阵,并在图像低分辨率级进行基于模糊聚类的区域分割.实验证明,该技术不仅克服了直接分割的困难,而且提高了分割的正确率,因此表明,该算法是有效的.6.学位论文刘晓龙基于模糊聚类图像分割方法研究2006本文对应用模糊聚类的图像分割方法进行了探讨，主要研究内容如下：1)对模糊理论的基本内容进行了系统的介绍，并详细介绍了模糊C-均值(FCM)聚类方法和基于灰度直方图的快速FCM聚类的图像分割算法。2)给出了一种将模拟退火(SA)与FCM聚类相结合的算法，可以减少初始聚类中心和隶属度矩阵的选取对算法收敛性的影响。在合理选择冷却进度表的基础上，依据FCM聚类算法建立目标函数，实现了基于SA和FCM聚类的图像分割算法。3)将核方法的思想推广到FCM聚类，构造了基于Mercer核函数的模糊核C-均值图像分割算法。通过利用Mercer核，将样本从输入空间映射到高维特征空间，使原来没有显现的特征突现出来，取得了很好的图像分割效果。7.期刊论文龚剑一种基于分水岭和模糊聚类的多级图像分割算法-第一军医大学学报2004,24(3)分水岭算法是一种广泛应用的图像分割工具,它能够自动生成单像素宽度的封闭轮廓.分水岭算法的不足在于它的过分割结果,即生成大量小的封闭区域,使目标物体淹没其中.本文提出一种对分水岭算法过分割结果的模糊聚类方案,首先为每个分水岭区域定义特征量,然后根据这些特征量以及相邻区域之间的分水岭显著性计算两个相邻区域之间的近似程度,进而计算所有分水岭区域的模糊等价矩形,最终形成图像的多级分割结果.本文对多种类型的图像进行了实验.8.学位论文王志兵基于模糊聚类的图像分割技术研究2009图像是人类获取信息的重要内容。把图像分解成各具特性的区域并提取出有用目标对人们的日常生活和科学研究具有十分重要的作用。但图像在形成、传输和记录过程中会受到诸多因素的影响，要有效地从图像中提取出感兴趣的目标具有一定的难度。因此，研究和发展有效的图像分割技术就显得尤为重要。在图像分割方面，由于图像信息本身的复杂性和不确定性，在处理过程中不可能清楚知道图像中的各个物体和它们的位置，而模糊聚类分析具有描述这种问题的能力，因此将模糊聚类方法应用于图像分割，在一些场合比传统分割方法具有更好的效果。模糊C-均值(FuzzyC-Means，FCM)聚类算法是模糊聚类分析算法中的一种经典算法，它采用迭代优化目标函数来获得对数据集的模糊划分，具有很好的收敛性。采用FCM算法进行图像分割避免了设定阈值，能解决多个分支的分割问题，适合于图像中存在不确定性和模糊性的特点。FCM算法作为一种无监督聚类算法，聚类过程中不需要人工的干预，适合于自动分割的应用领域。因此，应用FCM算法对图像进行分割的研究已经成为图像处理领域的一个研究热点，具有一定的实用价值。论文围绕模糊聚类算法的改进及其在图像分割中的应用主要做了以下工作：首先，针对传统的模糊C-均值聚类算法没有考虑像素的空间信息，对噪声十分敏感的缺点，对传统的FCM算法隶属函数进行改进。先根据邻域像素的隶属度矩阵来计算出像素和聚类中心的空间距离，然后利用空间距离和欧氏距离来重新确定像素和聚类中心的距离，最后利用新提取的距离特征和改进的FCM聚类算法对图像进行分割。对两种类型噪声图像的实验结果表明，该算法能有效地提取目标图像，对噪声具有较强的鲁棒性，收敛速度快。其次，针对图像分割算法对特征集的计算复杂，对噪声和图像轮廓仍缺乏足够的抑制能力，并且运算量比较大，提出了一种基于快速FCM聚类的图像分割算法。该算法选取图像的灰度直方图峰值作为初始聚类中心，减少了算法迭代的次数，通过图像邻域像素均值和邻域像素中值米影响中心像素的聚类，提高了抑制噪卢的能力，并根据图像的统计直方图进行快速聚类，减少了每次运算的时间。实验结果表明，该算法比传统的模糊C-均值算法、基于空间约束的模糊C-均值算法等多种图像分割算法具有更强的抑制噪声的能力，并且分割速度快。最后，分析了算法对分别受高斯噪声、椒盐噪声、混合噪声干扰的图像进行分割时被错误分类的像素点数随α值的变化规律。由于预先根据图像的灰度直方图峰值设置初始聚类中心，迭代次数大大减少，通常经过几次迭代就能达到收敛稳定。随着α值的增加，算法的错分像素点数迅速减少，并且当α值大于4后，错分像素点数没有多少变化。9.期刊论文姚刚.林家骏.YAOGang.LINJia-jun一种利用像素邻域信息的模糊聚类图像分割算法-计算机安全2008,(9)该文提出了一种改进的模糊C均值聚类图像分割算法,引入像素的8邻域像素的信息,对模糊隶属度函数进行修正.实验结果表明,该文算法比常规FCM算法具有更强的抗噪声能力.10.学位论文夏勇基于特征的纹理图像分割技术研究2006纹理图像分割是数字图像处理研究的一个重要分支，是众多图像分析和机器视觉应用的基础。但是，一方面由于自然纹理类型庞杂、形态各异且结构繁复，另一方面也因为对人类视觉系统感知纹理的机理认识不足，纹理图像分割一直是图像处理领域的一大难题。在过去的四十多年中，广大研究人员虽然提出了大量的纹理图像分割算法，但是这些算法都存在着一定的不足。迄今为止，纹理图像分割仍然是一个没有得到很好解决的富有挑战性的课题。本文以灰度自然纹理图像的自动分割方法为研究内容，对目前广泛采用的一些纹理描述方法和纹理图像分割方法进行了认真的研究和总结，对各种方法的理论和实验结果进行了深入的分析和对比，选择了从基于特征的角度研究纹理图像分割问题。基于特征的纹理图像分割包括特征提取和图像分割这两个步骤。前者是描述图像的过程，旨在将图像中属于同一种纹理的像素映射为相似的矢量；后者进一步将矢量映射为类别标号，实现从特征集合到分割结果的转化。本文分别对这两个步骤进行了研究，完成了以下几个方面的工作：1、对纹理图像分割的研究意义、研究现状，特别是各类纹理图像分割方法的基本思想、算法的提出和各种改进进行了比较全面的总结，旨在通过这些总结来说明本文对纹理图像分割研究的深刻认识。2、研究了基于分形模型的纹理特征。提出了一种使用可变结构元的形态学分形维数估计算法。与四种传统的分形维数估计算法的对比实验显示，这种新算法不仅可以得到更加准确的分形纹理特征，而且算法的时间复杂度也更小。3、研究了基于多重分形模型的纹理特征。率先提出了基于数学形态学的多重分形估计算法，得到了一种全新的纹理描述符——局部形态学多重分形指数谱。与两种基于盒计数的多重分形维数相比，这种新特征在纹理图像分割实验中得到的分割精度更高，时间复杂度更小。此外，还将形态学多重分形估计与分形签名的概念相结合，提出了另一种纹理描述符——局部形态学多重分形签名。纹理图像分割