資源描述：
《基于matlab圖像處理 開題報(bào)告》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、多媒體通信課程論文姓名：嚴(yán)宏海班級(jí):075102學(xué)號(hào)：20101003032專業(yè):通信工程學(xué)院：機(jī)械與電子信息學(xué)院指導(dǎo)老師:劉勇日期：2012年10月20日k均值聚類在彩色圖像分割中的應(yīng)用研究摘要基于人類視覺將圖像分割成若干個(gè)有意義的區(qū)域是目標(biāo)檢測(cè)和模式識(shí)別的基礎(chǔ)。圖像分割屬于圖像處理中一種重要的圖像分析技術(shù)。圖像分割的傳統(tǒng)方法是對(duì)灰度圖像分割，處理圖像的亮度分量，簡(jiǎn)單快速。本論文首先介紹了傳統(tǒng)的圖像分割與K-均值聚類算法分割，然后重點(diǎn)介紹一種基于K-均值聚類算法的圖像改進(jìn)分割方法。在分析聚類結(jié)果對(duì)初值依賴性的基礎(chǔ)上,對(duì)初
2、值選取方法進(jìn)行了分析和研究,結(jié)合粗糙集理論和K-均值聚類算法，提出了一種圖像的粗糙聚類分割方法，試驗(yàn)結(jié)果表明，其比隨機(jī)選取聚類的中心點(diǎn)和個(gè)數(shù)，減少了運(yùn)算量，提高了分類精度和準(zhǔn)確性。改進(jìn)的分割方法能夠?qū)崟r(shí)穩(wěn)定的對(duì)目標(biāo)分割提取，分割效果良好。引言根據(jù)抽象程度和處理方法的不同，圖像技術(shù)可以分為三個(gè)層次：圖像處理、圖像分析和圖像理解，這三個(gè)層次的有機(jī)結(jié)合也可以稱為圖像工程。圖像處理是較低層的操作，主要在圖像像素級(jí)上進(jìn)行操作。有代表性的圖像處理技術(shù)包括圖像降噪、圖像編碼和圖像分割。圖像分割是一種關(guān)鍵的圖像處理技術(shù)。作為后續(xù)圖像分析和
3、圖像理解的基礎(chǔ)，圖像分割技術(shù)一直是圖像理論發(fā)展的瓶頸之一。圖像分割在實(shí)際中的應(yīng)用非常廣泛，對(duì)圖像目標(biāo)的提取、測(cè)量都離不開圖像分割，是圖象處理、模式識(shí)別和人工智能等多個(gè)領(lǐng)域中一個(gè)十分重要且又十分困難的問題。分割的準(zhǔn)確性直接影響后續(xù)任務(wù)的有效性，因此具有十分重要的意義。圖像分割又是一種特殊的圖像處理技術(shù)。像素級(jí)的圖像處理可以分成兩類，一類是針對(duì)像素值的處理，另一類是把像素分類的處理。圖像降噪技術(shù)、圖像編碼技術(shù)、數(shù)字水印技術(shù)等雖然各有其特點(diǎn)和應(yīng)用領(lǐng)域，但其實(shí)質(zhì)都是針對(duì)像素值的操作。不同于這些技術(shù)，圖像分割，其實(shí)質(zhì)是一個(gè)按照像素屬
4、性（灰度、紋理、顏色等）進(jìn)行聚類的過程。一．圖像分割概述圖像分割是一種重要的圖像分析技術(shù)。在對(duì)圖像的研究和應(yīng)用中，人們往往僅對(duì)圖像中的某些部分感興趣。這些部分常稱為目標(biāo)或前景（其他部分稱為背景）。它們一般對(duì)應(yīng)圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域。為了辨識(shí)和分析圖像中的目標(biāo)，需要將它們從圖像中分離提取出來，在此基礎(chǔ)上才有可能進(jìn)一步對(duì)目標(biāo)進(jìn)行測(cè)量，對(duì)圖像進(jìn)行利用。圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程?，F(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特
5、定理論的分割方法等。1.基于閾值的分割方法包括全局閾值、自適應(yīng)閾值、最佳閾值等等。閾值分割算法的關(guān)鍵是確定閾值，如果能確定一個(gè)合適的閾值就可準(zhǔn)確地將圖像分割開來。閾值確定后，將閾值與像素點(diǎn)的灰度值比較和像素分割可對(duì)各像素并行地進(jìn)行，分割的結(jié)果直接給出圖像區(qū)域。全局閾值是指整幅圖像使用同一個(gè)閾值做分割處理，適用于背景和前景有明顯對(duì)比的圖像。它是根據(jù)整幅圖像確定的：T=T(f)。但是這種方法只考慮像素本身的灰度值，一般不考慮空間特征，因而對(duì)噪聲很敏感。常用的全局閾值選取方法有利用圖像灰度直方圖的峰谷法、最小誤差法、最大類間方差
6、法、最大熵自動(dòng)閾值法以及其它一些方法。2．基于邊緣的分割方法檢測(cè)灰度級(jí)或者結(jié)構(gòu)具有突變的地方，表明一個(gè)區(qū)域的終結(jié)，也是另一個(gè)區(qū)域開始的地方。這種不連續(xù)性稱為邊緣。不同的圖像灰度不同，邊界處一般有明顯的邊緣，利用此特征可以分割圖像。圖像中邊緣處像素的灰度值不連續(xù)，這種不連續(xù)性可通過求導(dǎo)數(shù)來檢測(cè)到。對(duì)于階躍狀邊緣，其位置對(duì)應(yīng)一階導(dǎo)數(shù)的極值點(diǎn)，對(duì)應(yīng)二階導(dǎo)數(shù)的過零點(diǎn)(零交叉點(diǎn))。因此常用微分算子進(jìn)行邊緣檢測(cè)。常用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子，二階微分算子有Laplace算子和Kirsh算子
7、等。在實(shí)際中各種微分算子常用小區(qū)域模板來表示，微分運(yùn)算是利用模板和圖像卷積來實(shí)現(xiàn)。這些算子對(duì)噪聲敏感，只適合于噪聲較小不太復(fù)雜的圖像。3．基于聚類分析的圖像分割方法特征空間聚類法進(jìn)行圖像分割是將圖像空間中的像素用對(duì)應(yīng)的特征空間點(diǎn)表示，根據(jù)它們?cè)谔卣骺臻g的聚集對(duì)特征空間進(jìn)行分割，然后將它們映射回原圖像空間，得到分割結(jié)果。其中，K均值、模糊C均值聚類(FCM)算法是最常用的聚類算法。K均值算法先選K個(gè)初始類均值，然后將每個(gè)像素歸入均值離它最近的類并計(jì)算新的類均值。迭代執(zhí)行前面的步驟直到新舊類均值之差小于某一閾值。模糊C均值算法
8、是在模糊數(shù)學(xué)基礎(chǔ)上對(duì)K均值算法的推廣，是通過最優(yōu)化一個(gè)模糊目標(biāo)函數(shù)實(shí)現(xiàn)聚類，它不像K均值聚類那樣認(rèn)為每個(gè)點(diǎn)只能屬于某一類，而是賦予每個(gè)點(diǎn)一個(gè)對(duì)各類的隸屬度，用隸屬度更好地描述邊緣像素亦此亦彼的特點(diǎn)，適合處理事物內(nèi)在的不確定性。利用模糊C均值(FCM)非監(jiān)督模糊聚類標(biāo)定的特點(diǎn)進(jìn)行圖像分割，可以減少人為的干
