基于二維直方圖的圖像模糊聚類分割方法

《基于二維直方圖的圖像模糊聚類分割方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、基于二維直方圖的圖像模糊聚類分割方法圖像是人類獲取信息的重要內(nèi)容。把圖像分解成各具特性的區(qū)域并提取出有用目標(biāo)對(duì)人們的日常生活和科學(xué)研究具有十分重要的作用。但圖像在形成、傳輸和記錄過程中會(huì)受到諸多因素的影響，要有效地從圖像中提取出感興趣的目標(biāo)具有一定的難度。因此，研究和發(fā)展有效的圖像分割技術(shù)就顯得尤為重要?！　≡趫D像分割方面，由于圖像信息本身的復(fù)雜性和不確定性，在處理過程中不可能清楚知道圖像中的各個(gè)物體和它們的位置，而模糊聚類分析具有描述這種問題的能力，因此將模糊聚類方法應(yīng)用于圖像分割，在一些場(chǎng)合比傳統(tǒng)分割方法具有更好的效果。關(guān)鍵詞：圖像分割；C一均值聚類；空間距離　　圖像作為人類感知世

2、界的視覺基礎(chǔ)，是人類獲取信息、表達(dá)信息和傳播信息的重要手段。但是，由于圖像在形成、傳輸和記錄過程中受諸多因素干擾，如各種熱、電噪聲的干擾及成像設(shè)備的局限性等，都會(huì)造成圖像的模糊和變形，影響人們對(duì)其中重要信息的提取。　　一、應(yīng)用模糊聚類方法進(jìn)行圖像分割的基本理論　　圖像分割就是將圖像表示為物理上有意義的連通區(qū)域的集合。人們一般是通過對(duì)圖像的不同特征如邊緣、紋理、顏色、亮度等的分析達(dá)到圖像分割的目的。圖像分割通常是為了進(jìn)一步對(duì)圖像進(jìn)行分析、識(shí)別、跟蹤、理解、壓縮編碼等，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。1.1圖像分割的一般模型　　分割出來(lái)的圖像區(qū)域的均勻性和連通

3、性。其中，均勻性指的是該區(qū)域中的所有像素點(diǎn)都滿足基于灰度、紋理、彩色等特征的某種相似性準(zhǔn)則，連通性指的是該區(qū)域內(nèi)存在連接任意兩點(diǎn)的路徑。相鄰分割區(qū)域之間針對(duì)選定的某種差異顯著性。分割區(qū)域邊界應(yīng)該規(guī)整，同時(shí)保證邊緣的空間定位精度。1.2圖像分割方法　　基于閾值選取的圖像分割方法是提取目標(biāo)與背景在灰度上的差異，把圖像分為具有不同灰度級(jí)的目標(biāo)區(qū)域和背景區(qū)域的組合。閾值法對(duì)分割目標(biāo)和背景對(duì)比較強(qiáng)的景物有著很強(qiáng)的優(yōu)勢(shì)，計(jì)算較為簡(jiǎn)單，并且可以用封閉和連通的邊界定義不交疊的區(qū)域，是圖像分割中最有效且實(shí)用的技術(shù)之一。根據(jù)獲取最優(yōu)分割閾值的途徑可以把閾值法分為全局閾值法、動(dòng)態(tài)閾值法、模糊閾值法和隨機(jī)閾值

4、法等?！　《?、改進(jìn)的基于模糊C一均值聚類的圖像分割算法2.1基于模糊C一均值聚類的圖像分割算法存在的問題　　基于模糊C一均值(FuzzyC—means，F(xiàn)CM)聚類的圖像分割算法在特征提取中未考慮其空間信息，對(duì)于分割含噪聲的圖像不能得到滿意的結(jié)果。為了在圖像分割的過程中能有效抑制噪聲的影響，很多學(xué)者對(duì)傳統(tǒng)的FCM聚類算法做了改進(jìn)，其中文獻(xiàn)[43]的基于空間模式聚類的圖像分割方法能夠有效地抑制噪聲，但對(duì)特征集的計(jì)算比較復(fù)雜，而且分割效果受權(quán)重因子的影響很大。2.2一種改進(jìn)的基于模糊C一均值聚類的圖像分割算法　　為了對(duì)圖像分割算法進(jìn)行評(píng)價(jià)，已經(jīng)提出多種評(píng)價(jià)準(zhǔn)則，而且這些準(zhǔn)則的切入點(diǎn)不同，各

5、有特點(diǎn)。它們有的是分析指標(biāo)，用于直接分析分割算法的性能，有的是實(shí)驗(yàn)指標(biāo)，用于評(píng)價(jià)分割算法的實(shí)驗(yàn)結(jié)果。所以可以把這些評(píng)價(jià)準(zhǔn)則分成分析的準(zhǔn)則和實(shí)驗(yàn)的準(zhǔn)則兩類。另外，在這些準(zhǔn)則中，有些可以定性地表明算法的性能，有些可以定量地刻畫算法的性能?！　∪?、基于快速模糊C一均值聚類的圖像分割算法　　為了選取更接近聚類中心的初始值，增強(qiáng)算法抑制噪聲的能力，提高算法的運(yùn)算速度，本章提出了一種基于快速模糊C，均值聚類的圖像分割算法，該算法選取圖像的灰度直方圖峰值作為初始聚類中心，減少了算法迭代的次數(shù)，通過圖像鄰域像素均值和鄰域像素中值來(lái)影響中心像素的聚類，提高了抑制噪聲的能力，并根據(jù)圖像的統(tǒng)計(jì)直方圖進(jìn)行快速

6、聚類，減少了每次運(yùn)算的時(shí)間。實(shí)驗(yàn)結(jié)果表明，該算法比傳統(tǒng)的模糊C．均值算法、基于空間約束的模糊C．均值算法等多種圖像分割算法具有更強(qiáng)的抑制噪聲的能力，并且分割速度快。3.1基于空間約束的模糊C一均值聚類算法　　為了增強(qiáng)對(duì)噪聲的抑制能力，提高分割效果，近年來(lái)，許多研究人員在傳統(tǒng)FCM算法的基礎(chǔ)上加入局部空間信息來(lái)提高圖像分割算法的性能。其中，通過修改傳統(tǒng)FCM聚類算法的目標(biāo)函數(shù)提出了一種基于空間約束的模糊C-均值聚類算法(Fuzzyc-meansclusteringalgorithmeansclusteringalgorithm，EnFCM)，該算法通過計(jì)算原圖像和它的局部鄰域均值圖像的一

7、個(gè)線性加權(quán)和圖像靠來(lái)減少運(yùn)算的復(fù)雜度，大大提高了圖像的分割速度?！　】偨Y(jié)　　圖像分割是圖像分析、理解和模式識(shí)別的基礎(chǔ)，也是目前圖像處理技術(shù)研究熱點(diǎn)問題之一，在實(shí)際生活中已得到了廣泛的應(yīng)用。圍繞這一主題，論文從模糊聚類算法入手，針對(duì)算法本身存在的缺陷以及進(jìn)行圖像分割時(shí)所遇到的問題，采取相關(guān)的措施來(lái)提高算法各方面的性能，從而獲得了更好的圖像分割效果。針對(duì)傳統(tǒng)的模糊C一均值算法沒有考慮像素的空間信息，對(duì)噪聲十分敏感的缺點(diǎn)，對(duì)傳統(tǒng)的FCM算法隸屬函數(shù)進(jìn)