資源描述:
《基于自適應(yīng)模糊聚類分析的圖像分割算法研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于自適應(yīng)模糊聚類分析的圖像分割算法研究摘要:圖像分割是數(shù)字圖像處理研究的重要領(lǐng)域,也是其研究的熱點問題之。圖像分割是把圖像分割成各具意義的區(qū)域,它對于圖像特征提取、圖像分析與描述、閣像識別等具有重要意義。H前,冇許多種閣像分割方法,本文提出了兩種基于0適應(yīng)模糊聚類的圖像分割算法。聚類分析是一種無監(jiān)督分類法,在缺少先驗知識吋,圖像分割可以通過聚類分析完成。木文討論和分析了圖像分割的研究現(xiàn)狀,傳統(tǒng)分割方法及其優(yōu)缺點;針對聚類分析算法的特點進行了分析,著重研究了聚類算法及其在圖像分割中的應(yīng)用;在研究模糊c均值算法和均值漂移算法的基礎(chǔ)上提出了兩種ft適應(yīng)的閣像分割算法。(1)傳統(tǒng)的
2、模糊c均值聚類算法對初始值敏感,不良的初始值會導致算法的收斂速度過慢和收斂到局部極值。針對這些不足,木文將遺傳算法引入到FCM算法中,提出了一種自適應(yīng)初始值的FCM圖像分割算法。利用遺傳算法強大通用性,較好地解決了FCM算法對初始化敏感的問題,又能在一定程度上提高了圖像分割的速度,獲得了較好的分割結(jié)采。(2)均值漂移算法是一?種統(tǒng)計迭代的核密度估計方法,用于圖像分割吋不需要任何先驗知識,近年來在圖像分割領(lǐng)域得到廣泛的應(yīng)用。但是均值漂移算法中帶寬的選擇對算法性能有較大的影響,采用固定帶寬,如果帶寬選擇過大,可能會合并某些極值點。因此本文提出了一種H適應(yīng)帶寬的均值漂移閣像分割算法
3、,獲得了高質(zhì)量的分割效來。關(guān)鍵詞:圖像分割;聚類分析;自適應(yīng);模糊C均值;均值漂移Abstract:Imagesegmentationisanimportantresearchfieldofdigitalimageprocessing,andisoneofthehotissuesinthestudyofit.Imagesegmentationisjusttosegmentanimageintodifferentsub-imageswithdifferentcharacters.Itisimportantsignificanceforimagefeatureextraction
4、,imageanalysisanddescription,imagerecognition.Atpresent,therearemanykindofimagesegmentationmethod.Thispaperputforwardtwobasedonadaptivefuzzyclusteringimagesegmentationalgorithm.Theclusteringanalysisisanunsupervisedclassificationmethod.Clusteringanalysisisalwayscarriedoutintheconditionwithno
5、pre-knownknowledge.Inthispaper,thenclusteringalgorithmsandimagesegmentationbyclusteringwereresearchedindepthaccordingtothecharacteristicsofclustering.Throughselectionandimprovementofclusteringalgorithms,useFCMalgorithmsandMeanShiftalgorithm,twoimagesegmentationalgorithmsbasedonauto-adaption
6、clusteringanalysisareproposed.Themaincontentsofthethesisincludes:(1)FuzzyC-meansalgorithmisoneofthewidelyappliedfuzzyalgorithmsatpresent.Basedontheanalysisofadvantagesanddisadvantagesoftheself-adaptiveFCMimagesegmentationalgorithm,animprovedself-adaptivefuzzyC-meansclusteringalgorithmisprop
7、osed.Firstofall,themethodadoptsaninitialalgorithmtoassuretheinitialsearchingscopeofgeneticalgorithm.Thenimprovementsareappropriatelymadeonparameter.Lastlystepofthenewalgorithmisproposed.Themethodsolvesthelimitationofconvergingtothelocalinfinitesimalpoint