基于模糊聚類圖像分割算法的研究

基于模糊聚類圖像分割算法的研究

ID:27272860

大?。?.70 MB

頁(yè)數(shù):76頁(yè)

時(shí)間:2018-12-02

基于模糊聚類圖像分割算法的研究_第1頁(yè)
基于模糊聚類圖像分割算法的研究_第2頁(yè)
基于模糊聚類圖像分割算法的研究_第3頁(yè)
基于模糊聚類圖像分割算法的研究_第4頁(yè)
基于模糊聚類圖像分割算法的研究_第5頁(yè)
資源描述:

《基于模糊聚類圖像分割算法的研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性(或創(chuàng)新性)聲明本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知,除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外,論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果;也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝意。申請(qǐng)學(xué)位論文與資料若有不實(shí)之處,本人承擔(dān)一切相關(guān)責(zé)任。本人簽名:日期西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定,即:研究生在校攻讀學(xué)位期間論文工

2、作的知識(shí)產(chǎn)權(quán)單位屬西安電子科技大學(xué)。本人保證畢業(yè)離校后,發(fā)表的論文與本論文工作成果有關(guān)時(shí)署名單位仍然為西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件,允許查閱和借閱論文;學(xué)??梢怨颊撐牡娜炕虿糠謨?nèi)容,可以允許采用影印、縮印或其它復(fù)制手段保存論文。(保密的論文在解密后遵守此規(guī)定)本人授權(quán)西安電子科技大學(xué)圖書(shū)館保存學(xué)位論文,并同意將論文在互聯(lián)網(wǎng)上發(fā)布。本人簽名:日期導(dǎo)師簽名:日期摘要圖像分割就是將感興趣的目標(biāo)從背景中提取出來(lái)的過(guò)程,它是圖像處理到圖像分析的一個(gè)重要步驟,在圖像工程中占有十分重要的位置。圖像分割已經(jīng)廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)、模式識(shí)別等許多領(lǐng)域。對(duì)圖像分

3、割的研究具有非常重要的意義。由于圖像本身存在不確定性和復(fù)雜性,模糊聚類分析能夠很好地描述這種問(wèn)題,因此將模糊聚類分析用于圖像分割具有很好的效果。在眾多的模糊聚類分析方法中,模糊C均值(FuzzyC-Means,F(xiàn)CM)聚類算法是一種比較經(jīng)典的算法,已經(jīng)得到了廣泛深入的研究。FCM算法不僅避免了閾值的設(shè)定,適合于處理模糊和不確定的問(wèn)題。而且是一種無(wú)監(jiān)督的聚類算法,不需要人工干預(yù),適合于自動(dòng)分割。因此,采用FCM聚類算法進(jìn)行圖像分割已經(jīng)成為一個(gè)研究的主要方向。本文針對(duì)模糊C均值聚類算法在圖像分割應(yīng)用方面存在的一些問(wèn)題進(jìn)行了改進(jìn):首先,由于傳統(tǒng)的模糊C均值聚類算法沒(méi)有

4、很好利用圖像自身的空間信息,導(dǎo)致其對(duì)噪聲十分敏感。針對(duì)這個(gè)問(wèn)題,我們結(jié)合非局部均值的思想,利用圖像自身的結(jié)構(gòu)空間信息,提出了一種基于非局部的模糊C均值圖像分割算法。該算法充分的利用了圖像的空間信息,有效擬制噪聲對(duì)分割結(jié)果的影響。該算法對(duì)不同噪聲下不同圖像的分割結(jié)果表明,該方法具有更好的分割結(jié)果。其次,傳統(tǒng)模糊C均值圖像分割算法在決定每個(gè)像素點(diǎn)的類標(biāo)時(shí),只是簡(jiǎn)單的利用單個(gè)像素點(diǎn)和聚類中心的差異來(lái)決定,沒(méi)有很好的分析其鄰域像素點(diǎn)的類標(biāo),在聚類中心更新時(shí),用到了所有的像素點(diǎn),這必然會(huì)導(dǎo)致聚類中心的偏移?;谝陨蠁?wèn)題,我們利用主成分分析得思想,合理的利用鄰域信息,來(lái)確定

5、每個(gè)像素點(diǎn)的類標(biāo);然后再利用粗糙集的思想,在每個(gè)聚類中心更新時(shí),利用在這一類中的像素集合和處于這一類中心邊緣的像素集合,提出了基于局部PCA和粗糙集的模糊C均值聚類算法。通過(guò)實(shí)驗(yàn)結(jié)果分析,該算法的分割結(jié)果優(yōu)于其它對(duì)比算法。關(guān)鍵詞:圖像分割,模糊聚類,非局部,粗糙集AbstractIIIAbstractImagesegmentationistheprocessofextractingtheinterestedtargetfrombackground,itisakeystepfromimageprocessingtoimageanalysisandaveryimpo

6、rtantpositioninimageengineering.Imagesegmentationhasbeenwidelyusedincomputervision,patternrecognitionandmanyotherareas.Theresearchofimagesegmentationhasaveryimportantsignificance.Duetotheimageexistsuncertaintyandcomplexity,fuzzyclusteringanalysiscanwelldescribethisproblem,sothefuzzyc

7、lusteranalysisusedinimagesegmentationhastheverygoodeffect.Inmanyofthefuzzyclusteringanalysismethod,theFuzzyC-Means(FCM)clusteringisthemostclassicalgorithmandhasgotextensiveandin-depthresearch.FCMnotonlyavoidthethresholdsetting,butalsoverysuitableforprocessingfuzzyanduncertainproblems

8、.Anditisakin

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。