資源描述：
《模糊聚類算法在圖像分割中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、萬(wàn)方數(shù)據(jù)分類號(hào)：029UDC：密級(jí)：學(xué)校代碼：11845學(xué)號(hào)：2111214010廣東工業(yè)大學(xué)碩士學(xué)位論文(理學(xué)碩士)模糊聚類算法在圖像分割中的應(yīng)用彭婷指導(dǎo)教師姓名、職稱：王塑蕉塾握學(xué)科(專業(yè))或領(lǐng)域名稱：數(shù)堂學(xué)生所屬學(xué)院：應(yīng)旦麴堂堂醫(yī)論文答辯日期：星Q!墨生墨月窒Q旦萬(wàn)方數(shù)據(jù)ADissertationSubmittedtoGuangdongUniversityofTechnologyfortheDegreeofMaster(MasterofScience)TheApplicationoftheFuzzyClustering
2、AlgorithmintheImageSegmentationCandidate：PengTingSupervisor：PrOf．WangFulongMay2015FacultyofAppliedMathematicsGuangdongUniversityofTechnologyGuangzhou，Guangdong，PR．China，510520萬(wàn)方數(shù)據(jù)摘要圖像分割是指將圖像分成若干個(gè)具有獨(dú)特性質(zhì)的區(qū)域并提取感興趣區(qū)域的技術(shù)和過程，是完成圖像識(shí)別、目標(biāo)跟蹤等復(fù)雜處理任務(wù)的關(guān)鍵步驟．近年來(lái)，模糊C均值(FCM)聚類算法作為一
3、種無(wú)監(jiān)督聚類算法，成功地應(yīng)用在數(shù)據(jù)分類和圖像分割等領(lǐng)域．該算法將模糊概念引入到圖像像素的隸屬度，使得FCM算法比傳統(tǒng)的k均值算法保留了更多的原始圖像信息，因此受到了廣泛的關(guān)注．它最早由Dunn提出，并由Bezdek將之推廣．然而傳統(tǒng)的FCM聚類算法在進(jìn)行圖像分割時(shí)要事先確定聚類數(shù)目、聚類中心以及初始隸屬度矩陣，容易陷入局部極值，沒有考慮空間信息，導(dǎo)致對(duì)噪聲敏感．本文將結(jié)合空間信息的模糊c均值聚類圖像分割算法作為重點(diǎn)研究對(duì)象．分析比較了幾種經(jīng)典結(jié)合空間信息的改進(jìn)FCM算法的優(yōu)缺點(diǎn)，并在鄰域加權(quán)的FCM算法(NWFCM)基礎(chǔ)上，
4、提出了兩種改進(jìn)的鄰域加權(quán)FCM算法．NWFCM算法對(duì)噪聲的抗干擾性較弱，且相似性度量計(jì)算復(fù)雜度高，因此提出了DCT子空間的鄰域加權(quán)模糊C均值聚類方法．該方法首先結(jié)合分塊的思想，對(duì)圖像塊進(jìn)行離散余弦變換(DCT)，建立了一個(gè)基于圖像塊局部信息的相似性度量模型；然后定義目標(biāo)函數(shù)中的歐式距離為鄰域加權(quán)距離；最后將該方法應(yīng)用于加噪的人工合成圖像、自然圖像和MR圖像．實(shí)驗(yàn)結(jié)果表明，該方法具有良好的分割效果，較強(qiáng)的抗噪性，同時(shí)計(jì)算復(fù)雜度也有所降低．鄰域加權(quán)的模糊c均值聚類算法在進(jìn)行圖像分割時(shí)構(gòu)建的鄰域權(quán)值函數(shù)對(duì)圖像塊的中心像素關(guān)注度不高
5、，導(dǎo)致對(duì)強(qiáng)噪聲敏感及邊緣紋理信息的處理粗糙，因此提出了一種結(jié)合小波變換和改進(jìn)鄰域權(quán)值的FCM算法．該算法首先在原始灰度圖像的基礎(chǔ)上進(jìn)行小波多分辨率分析的自適應(yīng)閾值去噪處理；然后在重構(gòu)圖像上結(jié)合雙邊濾波的思想構(gòu)建一個(gè)基于圖像塊局部空間鄰域信息和灰度值域信息的改進(jìn)鄰域權(quán)值函數(shù)．實(shí)驗(yàn)結(jié)果表明，該算法比傳統(tǒng)FCM算法以及FCM的改進(jìn)算法有更高的分割精確度，對(duì)強(qiáng)噪萬(wàn)方數(shù)據(jù)廣東工業(yè)大學(xué)碩士學(xué)位論文聲更具魯棒性，圖像邊緣也更加平整．關(guān)鍵詞：圖像分割；模糊C均值聚類；空間信息；圖像塊；小波變換II萬(wàn)方數(shù)據(jù)AbstractImagesegme
6、ntationreferstoatechnologyandprocessthatdividingimagesintoanumberofregionswhichhaveuniquepropertyandextractingtheareaofinterest，isthekeystepofcompletingcomplexprocessingtaskssuchasimagerecognition，targettracking．Inrecentyears，thefuzzyc-means(FCM)clusteringalgorithm
7、Wasknownasanunsupervisedclusteringalgorithm，isappliedsuccessfullyinthefieldofdataclassificationandimagesegmentation．Thealgorithmintroducesthefuccyconcepttothemembershipdegreeofimagepixels，SOthatmakingtheFCMalgorithmkeepmuchmoreoriginalimageinformationthanthetraditi
8、onalk．meansalgorithm，thusreceivingthewidespreadattention．ItisfirstputforwardbyDunn，andBezdekpopularizedit．However,thetraditionalFCMclusteringalgo
