基于聚類的圖像目標分割方法研究

基于聚類的圖像目標分割方法研究

ID:34624737

大?。?.79 MB

頁數(shù):78頁

時間:2019-03-08

基于聚類的圖像目標分割方法研究_第1頁
基于聚類的圖像目標分割方法研究_第2頁
基于聚類的圖像目標分割方法研究_第3頁
基于聚類的圖像目標分割方法研究_第4頁
基于聚類的圖像目標分割方法研究_第5頁
資源描述:

《基于聚類的圖像目標分割方法研究》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在學術論文-天天文庫。

1、基于聚類的圖像目標分割方法研究作者姓名王海鷹導師姓名、職稱李林劉靳副教授一級學科信息與通信工程二級學科信號與信息處理申請學位類別工學碩士提交學位論文日期2014年12月學校代碼10701學號1202121156分類TN82號TP39密級公開西安電子科技大學碩士學位論文基于聚類的圖像目標分割方法研究作者姓名:王海鷹一級學科:信息與通信工程二級學科:信號與信息處理學位類別:工學碩士指導教師姓名、職稱:李林劉靳副教授提交日期:2014年12月ResearchonImageTargetSegmentationMethodsBasedonClusteringAthesissubmitt

2、edtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinInformationandCommunicaionEngineeringByWangHaiyingSupervisor:A.P.LiLinandLiuJinDecember2014西安電子科技大學學位論文獨創(chuàng)性(或創(chuàng)新性)聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德,本人聲明所呈交的論文是我個人在導師指導下進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

3、過的研究成果;也不包含為獲得西安電子科技大學或其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。學位論文若有不實之處,本人承擔一切法律責任。本人簽名:日期:西安電子科技大學關于論文使用授權的說明本人完全了解西安電子科技大學有關保留和使用學位論文的規(guī)定,即:研究生在校攻讀學位期間論文工作的知識產(chǎn)權單位屬于西安電子科技大學。學校有權保留送交論文的復印件,允許查閱、借閱論文;學校可以公布論文的全部或部分內(nèi)容,允許采用影印、縮印或其它復制手段保存論文。同時本人保證,獲得學位后結(jié)合學位論文研究成果撰寫的文章,署名單位

4、為西安電子科技大學。保密的學位論文在年解密后適用本授權書。本人簽名:導師簽名:日期:日期:摘要摘要圖像分割是圖像處理領域中最重要的研究課題,圖像分割結(jié)果的好壞直接決定著后續(xù)處理中圖像目標提取與識別的結(jié)果與質(zhì)量。目前圖像分割方法已經(jīng)有上千種,但由于圖像本身具有復雜性和多樣性等特點,至今仍沒有一種通用的分割方法能夠?qū)崿F(xiàn)各類圖像的準確分割,因此圖像分割方法的研究仍然是一個具有挑戰(zhàn)性的課題。基于聚類的圖像分割算法可以根據(jù)圖像特征對圖像屬性進行分析來實現(xiàn)圖像的自動分割,該算法的這種優(yōu)點使得其在圖像分割領域得到了廣泛的應用。本文深入研究了基于聚類的圖像分割算法,主要工作和研究成果如下:首

5、先,簡要介紹了傳統(tǒng)的基于聚類的圖像分割算法,并針對K均值分割算法、模糊C均值分割算法以及基于勢函數(shù)的自適應模糊C均值分割算法這三種典型的分割方法進行了實驗仿真,結(jié)合實驗結(jié)果分析了三種算法的優(yōu)勢及不足。此外,本文還簡要介紹了分割算法的客觀評價標準,為研究改進算法的可行性提供了客觀有力的依據(jù)。其次,針對傳統(tǒng)的均值漂移算法在分割過程中容易陷入局部收斂使得分割結(jié)果易出現(xiàn)過分割的問題,本文提出了一種基于改進的FCM和均值漂移分割算法。該算法首先利用均值漂移分割方法對待分割圖像進行初步分割得到初始圖,然后利用改進后的FCM算法對所得初始圖進行模糊聚類,從而得到最終的分割結(jié)果。仿真結(jié)果表明

6、,該算法不僅具有傳統(tǒng)Meanshift算法的收斂速度快、抗噪性能強等優(yōu)點,而且有效地解決了過分割問題,達到了理想的分割效果。最后,針對傳統(tǒng)的基于區(qū)域合并的圖論分割算法由于自身的“合并”特點,使得圖像分割結(jié)果容易產(chǎn)生過分割的問題,本文提出了一種改進的基于區(qū)域合并的圖論分割算法。該算法先利用區(qū)域生長法對待分割圖像進行初始化聚類分割,再利用重新定義了權重函數(shù)及度量函數(shù)的基于區(qū)域合并的圖論分割算法對預分割后的結(jié)果進行二次分割,得到最終的分割結(jié)果。仿真結(jié)果表明,該算法在保證分割過程中能夠充分地利用圖像的全局特征的前提下,很好地克服了原始算法易產(chǎn)生過分割的缺點,同時也證明了該改進算法對具

7、有復雜結(jié)構(gòu)目標的圖像有較好的分割效果。關鍵詞:圖像分割,聚類,均值漂移,模糊C均值,圖論論文類型:應用基礎研究類I西安電子科技大學碩士學位論文IIABSTRACTABSTRACTImagesegmentationisthemostbasicandimportantresearchtopicinimageprocessing,thequalityofwhichdirectlydeterminestheresultofimageextractionandrecognition.Ithasbeendevelo

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。