模糊聚類的灰度圖像分割算法研究.pdf

《模糊聚類的灰度圖像分割算法研究.pdf》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。

1、_仙樣士f?.?V-‘、?—-碩士學(xué)位論棋賴聚真的灰灰《像+割算法研念_M(i爆v辦"W凡玉.?‘人、、-.ivii-iiI*-"-'/-tr'VaEh-..??/-?、'..?.V._wrril?:.,-/”舊r:,導(dǎo)，.教師曾紹華教授un！專業(yè)名稱：計(jì)算機(jī)應(yīng)用技術(shù)研究方向;圖像分割與模式識別二〇一五年五月y.,es?J:h?獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研宄成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含他人己經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得重慶師范大學(xué)或其他教育機(jī)構(gòu)的學(xué)位

2、或證書而使用過的材料。與我一同工作的同志對本研宄所做的任何貢獻(xiàn)均己在論文中作了明確的說明。學(xué)位論文作者簽名：ffiA1簽字日期：年土月日學(xué)位論文版權(quán)使用授權(quán)書木學(xué)位論i作者完全了解重慶師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)重慶師范大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫迸行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。學(xué)位論文作者簽名：簽字日期：外年t月#曰重慶師范大學(xué)碩士學(xué)位論文模糊聚類的灰度圖像分割算法研究碩士研究生：曾凡玉指導(dǎo)教

3、師：曾紹華教授學(xué)科專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)所在學(xué)院：計(jì)算機(jī)與信息科學(xué)學(xué)院重慶師范大學(xué)二O一五年五月AThesisSubmittedtoChongqingNormalUniversityinPartialFulfillmentoftheRequirementsfortheDegreeofMasterResearchonImageSegmentationBasedonFuzzyClusteringforGrayImageCandidate：ZengFanyuSupervisor：ZengshaohuaProfessorMajor：Computer

4、ApplicationTechnologyCollege：CollegeofComputerandInformationScienceChongqingNormalUniversityMay，2015模糊聚類的灰度圖像分割算法研究摘要圖像分割是指將一幅圖像劃分成若干互不重疊的、有意義的和具有相同性質(zhì)的區(qū)域，它是圖像處理和模式識別的關(guān)鍵環(huán)節(jié)。在眾多圖像分割算法中，模糊C均值算法(FuzzyC-Means,簡稱FCM)將圖像分割問題轉(zhuǎn)化為最優(yōu)化問題，它通過對目標(biāo)函數(shù)的迭代優(yōu)化實(shí)現(xiàn)對圖像像素模糊劃分，根據(jù)每個(gè)像素屬于不同區(qū)域的程度將像素分到某個(gè)

5、區(qū)域中。該算法的最大特點(diǎn)是將模糊理論引入到像素的隸屬度，使得FCM算法能夠比硬C均值算法保留更多的原始圖像信息。FCM圖像分割因算法簡單、收斂速度快，具有比較直觀的幾何意義，且能處理模糊信息而在許多領(lǐng)域得到了廣泛的應(yīng)用，但是它也存在一些缺點(diǎn)，主要表現(xiàn)為如下幾點(diǎn)：（1）需要人工確定分類數(shù)；（2）對初始值敏感易，易陷入局部最優(yōu)；（3）未考慮空間信息，對噪聲敏感；（4）算法耗時(shí)。中國是農(nóng)業(yè)大國，土壤是農(nóng)業(yè)發(fā)展的基礎(chǔ)，在作物的生長和繁育中起著養(yǎng)分轉(zhuǎn)化和循環(huán)的作用，是作物所需養(yǎng)分的重要來源。目前分析土壤結(jié)構(gòu)的方法主要有：篩分法、切片法和計(jì)算機(jī)斷層（

6、CT）攝影法、核磁共振（MR）法。但這些方法存在不同程度的缺點(diǎn),很難普及使用。土壤孔隙，是土壤水流和溶質(zhì)運(yùn)移的最重要指標(biāo)，被認(rèn)為是土壤圖像分析的主要指標(biāo)，可以通過土壤孔隙的分析土壤結(jié)構(gòu)。圖像分割技術(shù)可以對土壤圖像進(jìn)行有效分割，具有低成本和實(shí)時(shí)性等優(yōu)點(diǎn)。對土壤圖像進(jìn)行分割提取出土壤空隙，為后續(xù)的回歸模型建立、推斷出土壤結(jié)構(gòu)提供技術(shù)支撐。基于FCM的不足及FCM應(yīng)用于土壤圖像分割，本文對FCM算法進(jìn)行了改進(jìn)。主要研究工作可歸納如下：（1）提出了2種融入空間鄰域信息的FCM圖像分割的改進(jìn)算法。利用WFCM算法快速確定聚類中心，然后定義空間函數(shù)和

7、空間隸屬度以融入空間信息，增強(qiáng)算法的抗噪性。通過修正像素的硬劃分矩陣，增強(qiáng)FCM算法對噪聲的魯棒性。（2）提出了對比度增強(qiáng)型的FCM(EnhancedContrastFuzzyC-means)圖像分割算法。該算法將空間鄰域信息代替像素的隸屬度，提高了像素屬于同一類別的可能性，增強(qiáng)分割后圖像的對比度以提取土壤空隙。（3）利用近鄰傳播(Affinitypropagation)確定WFCM算法的分類數(shù)和初始聚類中心，然后利用WFCM算法對灰度圖像實(shí)現(xiàn)快速分割。解決了傳統(tǒng)模糊C均值聚類需要事先確定分類數(shù)的問題。關(guān)鍵詞：圖像分割；模糊C均值；土壤圖

8、像；空間鄰域信息；近鄰傳播算法IVResearchonImageSegmentationBasedonFuzzyClusteringforGrayImageABSTRACTImagesegme