当前位置：文档视界 › 几种聚类算法应用于图像分割的研究与比较

几种聚类算法应用于图像分割的研究与比较

第一章绪论 (1)

1.1 研究背景及意义 (1)

1.2 图像分割概述 (2)

1.2.1 图像分割定义 (2)

1.2.2 常用的图像分割方法 (3)

1.3 主要研究内容与工作安排 (5)

第二章聚类分析 (7)

2.1 聚类分析概述 (7)

2.1.1 聚类分析概述 (7)

2.1.2 聚类数据结构 (8)

2.1.3 聚类分析的相似性度量 (9)

2.1.4 聚类分析中的准则函数 (10)

2.2 聚类分析方法 (10)

2.3 聚类算法研究现状 (12)

2.4 聚类算法图像特征提取 (13)

2.4.1 灰度图像 (13)

2.4.2 彩色图像 (14)

2.4.3 纹理图像 (14)

2.4.4 遥感图像 (16)

第三章基于K均值聚类算法的图像分割 (17)

3.1 K均值聚类算法 (17)

3.1.1 K均值聚类算法思想 (17)

3.1.2 K均值聚类算法流程 (17)

3.1.3 K均值聚类算法存在的问题 (19)

3.2 K均值聚类其改进算法 (20)

3.2.1 K均值算法对初始聚类中心的依赖性分析 (20)

3.2.2 K均值聚类改进算法 (21)

3.2.3 仿真实验 (22)

3.3 实验与分析 (23)

3.4 本章小结 (28)

第四章基于模糊C均值聚类算法的图像分割 (29)

4.1 模糊集理论 (29)

4.2 模糊C均值聚类算法 (30)

4.2.1 数据集的C划分 (31)

4.2.2 模糊C均值聚类算法 (31)

4.2.3 模糊C均值聚类算法存在的问题 (34)

4.2.4 基于模糊C均值聚类的图像分割 (35)

4.3 模糊C均值聚类改进算法 (36)

4.3.1 模糊C均值聚类算法有效性判别 (36)

4.3.2 模糊C均值聚类改进算法的提出 (38)

4.3.3 相关概念 (38)

4.3.4 模糊C均值聚类改进算法 (39)

4.4 实验与分析 (40)

4.5 本章小结 (46)

第五章基于均值漂移聚类算法的图像分割 (47)

5.1 均值漂移聚类算法 (47)

5.1.1 非参数估计 (47)

5.1.2 均值漂移算法 (48)

5.1.3 均值漂移算法的优缺点 (49)

5.1.4 基于均值漂移的图像分割 (50)

5.2 均值漂移改进算法 (50)

5.2.1 自适应均值漂移算法 (50)

5.2.2 均值漂移改进算法 (51)

5.3 实验与分析 (52)

5.4 本章小结 (56)

结论 (57)

全文总结 (57)

未来展望 (57)

参考文献 (59)

攻读学位期间取得的研究成果 (64)

致谢 (65)

第一章绪论

1.1 研究背景及意义

随着人类的发展，时代、信息技术的普及与进步，人们不得不面对大量的信息需要表示和存储,才能进行后续的处理和使用。在这些数据信息中，图像信息占很大的比重，因为图像信息具有信息量大、占用空间小而且容易收集和处理的特点，使其成为人类生活中非常重要且实用的获取信息以及相互交流的方式。但是在使用图像信息的过程中并不是图像中的全部信息都是被人们所需要的，通常人们感兴趣的只是其中一部分信息，称为目标信息，其他信息则是无关紧要的或者可能成为干扰信息。此时就需要对这些信息进行分类，而图像分割的意义就在于把图像中被人们所需要的有意义的目标分割出来，从而进一步处理并且分析图像。

从十九世纪七十年代开始图像分割问题的研究受到人们越来越多的重视，自此图像分割成为一种关键的图像处理技术。说到图像分割的具体过程就是把一幅图像的具有不同属性或特点的部分分割开来，并且从中提取出人们感兴趣的部分的一种技术和过程。图像分割是计算机视觉范畴扩展的一个重要并且基本的问题，对后续的图像分析处理以及图像的理解有着非常大的影响，分割后的效果好坏将直接的干预到视觉系统的机能。所以，图像分割的精确度是至关重要的，图像分割技术必须得到人们更多的重视。

图像分割作为图像处理中的关键程序在实际生活中的应用非常广泛。举例说明：（1）应用于医学影像分析的过程中：现如今在医学领域，从医学图像中把相关的目标提取出来已成为医学图像处理和相关技术发展和应用过程中的关键，在临床诊断及治疗等方面有很重要的意义，例如从脑部的核磁共振图中分析异常部分进行病理分析，帮助医生判断病情并有助于制定治疗方案。（2）应用于军事研究领域（3）应用于保安监控上：通过保安监控得到图像，从中分割出人的脸部信息，从而判断可疑人员的身份。（4）在遥感领域：可以用于识别遥感图像中的地物目标，如分析城镇中的道路、河流、村庄等。或分割提取图像中的海岸线可进行海事救援、海洋监测等。（5）应用于智能交通领域：可以应用图像分割来进行汽车牌照的定位与识别。也就是从拍摄好的图像中识别出包含牌照的最小区域，将其分割出来[1]。（6）在农业领域：图像分割可用于检测农作物种类，或判断土壤种类适宜种植哪种作物，对农业的发展起到促进作用。

总之凡是涉及到图像处理的技术问题中都少不了图像分割的应用。在此无法一一展