發(fā)布時間：2021-01-18 14:56

　　圖像分割是圖像工程的基本技術,也是對圖像進行分析和理解的關鍵過程。傳統(tǒng)的分割算法有很多,如邊緣檢測方法,閾值法等其他方法。但圖像中包含的不確定性、模糊性及復雜性,往往造成傳統(tǒng)算法不能得到好的分割結(jié)果,也使得后續(xù)結(jié)果分析受到影響。模糊聚類理論的提出,正好能夠表述圖像的這種特性。因此,在圖像分割的研究中被許多學者應用,證明了模糊聚類理論的應用能夠得到更理想的分割結(jié)果,優(yōu)于傳統(tǒng)算法。模糊C均值（Fuzzy C-Means,FCM）聚類算法獲得了圖像領域很多學者的認可,該算法的數(shù)學理論完善且應用的途徑廣泛。FCM算法通過不斷迭代優(yōu)化隸屬度矩陣和聚類中心,劃分圖像中的所有像素歸于哪些類,得到目標函數(shù)最小值,很好的體現(xiàn)了圖像的模糊特性,更好的避免了一些其他分割算法的困難。但該算法并不是十分完美,其也存在一些缺陷,比如初始化參數(shù)時,偏差太大就容易陷入局部極小值;只是簡單計算各個像素的信息,沒有計算像素的鄰域信息等,所以當圖像復雜或者含有噪聲,則會影響結(jié)果;迭代次數(shù)增加,計算量大,太耗時等。論文主要研究了模糊聚類圖像分割算法。針對圖像分割的發(fā)展現(xiàn)狀和模糊聚類算法在圖像分割應用過程中遇到的問題,主要研究... 

【文章來源】：蘭州交通大學甘肅省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

圖像工程

基于模糊聚類圖像分割的方法研究-14-讓單個樣本組成的類中的樣本數(shù)據(jù)不斷增加，該類也在壯大，最后將每個樣本數(shù)據(jù)加到一個類中。在實際的應用過程中，通常和別的算法結(jié)合在一起，方便聚類。相關的層次聚類算法主要有BIRCH，ROCK，AMOEBA等。2)劃分聚類算法劃分聚類算法首先把樣本數(shù)據(jù)劃分為K組，每個組就是初始聚類，事先給出劃分滿足的條件，對這K個組不斷劃分，一直劃分到滿足條件為止，將每組的聚類結(jié)果中的質(zhì)心作為該樣本數(shù)據(jù)的聚類，很明顯該算法收斂快，但復雜情況的聚類不好，如初始聚類有噪聲。該算法的經(jīng)典是K-means算法等。3)密度型聚類算法該算法對樣本數(shù)據(jù)的密度進行計算，也是事先給出滿足的條件，和計算的密度進行對比，把符合的數(shù)據(jù)連在一起，形成若干不規(guī)則的區(qū)域，便是聚類的結(jié)果。密度計算聚類和距離計算聚類相比，密度聚類避免了距離聚類的問題，但是產(chǎn)生的計算量比距離聚類大，比距離聚類計算復雜。4)模型聚類算法模型聚類算法就是借助數(shù)學模型，來實現(xiàn)聚類。其主要是把樣本數(shù)據(jù)和數(shù)學模型匹配，完成樣本數(shù)據(jù)和模型的最佳擬合，最終完成聚類。圖2.2聚類算法2.2模糊C均值(FCM)聚類算法FCM算法是在眾多模糊聚類技術中，應用最普遍且很成功的算法之一。該算法在圖像分割領域的應用，推動了以圖像分析為基礎的機器視覺和AI技術的發(fā)展，成為研

蘭州交通大學工程碩士學位論文-17-第二步：更新隸屬度矩陣i)1(U：ckmkjkjijijijvxdvxdu112),(),(1(2.19)第三步：更新聚類中心i)1(V：njmijnjjmijiuxuv11(2.20)第四步：判斷條件，如果ll)1()(VV或maxTt，那么停止迭代，輸出V和U；否則，令tt1，跳轉(zhuǎn)第二步。第五步：模糊化。按照最大隸屬度原則，實現(xiàn)各個像素的劃分與歸類，最后將圖像分割。)max(argikkuC，kC為第i個像素點在第k個類中的隸屬度。圖2.3FCM算法流程圖

【參考文獻】：
期刊論文
[1]基于人工神經(jīng)網(wǎng)絡模型的肺癌CT圖像分割算法[J]. 石海,楊凡,黃嘉海,周潔.  中國醫(yī)療設備. 2019(10)
[2]改進Canny邊緣檢測的遙感影像分割[J]. 劉麗霞,李寶文,王陽萍,楊景玉.  計算機工程與應用. 2019(12)
[3]結(jié)合爬山法的模糊C均值彩色圖像分割方法[J]. 賈娟娟,賈富杰.  計算機科學. 2018(S2)
[4]一種基于信息論距離的復雜圖像分割方法[J]. 聶方彥,李建奇,屠添翼.  紅外技術. 2018(08)
[5]基于自適應區(qū)域限制FCM的圖像分割方法[J]. 李磊,董卓莉,張德賢.  電子學報. 2018(06)
[6]群智能算法優(yōu)化的結(jié)合熵的最大類間方差法與脈沖耦合神經(jīng)網(wǎng)絡融合的圖像分割算法[J]. 程述立,汪烈軍,秦繼偉,杜安鈺.  計算機應用. 2017(12)
[7]小波變換與分水嶺算法融合的番茄冠層葉片圖像分割[J]. 丁永軍,張晶晶,LEE Won Suk,李民贊.  農(nóng)業(yè)機械學報. 2017(09)
[8]一種HSI空間基于模糊聚類的火災彩色圖像分割算法[J]. 周鳳.  火災科學. 2017(01)
[9]基于細菌覓食優(yōu)化算法的城市軌道交通調(diào)度優(yōu)化[J]. 李錦,王聯(lián)國.  計算機工程與科學. 2017(03)
[10]基于改進KFCM聚類的圖像分割算法[J]. 汪彥,楊格蘭,何建新.  控制工程. 2016(11)

碩士論文
[1]智能算法及其在圖像處理中的應用[D]. 李桃.西華師范大學 2019
[2]基于冠狀動脈CT圖像的聚類算法研究[D]. 王晨偉.吉林大學 2017
[3]基于FCM聚類的圖像分割算法研究[D]. 嚴思奇.重慶郵電大學 2017
[4]細菌覓食優(yōu)化算法研究及其在圖像匹配中的應用[D]. 周美茹.西安電子科技大學 2014



本文編號：2985147