圖像分割技術(shù)是圖像處理與分析的基礎(chǔ)工作,傳統(tǒng)圖像分割技術(shù)大多是以像素為基本單元進(jìn)行。超像素技術(shù)是一種將具有相似顏色、紋理、亮度等特征的相鄰像素形成一系列像素區(qū)域的技術(shù)�；诔袼氐膱D像分割既保留了圖像分割的重要內(nèi)容,又不破壞目標(biāo)物體的邊界信息,可以大大簡(jiǎn)化圖像表示,降低后續(xù)圖像處理任務(wù)的復(fù)雜度�；诔袼氐膱D像分割的關(guān)鍵點(diǎn)在于超像素生成,聚類是生成超像素的有效方法。為此,本文重點(diǎn)研究密度峰值聚類和中性集模糊聚類及其在超像素生成和圖像分割中的應(yīng)用。本文的工作內(nèi)容主要包括以下三方面:（1）密度峰值聚類（DPC）是一種基于局部密度的聚類方法,在DPC中影響算法的效果的兩個(gè)基本因素是局部密度定義和類中心選擇。針對(duì)經(jīng)典DPC在定義局部密度時(shí)沒有考慮到鄰域內(nèi)樣本點(diǎn)的分布情況,以及無法自動(dòng)選擇類中心等問題,提出一種基于分布的自動(dòng)閾值密度峰值聚類算法,并將其應(yīng)用于超像素生成。實(shí)驗(yàn)表明,新算法不僅能夠自動(dòng)選擇聚類中心,而且相比已有原算法能獲得更高分類準(zhǔn)確度,所獲得的超像素圖像質(zhì)量更高。（2）針對(duì)中性集模糊聚類（NFC）分割方法初始參數(shù)需要人工干預(yù),且沒有考慮空間信息對(duì)噪聲和分割效果影響,提出密度峰值優(yōu)化... 

【文章來源】：廣西民族大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

直接密度可達(dá)、密度可達(dá)、密度相連

OPTICS可達(dá)圖

數(shù)據(jù)點(diǎn)的比率，超過指定的某個(gè)輸入的參數(shù)即閾值，當(dāng)這個(gè)單元格中的點(diǎn)數(shù)大于該閾值時(shí)，我們說該單元格稠密，否則不是；4、在某個(gè)相鄰區(qū)域內(nèi)將密度較大的連通起來成為一個(gè)集合稱為簇。定義12(網(wǎng)格單元)n維的數(shù)據(jù)集123,,,...,nDSDDDD，將每一個(gè)子空間iD都擴(kuò)展劃分為與最大的子空間maxD大小相等的區(qū)域，然后可以根據(jù)網(wǎng)格步長(zhǎng)gs來將D劃分成m個(gè)大小相等的區(qū)間，從而把D分成了m個(gè)互不重疊的網(wǎng)格單元。定義13(單元格的有效性)如果令jv表示jg的有效性，當(dāng)x0時(shí)(x為jg中數(shù)據(jù)的個(gè)數(shù))jg則為有效，0jv;否則無效，1jv。圖2.3子空間劃分Fig2.3Subspacedivision定義14(稠密單元格)給定密度閾值，當(dāng)DS射影到g范圍內(nèi)數(shù)據(jù)對(duì)象的數(shù)量x時(shí)，g為稠密單元格dg，否則為非稠密單元格dg。定義15(上/下四分位距)在箱形圖中，三四分位數(shù)3Q與二四分位數(shù)2Q的差距稱為為上四分位距，即:32UIQRQQ;二四分位數(shù)2Q一四分位數(shù)1Q的差距稱為為下四分位距，即:21UIQRQQ定義16(邊界網(wǎng)格)預(yù)先指定閾值，在iD中，dgg，且dg{g的相鄰單元格}都g，則g為邊界單元格。下面是CLIQUE算法步驟。表2.3CLIQUE算法步驟Table2.3CLIQUEalgorithmstepsCLIQUE算法步驟(1)根據(jù)(根據(jù)空間數(shù)據(jù)特征來確定)的值，把原多維空間數(shù)據(jù)對(duì)象的每一維屬性劃分成相等的區(qū)間，同時(shí)將每一維上區(qū)間的劃分保存下來；(2)n1，經(jīng)過劃分得到的所有矩形單元都為候選稠密單元；(3)掃描原數(shù)據(jù)空間，找出n維子空間中落在每個(gè)候選稠密單元的數(shù)據(jù)對(duì)象個(gè)數(shù)，就是記錄

【參考文獻(xiàn)】：
期刊論文
[1]基于聚類與Hough變換的交通標(biāo)志檢測(cè)方法[J]. 苗丹,盧偉,高嬌嬌,李哲.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(11)
[2]基于區(qū)間數(shù)的不確定性數(shù)據(jù)聚類算法:UD-OPTICS[J]. 吳翠先,何少元.  計(jì)算機(jī)工程與科學(xué). 2019(07)
[3]CUDA-TP:基于GPU的自頂向下完整蛋白質(zhì)鑒定并行算法[J]. 段瓊,田博,陳征,王潔,何增有.  計(jì)算機(jī)研究與發(fā)展. 2018(07)
[4]結(jié)合Ostu閾值法的最小生成樹圖像分割算法[J]. 宋森森,賈振紅,楊杰,Nikola KASABOV.  計(jì)算機(jī)工程與應(yīng)用. 2019(09)
[5]不確定NNSB-OPTICS聚類算法在滑坡危險(xiǎn)性預(yù)測(cè)中的研究與應(yīng)用[J]. 毛伊敏,陳華彬,李忠利,張燦龍.  計(jì)算機(jī)應(yīng)用研究. 2019(01)
[6]肺部CT圖像病變區(qū)域檢測(cè)方法[J]. 韓光輝,劉峽壁,鄭光遠(yuǎn).  自動(dòng)化學(xué)報(bào). 2017(12)
[7]一種基于網(wǎng)格與加權(quán)信息熵的OPTICS改進(jìn)算法[J]. 安建瑞,張龍波,王雷,金超,懷浩,王曉丹.  計(jì)算機(jī)工程. 2017(02)
[8]基于圖論的圖像分割方法關(guān)鍵技術(shù)研究[J]. 葉青,胡昌標(biāo).  計(jì)算機(jī)與數(shù)字工程. 2016(08)
[9]圖像分割中的超像素方法研究綜述[J]. 宋熙煜,周利莉,李中國,陳健,曾磊,閆鑌.  中國圖象圖形學(xué)報(bào). 2015(05)
[10]量子粒子群優(yōu)化改進(jìn)的模糊C均值聚類算法[J]. 李引,毛力,須文波.  計(jì)算機(jī)工程與應(yīng)用. 2012(35)

碩士論文
[1]基于中值的Otsu算法在圖像處理中的研究與應(yīng)用[D]. 王菡.吉林大學(xué) 2013
[2]基于圖割理論的肝臟CT圖像分割算法研究[D]. 郝闖.東北大學(xué) 2012
[3]聚類分析算法CLIQUE的改進(jìn)及應(yīng)用[D]. 陳朝華.中南大學(xué) 2009
[4]圖像增強(qiáng)算法的研究[D]. 盛道清.武漢科技大學(xué) 2007



本文編號(hào)：3325680