圖像分割是圖像處理的關(guān)鍵環(huán)節(jié),其本質(zhì)是對圖像進行區(qū)域劃分,一個區(qū)域內(nèi)的元素被認為是具有相似性的,而不同區(qū)域間的元素是具有較大差異的。圖像分割的運用場景廣泛,其中,在醫(yī)學圖像處理方面,對腦部MR圖像進行分割,可以清晰地看到各組織地分布情況,并且凸顯出異常地部分,幫助醫(yī)生確認病灶,以便更好地進行診斷和開展治療;在城市遙感圖像的圖像處理方面,可以快速地了解城市的布局,對于城市的建設(shè)開發(fā),和范圍異常的監(jiān)控都具有重要意義。此外在很多其它領(lǐng)域都能看到圖像分割的身影。因此可以看出,在生活的方方面面,圖像分割結(jié)果的優(yōu)劣都是值得重視的指標,它往往會影響到后續(xù)的工作,所以本文對基于模糊聚類的圖像分割進行更加深入的研究是很必要的。本文所采用的圖像分割算法是基于模糊C均值聚類算法的,通過對傳統(tǒng)算法存在的問題進行分析,思考解決問題的方法,對算法的思想、流程進行改進。首先簡要介紹了圖像分割的技術(shù)研究和FCM算法的研究發(fā)展現(xiàn)狀。然后重點分析了FCM算法及其經(jīng)典的改進算法的思想和流程。接著本文提出一種基于粒子群優(yōu)化的FCM算法（PSO＿FCM）,通過引入粒子群優(yōu)化算法來解決初始聚類中心的選取問題和聚類類別數(shù)的確定問題... 

【文章來源】：電子科技大學四川省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

K-means算法聚類結(jié)果

第二章相關(guān)技術(shù)11一定程度上只能實現(xiàn)局部尋優(yōu)，而不能在全局范圍內(nèi)尋優(yōu)。圖2-2電子科技大學圖書館實拍如圖2-2是電子科技大學圖書館的實拍圖像，用K-means算法對其進行分割后的結(jié)果如圖3-3所示。(a)(b)圖2-3K-means算法分割結(jié)果。圖(a)為聚類中心數(shù)為3；圖(b)為聚類中心數(shù)為4

第二章相關(guān)技術(shù)11一定程度上只能實現(xiàn)局部尋優(yōu)，而不能在全局范圍內(nèi)尋優(yōu)。圖2-2電子科技大學圖書館實拍如圖2-2是電子科技大學圖書館的實拍圖像，用K-means算法對其進行分割后的結(jié)果如圖3-3所示。(a)(b)圖2-3K-means算法分割結(jié)果。圖(a)為聚類中心數(shù)為3；圖(b)為聚類中心數(shù)為4

【參考文獻】：
期刊論文
[1]應(yīng)用區(qū)域生長的無人船紅外圖像精確分割方法[J]. 何翠萍.  艦船科學技術(shù). 2021(04)
[2]快速自適應(yīng)非局部空間加權(quán)與隸屬度連接的模糊C-均值噪聲圖像分割算法[J]. 王小鵬,王慶圣,焦建軍,梁金誠.  電子與信息學報. 2021(01)
[3]基于深度學習的圖像分割技術(shù)分析[J]. 張影.  信息與電腦(理論版). 2020(23)
[4]魯棒模糊聚類圖像分割理論進展[J]. 吳成茂.  西安郵電大學學報. 2020(06)
[5]基于方差加權(quán)的FLICM模糊聚類的圖像分割方法研究[J]. 汪敏,周玉程.  計算機應(yīng)用研究. 2020(S1)
[6]基于加強模糊聚類的航空行李圖像超像素分割[J]. 羅其俊,曹志芬,牛國臣.  航空學報. 2020(S2)
[7]基于分布信息直覺模糊c均值聚類的紅外圖像分割算法[J]. 王曉飛,胡凡奎,黃碩.  通信學報. 2020(05)
[8]FCM改進方法在圖像分割中的知識發(fā)現(xiàn)[J]. 汪克峰,錢進,李仁璞.  實驗室研究與探索. 2020(03)
[9]基于模糊C均值聚類算法的腦部CT圖像分割[J]. 蔣文娟,李富蕓,徐冬.  電腦知識與技術(shù). 2020(07)
[10]基于模糊聚類的圖像分割研究進展[J]. 雷濤,張肖,加小紅,劉侍剛,張艷寧.  電子學報. 2019(08)

博士論文
[1]基于圖論的圖像分割算法的研究[D]. 劉仲民.蘭州理工大學 2018

碩士論文
[1]基于模糊C均值聚類的腦部MR圖像分割算法研究[D]. 沈曉.南京郵電大學 2019
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學圖像分割方法研究[D]. 向松.武漢科技大學 2019
[3]灰度圖像的邊緣檢測算法研究[D]. 張金波.東南大學 2019
[4]基于圖論的醫(yī)學圖像分割關(guān)鍵技術(shù)研究[D]. 劉慶烽.江蘇大學 2018
[5]基于改進的FCM算法在圖像分割中的應(yīng)用[D]. 牛迎春.廣西師范學院 2017
[6]基于超像素和圖論的圖像分割方法研究[D]. 鄒旭華.中國科學技術(shù)大學 2017
[7]聚類算法及其在圖像分割中的應(yīng)用研究[D]. 加小紅.蘭州交通大學 2017
[8]基于視覺感知的圖像質(zhì)量評價算法研究[D]. 高源.電子科技大學 2013



本文編號：3621971