弱模糊劃分聚類算法與基于模糊集理論的圖像分割方法研究
發(fā)布時間:2020-05-20 23:15
【摘要】:模糊集理論是處理不確定性、不精確性問題的有效工具。模糊劃分以及相關(guān)理論是模糊集基礎(chǔ)理論研究的一個重要方面。而傳統(tǒng)模糊劃分由于有概率性約束使得其應(yīng)用受到了局限,可能性劃分(弱模糊劃分)由于去除了概率性約束條件具有更大的靈活性。因此本文針對模糊集理論、弱模糊劃分理論、基于弱模糊劃分的可能性C-均值聚類算法以及其在噪聲圖像分割中的應(yīng)用進行了研究。本文的主要工作概況如下:1)針對基于傳統(tǒng)模糊劃分在圖像分割領(lǐng)域應(yīng)用的局限性,提出了一種基于廣義模糊補運算的一維和二維弱模糊劃分,構(gòu)造對應(yīng)的二維弱模糊劃分熵;改進了圖像質(zhì)量評價函數(shù):均勻測度,并結(jié)合一維弱模糊劃分熵(1DWFPE)和二維弱模糊劃分熵(2DWFPE)給出了一種嵌套優(yōu)化的灰度噪聲圖像分割算法。2)針對噪聲污染的光照不均勻圖像,提出了一種非局部多方向灰度波動變換的自適應(yīng)模糊分割算法。為減少非均勻光照對圖像分割的影響,利用模糊隸屬度計算位于圖像子區(qū)域的像素的相對屬性值,實現(xiàn)圖像的灰度波動變換。同時引入像素的非局部空間信息和邊緣信息,從而在降低噪聲干擾的影響的同時提高圖像子區(qū)域確定的準確性。最后利用基于直覺模糊熵的全局閾值算法對波動變換圖像進行分割。3)針對基于可能性劃分的可能性C-均值聚類算法(PCM)的一致性聚類問題,引入模糊集理論的截集描述提出了一種基于截集式可能性C-均值聚類算法(C-PCM)。給出一種截集門限的自適應(yīng)確定方法,研究了懲罰參數(shù)對C-PCM算法性能的影響。利用C-PCM對奇異點的強魯棒性和優(yōu)良辨識能力,提出了一種針對椒鹽噪聲污染的C-PCM圖像分割算法。4)為了去除可能性C-均值聚類算法(PCM)算法的一致性聚類問題,從另一個角度通過引入抑制競爭學(xué)習(xí)策略改善PCM算法的類間關(guān)系,提出了針對球形數(shù)據(jù)分類的抑制式C-均值聚類算法(S-PCM)。分別給出了一種抑制率、懲罰參數(shù)的自適應(yīng)調(diào)整的自適應(yīng)確定公式。針對橢球形和線形數(shù)據(jù)分類,提出抑制式可能性GustafsonKessel聚類(S-PGK)算法。提出一種基于抑制式C-均值聚類算法和抑制式可能性Gustafson-Kessel聚類算法的彩色圖像分割算法。
【圖文】:
第二章 基于弱模糊劃分熵的圖像分割法函數(shù),D的隸屬度方程通過公式(2-19)獲得:11 ( ; , , ), 0 ( ; , , ), )(1 ( ; , , )), ( ; , , ) 11B i BiB i Bix a b c x a b c cx a b c x a b c 2.6, P {D , B}是 X 的一種弱模糊劃分,其中 集合 D 和B 并不是互補的。也有是說,其對應(yīng)1 。圖 2.2 顯示了當 0.3時的一維弱模糊劃劃分 P {D , B}在 0.5時候的特殊情況。
(b)果。(a) Cameraman 圖像的一維直方圖,(b) 1DWFP曲線,其中 0.0938、( a , b, c ) (3,161,249)維模糊熵算法0
【學(xué)位授予單位】:西安電子科技大學(xué)
【學(xué)位級別】:博士
【學(xué)位授予年份】:2018
【分類號】:TP391.41;O159
本文編號:2673351
【圖文】:
第二章 基于弱模糊劃分熵的圖像分割法函數(shù),D的隸屬度方程通過公式(2-19)獲得:11 ( ; , , ), 0 ( ; , , ), )(1 ( ; , , )), ( ; , , ) 11B i BiB i Bix a b c x a b c cx a b c x a b c 2.6, P {D , B}是 X 的一種弱模糊劃分,其中 集合 D 和B 并不是互補的。也有是說,其對應(yīng)1 。圖 2.2 顯示了當 0.3時的一維弱模糊劃劃分 P {D , B}在 0.5時候的特殊情況。
(b)果。(a) Cameraman 圖像的一維直方圖,(b) 1DWFP曲線,其中 0.0938、( a , b, c ) (3,161,249)維模糊熵算法0
【學(xué)位授予單位】:西安電子科技大學(xué)
【學(xué)位級別】:博士
【學(xué)位授予年份】:2018
【分類號】:TP391.41;O159
【參考文獻】
相關(guān)期刊論文 前6條
1 魏巍;申鉉京;千慶姬;;工業(yè)檢測圖像灰度波動變換自適應(yīng)閾值分割算法[J];自動化學(xué)報;2011年08期
2 武小紅;周建江;;可能性模糊C-均值聚類新算法[J];電子學(xué)報;2008年10期
3 范九倫;趙鳳;;基于Sugeno補的廣義模糊熵閾值分割方法[J];電子與信息學(xué)報;2008年08期
4 靳鵬飛;;一種改進的Sobel圖像邊緣檢測算法[J];應(yīng)用光學(xué);2008年04期
5 支曉斌;范九倫;;一種廣義模糊補運算和相應(yīng)的廣義模糊熵[J];模糊系統(tǒng)與數(shù)學(xué);2008年01期
6 金立左,袁曉輝,趙一凡,夏良正;二維模糊劃分最大熵圖像分割算法[J];電子與信息學(xué)報;2002年08期
相關(guān)博士學(xué)位論文 前1條
1 范九倫;模糊聚類新算法與聚類有效性問題研究[D];西安電子科技大學(xué);1998年
相關(guān)碩士學(xué)位論文 前1條
1 侯麗麗;面向圖像分割的空間信息約束的模糊聚類算法研究[D];華東師范大學(xué);2016年
,本文編號:2673351
本文鏈接:http://sikaile.net/kejilunwen/yysx/2673351.html
最近更新
教材專著