圖像分割是計(jì)算機(jī)視覺(jué)和圖像理解的關(guān)鍵環(huán)節(jié)。分割模型是提高圖像分割質(zhì)量的關(guān)鍵。一個(gè)好的分割模型可以使被分到同一類的像素相似性盡可能高,得到更準(zhǔn)確的分割結(jié)果。當(dāng)被分割的數(shù)據(jù)點(diǎn)取自不同曲面片時(shí),現(xiàn)有的FCM分割算法定義常數(shù)為分割中心,往往得不到理想的效果,并且對(duì)噪聲和弱邊緣區(qū)域的處理也不夠精確。本文提出了一種基于二次多項(xiàng)式的新的FCM算法,能夠更好地區(qū)分圖像中的弱邊緣區(qū)域并且具有一定的抗噪性,而局部再分割的加入能夠使該算法能夠更有效地作用在更多圖像上。首先,改進(jìn)后的算法使用二次多項(xiàng)式曲面定義分割中心,以數(shù)據(jù)點(diǎn)到分割中心的代數(shù)距離劃分?jǐn)?shù)據(jù)點(diǎn)所屬的集合。新定義的分割曲面對(duì)于像素點(diǎn)的特征有更好的包容性,能夠有效應(yīng)對(duì)圖像灰度級(jí)遠(yuǎn)大于聚類中心數(shù)目的問(wèn)題。第二,在以二次多項(xiàng)式曲面為分割中心的基礎(chǔ)上,設(shè)計(jì)新的模糊因子,在計(jì)算的過(guò)程中,改進(jìn)后的算法使用偏差值表示鄰域點(diǎn)的平均代數(shù)距離與中心像素代數(shù)距離的差值,通過(guò)計(jì)算偏差值可以衡量鄰域中像素對(duì)中心點(diǎn)的影響。在噪聲存在時(shí),偏差值可以抵消掉噪聲在計(jì)算過(guò)程中影響。第三,在全局分割結(jié)果的邊緣上選取局部窗口進(jìn)行局部窗口分割。實(shí)驗(yàn)結(jié)果表明,在對(duì)帶有5%噪聲的醫(yī)學(xué)圖像最終分... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－１圖像灰度直方圖??

?山東大學(xué)碩士學(xué)位論文???ａ曲面片上的像素值?ｂ合成的６＊６曲面片放大３０倍的結(jié)果??＾?３１??Ｃ以二次多項(xiàng)式為分類標(biāo)準(zhǔn)?ｄ以聚類中心為分類標(biāo)準(zhǔn)??圖３－２合成圖像上的結(jié)果比較??在算法的分割過(guò)程中引入二次多項(xiàng)式，可以帶來(lái)新的劃分標(biāo)準(zhǔn)，校正圖像像??素的分類，尤其是對(duì)于弱邊緣區(qū)域，能夠取得更好的分割結(jié)果。為了驗(yàn)證算法的??這一性能，本文設(shè)計(jì)了如下實(shí)驗(yàn)。通過(guò)給兩個(gè)二次多項(xiàng)式的系數(shù)進(jìn)行賦值，可以??得到兩個(gè)交叉的曲面，其三維展示如圖３＿３ａ所示。分別使用改進(jìn)后以二次多項(xiàng)??式為聚類中心的算法，和之前以灰度值為聚類中心的算法進(jìn)行分割。圖３－３顯示??了分割效果的對(duì)比。兩個(gè)算法的分割結(jié)果分別與ｇｒｏｕｎｄｔｒｕｔｈ作對(duì)比，可以明顯??看出，以灰度值為聚類中心的算法僅能做到將不同灰度值的像素分類。邊緣處灰??度值相似的像素其實(shí)是屬于不同類的，原來(lái)的算法并不能做出區(qū)分，而改進(jìn)后的??算法很好地修正了這一錯(cuò)誤。這是因?yàn)樽鳛樾碌木垲愔行牡亩吻婵紤]的是全??局信息，在引入坐標(biāo)信息后，對(duì)不同類別的相似灰度值像素進(jìn)行分類時(shí)，灰度值??不再是唯一標(biāo)準(zhǔn)。以計(jì)算后的二次曲面作為新的聚類中心，同時(shí)將像素的灰度值??信息和坐標(biāo)信息納入考慮，可以做到更為準(zhǔn)確的分類。在兩個(gè)曲面相交處進(jìn)行計(jì)??算時(shí)，改進(jìn)后的算法能夠更好的區(qū)分像素，將像素劃分到正確的類別。實(shí)驗(yàn)結(jié)果??也證實(shí)了這一想法，可以看出以二次曲面作為聚類中心，分類效果更好，分割結(jié)??果與?ｇｒｏｕｎｄｔｒｕｔｈ?—致。??１９??

?山東大學(xué)碩士學(xué)位論文???；??ｙ．ａｘｉｓ?ｘ－ａｘｉｓ??（ａ）相交曲面三維圖?（ｂ）相交曲面灰度圖像??．ｙ，：；ｎ??（ｃ）ｇｒｏｕｎｄｔｒｕｔｈ?（ｄ）以—次多項(xiàng)式為分割標(biāo)準(zhǔn)?（ｅ）以灰度值為分類標(biāo)準(zhǔn)??圖３－３合成圖像上的結(jié)果比較??另外，在真實(shí)圖像上，新引入的二次多項(xiàng)式也可以取得更為準(zhǔn)確的分割結(jié)果，??并且具有一定的抗噪性。本文設(shè)計(jì)了如下實(shí)驗(yàn)驗(yàn)證新引入的二次多項(xiàng)式的性能。??在噪聲水平逐漸增強(qiáng)的醫(yī)學(xué)圖像上，分別運(yùn)行以二次多項(xiàng)式或者聚類中心為分割??標(biāo)準(zhǔn)的ＦＣＭ分割算法，結(jié)果如圖３－４所示。圖３－４ａ是以二次多項(xiàng)式為聚類中心??得到的分割結(jié)果，圖３－４ｂ是以常數(shù)為聚類中心得到的分割結(jié)果�？梢悦黠@看到，??以聚類中心為分割標(biāo)準(zhǔn)的算法的分割結(jié)果中出現(xiàn)了明顯的噪聲像素，這說(shuō)明單獨(dú)??使用像素點(diǎn)的灰度值作為分割標(biāo)準(zhǔn)不能有效地抵抗噪聲帶來(lái)的干擾。而在改進(jìn)后??的算法中，隨著噪聲的增強(qiáng)，算法的分割效果依然很好，這說(shuō)明在使用二次多項(xiàng)??式作為分割標(biāo)準(zhǔn)時(shí)，可以使同一類中的像素相似性盡可能大，而同時(shí)將位置信息??和灰度值信息納入考慮可以達(dá)到這一目標(biāo)。這個(gè)結(jié)果也可以說(shuō)明，改進(jìn)后的算法??具有一定的抗噪性，在噪聲水平增大時(shí)，該算法的依然能保持良好的性能，保持??較好的分割效果。??２０??


本文編號(hào)：2958061