基于局部區(qū)域的FCM細化分割算法研究
發(fā)布時間：2021-08-12 18:49
在獲取到的大量圖像數據中,人們通常只對圖像中的某一部分感興趣或只需要研究個別特定的區(qū)域,為了方便后續(xù)對這些數據進行處理和分析,需要通過圖像分割技術把這部分從一整副圖像中分離和提取出來。這樣既保留了圖像中的有用信息,刪除了無用數據,提高了后續(xù)處理的準確率,又可以減少研究人員的工作量,提高了效率。近年來,圖像分割作為圖像處理和計算機視覺領域中的熱門話題,研究人員已陸續(xù)提出了成百上千種圖像分割方法,并將其廣泛地應用于實際生活中,如醫(yī)學影像分析與輔助治療診斷、車輛追蹤與行人檢測、地面信息獲取與勘察、人臉與指紋識別等�？梢哉f圖像分割技術是目標的檢測、提取或識別等相關技術的關鍵預處理步驟,而分割結果的好壞會對后續(xù)工作數據的可靠性和有效性產生直接影響。因此,圖像分割技術和算法的研究至關重要。圖像分割技術涉及多種方法,本文主要對基于模糊C均值聚類的圖像分割方法進行了研究和改進,提出了一種基于局部區(qū)域特征的FCM細化分割算法,它能夠產生良好的分割邊緣,并抑制圖像中的噪聲或灰度不均勻情況對分割結果帶來的影響。算法的主要貢獻是提出了一種基于局部圖像子塊預分類結果的加權投票方法,將預分類結果作為新的衡量像素間...
【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數】：71 頁
【學位級別】：碩士
【部分圖文】：
圖３－１?ＦＣＭ算法分割結果：（ａ）原圖（ｂ）標準ＦＣＭ算法分割結果??
?山東大學碩士學位論文???之間的不平衡現象，從而導致算法對噪聲圖像中的復雜邊界具有較低的分割準??確度，如圖３－２（／）所示，ＫＷＦＬＩＣＭ算法雖然能夠去除圖像中噪聲帶來的影響，??但分割結果中腦部組織結構的邊緣較為模糊；而且部分改進算法對于無噪聲圖??像，難以獲得如標準ＦＣＭ算法一般的準確分割結果，如圖３－２?（￡〇所示，ＫＷＦＬＩＣＭ??算法對千凈圖像的分割結果相較于標準ＦＣＭ算法，對圖像邊緣細節(jié)具有較差的??分割結果，存在細節(jié)丟失等現象。??國關國??（ａ）?（ｂ）?（ｃ）??■通??ｋｍ?ｉｉｌ?ｍｌ??（ｄ）?（ｅ）?（ｆ）??圖３－２改進算法分割結果：（ａ）原圖（ｂ）標準ＦＣＭ算法分割結果（ｃ）?ＫＷＦＬＩＣＭ算法??分割結果（ｄ）為原圖添加５％的噪聲（ｅ）標準ＦＣＭ算法對噪聲圖像的分割結果（ｆ）ＫＷＦＬＩＣＭ??算法對噪聲圖像的分割結果??（３）部分改進算法只對某一類噪聲有效，針對其他類型的噪聲圖像分割結??果較差。如圖３－３所示，為干凈圖像添加一定程度的椒鹽噪聲和高斯噪聲后，??ＦＣＭ＿Ｓ１算法的分割結果仍不理想，并不能夠去除圖像中的噪聲。??＿?１網??（ａ）?（ｂ）?（ｃ）?（ｄ）??圖３－３改進算法分割結果：（ａ）為干凈圖像添加椒鹽噪聲（ｂ）?ＦＣＭ＿Ｓ１算法對添加椒鹽??噪聲圖像的分割結果（ｃ）為干凈圖像添加高斯噪聲（ｄ）?ＦＣＭ＿Ｓ１算法對添加高斯噪聲圖??像的分割結果??事實上，算法的分割結果不僅僅受圖像中噪聲的影響，還與圖像內容的復??雜程度及其自身質量等因素有關，圖像中處在弱邊緣上的點或受噪聲影響嚴重??的像素點容易被錯誤歸類，另外，受光照等環(huán)境
?山東大學碩士學位論文???之間的不平衡現象，從而導致算法對噪聲圖像中的復雜邊界具有較低的分割準??確度，如圖３－２（／）所示，ＫＷＦＬＩＣＭ算法雖然能夠去除圖像中噪聲帶來的影響，??但分割結果中腦部組織結構的邊緣較為模糊；而且部分改進算法對于無噪聲圖??像，難以獲得如標準ＦＣＭ算法一般的準確分割結果，如圖３－２?（￡〇所示，ＫＷＦＬＩＣＭ??算法對千凈圖像的分割結果相較于標準ＦＣＭ算法，對圖像邊緣細節(jié)具有較差的??分割結果，存在細節(jié)丟失等現象。??國關國??（ａ）?（ｂ）?（ｃ）??■通??ｋｍ?ｉｉｌ?ｍｌ??（ｄ）?（ｅ）?（ｆ）??圖３－２改進算法分割結果：（ａ）原圖（ｂ）標準ＦＣＭ算法分割結果（ｃ）?ＫＷＦＬＩＣＭ算法??分割結果（ｄ）為原圖添加５％的噪聲（ｅ）標準ＦＣＭ算法對噪聲圖像的分割結果（ｆ）ＫＷＦＬＩＣＭ??算法對噪聲圖像的分割結果??（３）部分改進算法只對某一類噪聲有效，針對其他類型的噪聲圖像分割結??果較差。如圖３－３所示，為干凈圖像添加一定程度的椒鹽噪聲和高斯噪聲后，??ＦＣＭ＿Ｓ１算法的分割結果仍不理想，并不能夠去除圖像中的噪聲。??＿?１網??（ａ）?（ｂ）?（ｃ）?（ｄ）??圖３－３改進算法分割結果：（ａ）為干凈圖像添加椒鹽噪聲（ｂ）?ＦＣＭ＿Ｓ１算法對添加椒鹽??噪聲圖像的分割結果（ｃ）為干凈圖像添加高斯噪聲（ｄ）?ＦＣＭ＿Ｓ１算法對添加高斯噪聲圖??像的分割結果??事實上，算法的分割結果不僅僅受圖像中噪聲的影響，還與圖像內容的復??雜程度及其自身質量等因素有關，圖像中處在弱邊緣上的點或受噪聲影響嚴重??的像素點容易被錯誤歸類，另外，受光照等環(huán)境
【參考文獻】：
期刊論文
[1]基于動態(tài)閾值區(qū)域分裂合并算法的高分辨率遙感圖像分割研究[J]. 丁海勇,王雨軒,毛宇瓊,許亞慧. 測繪通報. 2016(08)
[2]結合邊緣局部信息的FCM抗噪圖像分割算法[J]. 夏菁,張彩明,張小峰,李雪梅. 計算機輔助設計與圖形學學報. 2014(12)
[3]基于邊緣檢測算法的圖像分割技術研究[J]. 王彥林. 電腦編程技巧與維護. 2014(19)
[4]改進的非局部FCM腦核磁共振圖像分割與偏移場恢復耦合模型[J]. 王順鳳,耿志遠,張建偉,陳允杰,張世軍. 計算機輔助設計與圖形學學報. 2014(09)
[5]基于視頻內容的片段分割關鍵技術探討[J]. 陳偉. 硅谷. 2012(03)
[6]基于模糊數學的醫(yī)學圖像處理與分析方法[J]. 李翠芳,聶生東. 中國醫(yī)學物理學雜志. 2011(04)
[7]圖像分割方法綜述[J]. 高彥東,雷琳. 科技信息. 2009(14)
[8]BP人工神經網絡在圖像分割中的應用[J]. 楊治明,王曉蓉,彭軍,陳應祖. 計算機科學. 2007(03)
[9]遺傳算法并行機理分析[J]. 蔣冬初,林亞平. 海南大學學報(自然科學版). 2004(04)
[10]一種基于三維最大類間方差的圖像分割算法[J]. 景曉軍,李劍峰,劉郁林. 電子學報. 2003(09)
本文編號：3338874
【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數】：71 頁
【學位級別】：碩士
【部分圖文】：
圖３－１?ＦＣＭ算法分割結果：（ａ）原圖（ｂ）標準ＦＣＭ算法分割結果??
?山東大學碩士學位論文???之間的不平衡現象，從而導致算法對噪聲圖像中的復雜邊界具有較低的分割準??確度，如圖３－２（／）所示，ＫＷＦＬＩＣＭ算法雖然能夠去除圖像中噪聲帶來的影響，??但分割結果中腦部組織結構的邊緣較為模糊；而且部分改進算法對于無噪聲圖??像，難以獲得如標準ＦＣＭ算法一般的準確分割結果，如圖３－２?（￡〇所示，ＫＷＦＬＩＣＭ??算法對千凈圖像的分割結果相較于標準ＦＣＭ算法，對圖像邊緣細節(jié)具有較差的??分割結果，存在細節(jié)丟失等現象。??國關國??（ａ）?（ｂ）?（ｃ）??■通??ｋｍ?ｉｉｌ?ｍｌ??（ｄ）?（ｅ）?（ｆ）??圖３－２改進算法分割結果：（ａ）原圖（ｂ）標準ＦＣＭ算法分割結果（ｃ）?ＫＷＦＬＩＣＭ算法??分割結果（ｄ）為原圖添加５％的噪聲（ｅ）標準ＦＣＭ算法對噪聲圖像的分割結果（ｆ）ＫＷＦＬＩＣＭ??算法對噪聲圖像的分割結果??（３）部分改進算法只對某一類噪聲有效，針對其他類型的噪聲圖像分割結??果較差。如圖３－３所示，為干凈圖像添加一定程度的椒鹽噪聲和高斯噪聲后，??ＦＣＭ＿Ｓ１算法的分割結果仍不理想，并不能夠去除圖像中的噪聲。??＿?１網??（ａ）?（ｂ）?（ｃ）?（ｄ）??圖３－３改進算法分割結果：（ａ）為干凈圖像添加椒鹽噪聲（ｂ）?ＦＣＭ＿Ｓ１算法對添加椒鹽??噪聲圖像的分割結果（ｃ）為干凈圖像添加高斯噪聲（ｄ）?ＦＣＭ＿Ｓ１算法對添加高斯噪聲圖??像的分割結果??事實上，算法的分割結果不僅僅受圖像中噪聲的影響，還與圖像內容的復??雜程度及其自身質量等因素有關，圖像中處在弱邊緣上的點或受噪聲影響嚴重??的像素點容易被錯誤歸類，另外，受光照等環(huán)境
?山東大學碩士學位論文???之間的不平衡現象，從而導致算法對噪聲圖像中的復雜邊界具有較低的分割準??確度，如圖３－２（／）所示，ＫＷＦＬＩＣＭ算法雖然能夠去除圖像中噪聲帶來的影響，??但分割結果中腦部組織結構的邊緣較為模糊；而且部分改進算法對于無噪聲圖??像，難以獲得如標準ＦＣＭ算法一般的準確分割結果，如圖３－２?（￡〇所示，ＫＷＦＬＩＣＭ??算法對千凈圖像的分割結果相較于標準ＦＣＭ算法，對圖像邊緣細節(jié)具有較差的??分割結果，存在細節(jié)丟失等現象。??國關國??（ａ）?（ｂ）?（ｃ）??■通??ｋｍ?ｉｉｌ?ｍｌ??（ｄ）?（ｅ）?（ｆ）??圖３－２改進算法分割結果：（ａ）原圖（ｂ）標準ＦＣＭ算法分割結果（ｃ）?ＫＷＦＬＩＣＭ算法??分割結果（ｄ）為原圖添加５％的噪聲（ｅ）標準ＦＣＭ算法對噪聲圖像的分割結果（ｆ）ＫＷＦＬＩＣＭ??算法對噪聲圖像的分割結果??（３）部分改進算法只對某一類噪聲有效，針對其他類型的噪聲圖像分割結??果較差。如圖３－３所示，為干凈圖像添加一定程度的椒鹽噪聲和高斯噪聲后，??ＦＣＭ＿Ｓ１算法的分割結果仍不理想，并不能夠去除圖像中的噪聲。??＿?１網??（ａ）?（ｂ）?（ｃ）?（ｄ）??圖３－３改進算法分割結果：（ａ）為干凈圖像添加椒鹽噪聲（ｂ）?ＦＣＭ＿Ｓ１算法對添加椒鹽??噪聲圖像的分割結果（ｃ）為干凈圖像添加高斯噪聲（ｄ）?ＦＣＭ＿Ｓ１算法對添加高斯噪聲圖??像的分割結果??事實上，算法的分割結果不僅僅受圖像中噪聲的影響，還與圖像內容的復??雜程度及其自身質量等因素有關，圖像中處在弱邊緣上的點或受噪聲影響嚴重??的像素點容易被錯誤歸類，另外，受光照等環(huán)境
【參考文獻】：
期刊論文
[1]基于動態(tài)閾值區(qū)域分裂合并算法的高分辨率遙感圖像分割研究[J]. 丁海勇,王雨軒,毛宇瓊,許亞慧. 測繪通報. 2016(08)
[2]結合邊緣局部信息的FCM抗噪圖像分割算法[J]. 夏菁,張彩明,張小峰,李雪梅. 計算機輔助設計與圖形學學報. 2014(12)
[3]基于邊緣檢測算法的圖像分割技術研究[J]. 王彥林. 電腦編程技巧與維護. 2014(19)
[4]改進的非局部FCM腦核磁共振圖像分割與偏移場恢復耦合模型[J]. 王順鳳,耿志遠,張建偉,陳允杰,張世軍. 計算機輔助設計與圖形學學報. 2014(09)
[5]基于視頻內容的片段分割關鍵技術探討[J]. 陳偉. 硅谷. 2012(03)
[6]基于模糊數學的醫(yī)學圖像處理與分析方法[J]. 李翠芳,聶生東. 中國醫(yī)學物理學雜志. 2011(04)
[7]圖像分割方法綜述[J]. 高彥東,雷琳. 科技信息. 2009(14)
[8]BP人工神經網絡在圖像分割中的應用[J]. 楊治明,王曉蓉,彭軍,陳應祖. 計算機科學. 2007(03)
[9]遺傳算法并行機理分析[J]. 蔣冬初,林亞平. 海南大學學報(自然科學版). 2004(04)
[10]一種基于三維最大類間方差的圖像分割算法[J]. 景曉軍,李劍峰,劉郁林. 電子學報. 2003(09)
本文編號：3338874
本文鏈接：http://sikaile.net/shoufeilunwen/xixikjs/3338874.html
