基于聚类分析的图像分割研究毕业论文Word格式文档下载.doc
《基于聚类分析的图像分割研究毕业论文Word格式文档下载.doc》由会员分享,可在线阅读,更多相关《基于聚类分析的图像分割研究毕业论文Word格式文档下载.doc(63页珍藏版)》请在冰豆网上搜索。
指导单位:
理学院
日期:
2014年1月16日至2014年6月13日
毕业设计(论文)原创性声明
本人郑重声明:
所提交的毕业设计(论文),是本人在导师指导下,独立进行研究工作所取得的成果。
除文中已注明引用的内容外,本毕业设计(论文)不包含任何其他个人或集体已经发表或撰写过的作品成果。
对本研究做出过重要贡献的个人和集体,均已在文中以明确方式标明并表示了谢意。
论文作者签名:
日期:
2014年6月2日
目录
第一章绪论 1
1.1图像分割的背景及意义 1
1.2图像分割的研究现状 3
1.3本文的主要工作 5
第二章聚类分析理论 7
2.1聚类分析概述 7
2.2常见的聚类算法 12
2.3模糊聚类算法 14
2.4图像分割方法 16
2.5本章总结 18
第三章基于K-means算法的图像分割方法 19
3.1颜色空间 19
3.2定义和概述 19
3.3简单的例子介绍 21
3.4k-means图像分割 23
3.5改进的k-均值聚类图像分割算法 27
3.6本章总结 31
第四章基于FCM算法的图像分割 32
4.1模糊聚类的概念 32
4.2FCM算法的概述 34
4.3本章总结 43
总结与展望 44
5.1总结 44
5.2研究展望 45
结束语 46
致谢 47
参考文献 48
附录A 52
基于K-means算法的matlab源程序 52
附录B 54
基于K-均值聚类改进前的matlab源程序 54
附录C 57
基于FCM聚类算法的matlab源程序 57
摘要
在飞速发展的信息时代,图像是人类获取信息的重要手段之一,因而图像的处理就变得极其重要。
而图像分割通常是为了进一步对图像进行分析、识别、跟踪、理解、压缩编码等,分割的好坏直接影响后期的图像识别和理解。
图像分割是指将一幅图像分解成若干互不相交区域的集合,其实质是一个像素的聚类过程。
本文以图像分割的聚类实质为线索,对近几年国内外最新的图像分割算法进行了分析比较,指出了聚类在这个领域的重要性。
本论文针对聚类算法在图像分割中的应用,主要涉及了以下几个内容:
(1)详细介绍当前图像分割以及聚类分析的研究背景,现状。
(2)对基于模糊K均值的图像分割算法进行探讨,并对K均值算法进行改进,通过粗糙集理论提供K-均值聚类所需要的初始类的个数和均值,提高了聚类的效率和分类的精度。
(3)对基于标准模糊C均值聚类的图像分割算法进行了探讨,研究了基于模糊聚类的图像分割方法中初始类别数的选取、初始类中心和初始隶属度矩阵的确定等问题。
(4)将基于模糊K均值的图像分割算法与基于标准模糊C均值聚类的图像分割算法进行对比分析。
关键词:
聚类分析,模糊聚类,图像分割,K均值算法,C均值算法
ABSTRACT
Therapiddevelopmentintheinformationage,theimageisanimportantmeansofhumanaccesstoinformation,andthustheimageprocessingbecomesextremelyimportant.Andtheimagesegmentationoftheimageisusuallyperformedtofurtheranalysis,identification,tracking,understanding,compression,etc.,directlyaffectsthepost-splitimagerecognitionandunderstanding.Imagesegmentationreferstothecollectionofanimageisdecomposedintoseveraldisjointregions,anditsessenceisapixelclusteringprocess.Inthispaper,imagesegmentationclusteringsubstantiveclue,athomeandabroadinrecentyears,imagesegmentationalgorithmsareanalyzedandcompared,pointedouttheimportanceofclusteringinthisfield.Thisthesisclusteringalgorithmforimagesegmentation,mainlyrelatedtothefollowingelements:
(1)adetaileddescriptionofcurrentresearchbackgroundimagesegmentationandclusteringanalysisofthestatus.
(2)imagesegmentationalgorithmbasedonfuzzyK-meanswerediscussed,andtheK-meansalgorithmisimproved,providingtheinitialclassandthemeannumberofK-meansclusteringrequiredbyroughsettheory,improvetheefficiencyofclusteringandclassificationaccuracy.
(3)thestandardimagesegmentationalgorithmbasedonfuzzyC-meansclusteringwerediscussed,studiedtoselecttheinitialnumberofcategoriesbasedonfuzzyclusteringmethodofimagesegmentation,determiningtheinitialclustercentersandtheinitialmembershipmatrixofotherissues.
(4)thesegmentationalgorithmforimagesegmentationalgorithmbasedonfuzzyC-meansclusteringstandardcomparativeanalysisbasedonK-meansfuzzyimage.
Keywords:
clusteranalysis,fuzzyclustering,imagesegmentation,K-meansalgorithm,C-meansalgorithm
南京邮电大学通达学院2014届本科生毕业设计(论文)
第一章绪论
在当前快速发展信息化时代,通过图像来获取信息是人类认识世界改造世界的重要方式之一,由此看来图像的处理就变得十分重要1。
图像处理(imageprocessing),用计算机对图像进行分析,以达到所需结果的技术。
又称影像处理。
基本内容图像处理一般指数字图像处理。
数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组,该数组的元素称为像素,其值为一整数,称为灰度值。
图像处理技术的主要内容包括图像压缩,增强和复原,匹配、描述和识别3个部分2。
常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。
其中图像分割的目的是为了后续对图像进行分析、识别、跟踪、理解、压缩编码等,分割的准确性直接影响后续任务的效果,具有极其重要的意义。
所以本课题将研究方向确定在利用图像分割技术来进行图像的识别3。
1.1图像分割的背景及意义
聚类分析研究有很长的历史,几十年来,其重要性及其研究方向的交叉特性得到人们的肯定。
聚类分析是数据挖掘研究方向的重要研究内容之一,在识别数据的内在结构方面有极其重要的作用。
数据挖掘技术是从上世纪80年代开始发展起来的一门交叉学科,涉及到数据库、统计学、人工智能和机器学习多个领域。
计算机的应用普及产生了大量数据,数据挖掘就是利用上述学科的技术进行大量的数据处理。
数据挖掘的应用范围非常的广泛,从农业生产的预测到基因分类,从信用卡欺诈到税务稽查,数据挖掘技术对未来社会的各个领域将起到越来越大的作用4。
在一副图像中,我们在通常情况下只是对其中的某些目标感兴趣,它们通常在要分割的图像中占据一定的区域,而且在某些特性上与周围的图像存在一定的差别。
这些差别有时候可能是特别明显的,也有可能是非常微小的,以至于人的肉眼无法察觉的到的。
图像分割是按照一定的制约规则把图像划分为若干个互不相交,具有特定性质的区域,是把我们关注的区域从需要分割的图像中提取出来,从此进行进一步研究和处理的技术。
它使得其中的图像分析和识别等处理过程中所要处理的数据量大大减少了,同时有保留了有关图像结构特征的信息。
图像分割的结果是图像特征提取和识别等图像理解的基础,对图像分割的研究一直是数字图像处理技术的焦点和热点。
关于图像分割的概念有很多,但最终都归于一个基本思想,即图像分割时根据实际需求与应用,按照指定特征信息,对图像中有意义的边界、兴趣区域或者对相一致的区域(灰度、颜色、纹理等)进行分解和提取的技术和过程5。
图像分割的数学解释:
假定一幅图像中所有像素的集合为,有关均匀性的假设为。
分割定义把划分为若干子集,其中每个子集都构成一个空间连通区域。
用四个条件进行数学描述,即6:
①;
②;
③;
④。
式中,为空集。
图像分割的重要性,可以从图像工程的三个层次来理解,如图1.1所示。
图像工程是指对图像进行采样、量化、编码、传输、增强、边缘检测、分割、形态分析、目标识别、目标表达等一系列的加工处理、分析和理解的综合工程技术。
图像工程根据抽象程度和研究方法的不同分为三个层次:
图像处理、图像分析和图像理解。
而图像分割是图像识别和图像理解的基础,分割的好坏结果直接影响到后期的识别和理解7。
图1.1图像分割在图像工程中的位置
图像分割在实际中也已得到广泛的应用,例如在工业自动化,在线产品检验,以及军事、体育、农业工程等方面8。
概括来说,在各种图像应用中,只要需对图像目标进行提取,测量等都离不开图像