基于模糊聚類理論的圖像分割算法研究.pdf

1、圖書(shū)分類號(hào)UDC洼’TP39l全日制工程碩士學(xué)位論文基于模糊聚類理論的圖像分割算法研究沈?yàn)?nèi)指導(dǎo)教師(姓名、職稱)掛志國(guó)麴授校外指導(dǎo)教師(姓名、職稱)周云川工程垣申請(qǐng)學(xué)位級(jí)別全日劍工程亟士所在領(lǐng)域(研究方向)電壬皇通值工程論文提交日期絲』年[月』遺l_日論文答辯日期絲叢年』月蘭蘭日學(xué)位授予日期——年——月——日論文評(píng)閱人主壺生2：超盈撿答辯委員會(huì)主席艘：綠2015年月日中北大學(xué)學(xué)位論文基于模糊聚類理論的圖像分割算法研究摘要圖像分割是一

2、種通過(guò)相關(guān)準(zhǔn)則把圖像分成若干具有相同性質(zhì)的類，并從中提取目標(biāo)區(qū)域的圖像處理方法?；谀：垲惱碚摰膱D像分割算法以其良好的分割性能在圖像分割領(lǐng)域得以廣泛關(guān)注和運(yùn)用。模糊C(mzzycmeansclusteringalgorithm，F(xiàn)CM)均值聚類算法收斂性好，是一種無(wú)監(jiān)督聚類算法，但該算法僅考慮了圖像的灰度信息，卻未考慮空間信息，對(duì)噪聲較敏感，易造成圖像細(xì)節(jié)信息丟失、分割結(jié)果不準(zhǔn)確，出現(xiàn)噪聲等問(wèn)題。本文研究了基于模糊理論的圖像分割算法，

3、并對(duì)傳統(tǒng)的FCM算法及其改進(jìn)算法進(jìn)行了深入的研究，針對(duì)現(xiàn)有算法存在的問(wèn)題，圍繞FCM算法及其改進(jìn)算法做了以下研究工作：(1)重點(diǎn)研究了標(biāo)準(zhǔn)FCM圖像分割及其改進(jìn)算法。進(jìn)而研究了在建立相鄰像素間的相關(guān)性模型的基礎(chǔ)上，利用該相關(guān)性替代EnFCM算法中的常數(shù)對(duì)圖像進(jìn)行濾波的FGFCM算法，最后對(duì)基于核函數(shù)的FCM圖像分割算法(KFCM)進(jìn)行了研究。實(shí)驗(yàn)結(jié)果表明FGFCM有效的平衡了噪聲以及圖像細(xì)節(jié)，分割效果相對(duì)理想。(2)進(jìn)一步對(duì)RFCM算法

4、進(jìn)行了研究，針對(duì)RFCM算法存在的不足：噪聲被視為正常圖像的一部分、未考慮噪聲和鄰域之間的關(guān)系、不能有效避免噪聲。提出結(jié)合空間鄰域和灰度信息的新的模糊C均值聚類圖像分割算法(SNRFCM算法)。(3)在改進(jìn)的SNRFCM算法基礎(chǔ)上，在目標(biāo)函數(shù)中采用內(nèi)核感應(yīng)距離代替歐氏距離，引入核函數(shù)，提出了一種基于空間信息的核模糊C均值聚類圖像分割算法(KSNRFCM算法)。通過(guò)使用一個(gè)懲罰因子，有效地減少了噪聲對(duì)聚類結(jié)果的負(fù)面影響。通過(guò)使用聚類權(quán)重，