基于MRF与模糊聚类的图像分割算法研究
发布时间：2021-02-06 01:53
随着人工智能的飞速发展,对图像采集与处理的要求不断提高,其中作为图像预处理阶段的图像分割工作显得尤为重要。图像分割就是将图像根据不同的特点划分成不同的区域,目的就是将目标与背景分离,从而为后续的分析做准备。由于受到设备和自然条件的影响,采集到的数字图像会产生不同类型的噪声,噪声问题成为图像分割算法的难点之一。在诸多图像分割算法中,模糊聚类算法是应用最广泛的算法之一,该算法拥有易实现、算法复杂度低等优点。然而由于没有充分考虑像素点空间邻域信息,使得算法易受噪声干扰,抗噪性较差。因此,本文通过提高模糊聚类算法的空间信息利用率,通过邻域信息屏蔽噪声的干扰,从而提高算法的抗噪性。本文的主要工作如下。（1）利用核函数非线性映射像素点,通过核函数,将图像像素点由低维空间映射到高维空间,将原先线性不可分的像素点转化为线性可分的像素点,优化算法分割性能。（2）利用马氏距离替换原有的欧式距离作为高维空间距离量度。马氏距离能有效地描述两个样本点之间的全局性关系,可提升算法空间信息利用率,提高图像分割算法的抗噪性。（3）利用马尔科夫随机场提高模糊聚类算法抗噪性。利用马尔科夫随机场模型的空间相关性和对状态的准...
【文章来源】：兰州理工大学甘肃省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景与意义
1.2 模糊聚类算法的国内外研究现状
1.2.1 模糊聚类算法的分割效果研究
1.2.2 模糊聚类算法的抗噪性
1.2.3 基于核函数的模糊聚类算法
1.2.4 基于马氏距离的模糊聚类算法
1.2.5 基于马尔科夫随机场的模糊聚类算法
1.3 论文的主要研究内容与论文结构安排
第2章 模糊聚类图像分割算法的理论基础
2.1 模糊聚类算法
2.2 核函数与马氏距离
2.2.1 核函数
2.2.2 马氏距离
2.3 马尔科夫随机场
2.3.1 马尔科夫性质
2.3.2 邻域与基团
2.3.3 吉布斯随机场
2.4 评价指标
2.5 本章小结
第3章 基于MRF与模糊聚类的图像分割算法
3.1 基于核函数与模糊聚类的图像分割算法
3.2 基于马尔科夫随机场的模糊聚类算法
3.2.1 马尔科夫随机场先验概率
3.2.2 MKMFCM算法目标函数
3.3 MKMFCM算法流程
3.3.1 初始聚类中心选取
3.3.2 MKMFCM算法流程
3.4 本章小结
第4章 MKMFCM算法实验及其结果分析
4.1 MKMFCM算法参数实验
4.1.1 模糊加权系数选取实验
4.1.2 调整系数选取实验
4.1.3 势团参数选取实验
4.2 抗噪性实验
4.2.1 模拟噪声图像抗噪性实验
4.2.2 Berkeley图像分割数据库图像抗噪性实验
4.3 本章小结
总结和展望
参考文献
致谢
附录A 攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]快速鲁棒核空间模糊聚类分割[J]. 吴其平,吴成茂. 中国图象图形学报. 2018(12)
[2]动态匹配核函数图像检索[J]. 洪睿,康晓东,李博,王亚鸽. 中国图象图形学报. 2018(12)
[3]组合全卷积神经网络和条件随机场的道路分割[J]. 宋青松,张超,陈禹,王兴莉,杨小军. 清华大学学报(自然科学版). 2018(08)
[4]一种基于LBP和马尔科夫特征的细缝裁剪取证方法[J]. 郭继昌,王秋子,赵洁,祁清. 电子科技大学学报. 2018(04)
[5]基于DDS的像质处理提升仿真系统设计与实现[J]. 朱晓攀,陈实. 系统工程与电子技术. 2018(08)
[6]智能摄影测量和图像处理在高分辨率光学遥感影像处理中的应用——CRC-AGIP实验室的案例[J]. Yun ZHANG. 测绘学报. 2018(06)
[7]基于自适应区域限制FCM的图像分割方法[J]. 李磊,董卓莉,张德贤. 电子学报. 2018(06)
[8]多路径高斯核模糊C均值聚类算法[J]. 文传军,汪庆淼. 计算机工程与科学. 2018(05)
[9]面向结构复杂数据集的模糊聚类有效性指标[J]. 唐益明,丰刚永,任福继,胡相慧,张有成. 电子测量与仪器学报. 2018(04)
[10]合成孔径雷达图像分割研究进展[J]. 万玲,尤红建,程跃兵,卢晓军. 遥感技术与应用. 2018(01)
博士论文
[1]分数阶高斯随机场中的长记忆性研究[D]. 吴量.中国科学院研究生院(武汉物理与数学研究所) 2016
[2]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
硕士论文
[1]低截获基带混合信号设计及其低复杂度接收算法研究[D]. 陈丹.电子科技大学 2018
[2]基于痴呆症磁共振影像数据挖掘的脑年龄检测方法研究[D]. 李帆.重庆大学 2017
[3]基于类内类间距离的模糊聚类算法及图像分割应用[D]. 刘璐.西安邮电大学 2016
[4]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[5]基于尺度间上下文关系模型的动态纹理分割[D]. 陈立秋.哈尔滨工程大学 2016
[6]基于支持向量机特征选择的移动通信网络问题分析[D]. 周瑞.华南理工大学 2015
[7]合理利用空间信息的模糊C均值脑部MR图像分割算法研究[D]. 王媛媛.西安电子科技大学 2012
本文编号：3019949
【文章来源】：兰州理工大学甘肃省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景与意义
1.2 模糊聚类算法的国内外研究现状
1.2.1 模糊聚类算法的分割效果研究
1.2.2 模糊聚类算法的抗噪性
1.2.3 基于核函数的模糊聚类算法
1.2.4 基于马氏距离的模糊聚类算法
1.2.5 基于马尔科夫随机场的模糊聚类算法
1.3 论文的主要研究内容与论文结构安排
第2章 模糊聚类图像分割算法的理论基础
2.1 模糊聚类算法
2.2 核函数与马氏距离
2.2.1 核函数
2.2.2 马氏距离
2.3 马尔科夫随机场
2.3.1 马尔科夫性质
2.3.2 邻域与基团
2.3.3 吉布斯随机场
2.4 评价指标
2.5 本章小结
第3章 基于MRF与模糊聚类的图像分割算法
3.1 基于核函数与模糊聚类的图像分割算法
3.2 基于马尔科夫随机场的模糊聚类算法
3.2.1 马尔科夫随机场先验概率
3.2.2 MKMFCM算法目标函数
3.3 MKMFCM算法流程
3.3.1 初始聚类中心选取
3.3.2 MKMFCM算法流程
3.4 本章小结
第4章 MKMFCM算法实验及其结果分析
4.1 MKMFCM算法参数实验
4.1.1 模糊加权系数选取实验
4.1.2 调整系数选取实验
4.1.3 势团参数选取实验
4.2 抗噪性实验
4.2.1 模拟噪声图像抗噪性实验
4.2.2 Berkeley图像分割数据库图像抗噪性实验
4.3 本章小结
总结和展望
参考文献
致谢
附录A 攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]快速鲁棒核空间模糊聚类分割[J]. 吴其平,吴成茂. 中国图象图形学报. 2018(12)
[2]动态匹配核函数图像检索[J]. 洪睿,康晓东,李博,王亚鸽. 中国图象图形学报. 2018(12)
[3]组合全卷积神经网络和条件随机场的道路分割[J]. 宋青松,张超,陈禹,王兴莉,杨小军. 清华大学学报(自然科学版). 2018(08)
[4]一种基于LBP和马尔科夫特征的细缝裁剪取证方法[J]. 郭继昌,王秋子,赵洁,祁清. 电子科技大学学报. 2018(04)
[5]基于DDS的像质处理提升仿真系统设计与实现[J]. 朱晓攀,陈实. 系统工程与电子技术. 2018(08)
[6]智能摄影测量和图像处理在高分辨率光学遥感影像处理中的应用——CRC-AGIP实验室的案例[J]. Yun ZHANG. 测绘学报. 2018(06)
[7]基于自适应区域限制FCM的图像分割方法[J]. 李磊,董卓莉,张德贤. 电子学报. 2018(06)
[8]多路径高斯核模糊C均值聚类算法[J]. 文传军,汪庆淼. 计算机工程与科学. 2018(05)
[9]面向结构复杂数据集的模糊聚类有效性指标[J]. 唐益明,丰刚永,任福继,胡相慧,张有成. 电子测量与仪器学报. 2018(04)
[10]合成孔径雷达图像分割研究进展[J]. 万玲,尤红建,程跃兵,卢晓军. 遥感技术与应用. 2018(01)
博士论文
[1]分数阶高斯随机场中的长记忆性研究[D]. 吴量.中国科学院研究生院(武汉物理与数学研究所) 2016
[2]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
硕士论文
[1]低截获基带混合信号设计及其低复杂度接收算法研究[D]. 陈丹.电子科技大学 2018
[2]基于痴呆症磁共振影像数据挖掘的脑年龄检测方法研究[D]. 李帆.重庆大学 2017
[3]基于类内类间距离的模糊聚类算法及图像分割应用[D]. 刘璐.西安邮电大学 2016
[4]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[5]基于尺度间上下文关系模型的动态纹理分割[D]. 陈立秋.哈尔滨工程大学 2016
[6]基于支持向量机特征选择的移动通信网络问题分析[D]. 周瑞.华南理工大学 2015
[7]合理利用空间信息的模糊C均值脑部MR图像分割算法研究[D]. 王媛媛.西安电子科技大学 2012
本文编号：3019949
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3019949.html
