基于模糊聚类图像分割的方法研究
发布时间：2021-01-18 14:56
图像分割是图像工程的基本技术,也是对图像进行分析和理解的关键过程。传统的分割算法有很多,如边缘检测方法,阈值法等其他方法。但图像中包含的不确定性、模糊性及复杂性,往往造成传统算法不能得到好的分割结果,也使得后续结果分析受到影响。模糊聚类理论的提出,正好能够表述图像的这种特性。因此,在图像分割的研究中被许多学者应用,证明了模糊聚类理论的应用能够得到更理想的分割结果,优于传统算法。模糊C均值（Fuzzy C-Means,FCM）聚类算法获得了图像领域很多学者的认可,该算法的数学理论完善且应用的途径广泛。FCM算法通过不断迭代优化隶属度矩阵和聚类中心,划分图像中的所有像素归于哪些类,得到目标函数最小值,很好的体现了图像的模糊特性,更好的避免了一些其他分割算法的困难。但该算法并不是十分完美,其也存在一些缺陷,比如初始化参数时,偏差太大就容易陷入局部极小值;只是简单计算各个像素的信息,没有计算像素的邻域信息等,所以当图像复杂或者含有噪声,则会影响结果;迭代次数增加,计算量大,太耗时等。论文主要研究了模糊聚类图像分割算法。针对图像分割的发展现状和模糊聚类算法在图像分割应用过程中遇到的问题,主要研究...
【文章来源】：兰州交通大学甘肃省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图像工程
基于模糊聚类图像分割的方法研究-14-让单个样本组成的类中的样本数据不断增加，该类也在壮大，最后将每个样本数据加到一个类中。在实际的应用过程中，通常和别的算法结合在一起，方便聚类。相关的层次聚类算法主要有BIRCH，ROCK，AMOEBA等。2)划分聚类算法划分聚类算法首先把样本数据划分为K组，每个组就是初始聚类，事先给出划分满足的条件，对这K个组不断划分，一直划分到满足条件为止，将每组的聚类结果中的质心作为该样本数据的聚类，很明显该算法收敛快，但复杂情况的聚类不好，如初始聚类有噪声。该算法的经典是K-means算法等。3)密度型聚类算法该算法对样本数据的密度进行计算，也是事先给出满足的条件，和计算的密度进行对比，把符合的数据连在一起，形成若干不规则的区域，便是聚类的结果。密度计算聚类和距离计算聚类相比，密度聚类避免了距离聚类的问题，但是产生的计算量比距离聚类大，比距离聚类计算复杂。4)模型聚类算法模型聚类算法就是借助数学模型，来实现聚类。其主要是把样本数据和数学模型匹配，完成样本数据和模型的最佳拟合，最终完成聚类。图2.2聚类算法2.2模糊C均值(FCM)聚类算法FCM算法是在众多模糊聚类技术中，应用最普遍且很成功的算法之一。该算法在图像分割领域的应用，推动了以图像分析为基础的机器视觉和AI技术的发展，成为研
兰州交通大学工程硕士学位论文-17-第二步：更新隶属度矩阵i)1(U：ckmkjkjijijijvxdvxdu112),(),(1(2.19)第三步：更新聚类中心i)1(V：njmijnjjmijiuxuv11(2.20)第四步：判断条件，如果ll)1()(VV或maxTt，那么停止迭代，输出V和U；否则，令tt1，跳转第二步。第五步：模糊化。按照最大隶属度原则，实现各个像素的划分与归类，最后将图像分割。)max(argikkuC，kC为第i个像素点在第k个类中的隶属度。图2.3FCM算法流程图
【参考文献】：
期刊论文
[1]基于人工神经网络模型的肺癌CT图像分割算法[J]. 石海,杨凡,黄嘉海,周洁. 中国医疗设备. 2019(10)
[2]改进Canny边缘检测的遥感影像分割[J]. 刘丽霞,李宝文,王阳萍,杨景玉. 计算机工程与应用. 2019(12)
[3]结合爬山法的模糊C均值彩色图像分割方法[J]. 贾娟娟,贾富杰. 计算机科学. 2018(S2)
[4]一种基于信息论距离的复杂图像分割方法[J]. 聂方彦,李建奇,屠添翼. 红外技术. 2018(08)
[5]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)
[6]群智能算法优化的结合熵的最大类间方差法与脉冲耦合神经网络融合的图像分割算法[J]. 程述立,汪烈军,秦继伟,杜安钰. 计算机应用. 2017(12)
[7]小波变换与分水岭算法融合的番茄冠层叶片图像分割[J]. 丁永军,张晶晶,LEE Won Suk,李民赞. 农业机械学报. 2017(09)
[8]一种HSI空间基于模糊聚类的火灾彩色图像分割算法[J]. 周凤. 火灾科学. 2017(01)
[9]基于细菌觅食优化算法的城市轨道交通调度优化[J]. 李锦,王联国. 计算机工程与科学. 2017(03)
[10]基于改进KFCM聚类的图像分割算法[J]. 汪彦,杨格兰,何建新. 控制工程. 2016(11)
硕士论文
[1]智能算法及其在图像处理中的应用[D]. 李桃.西华师范大学 2019
[2]基于冠状动脉CT图像的聚类算法研究[D]. 王晨伟.吉林大学 2017
[3]基于FCM聚类的图像分割算法研究[D]. 严思奇.重庆邮电大学 2017
[4]细菌觅食优化算法研究及其在图像匹配中的应用[D]. 周美茹.西安电子科技大学 2014
本文编号：2985147
【文章来源】：兰州交通大学甘肃省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图像工程
基于模糊聚类图像分割的方法研究-14-让单个样本组成的类中的样本数据不断增加，该类也在壮大，最后将每个样本数据加到一个类中。在实际的应用过程中，通常和别的算法结合在一起，方便聚类。相关的层次聚类算法主要有BIRCH，ROCK，AMOEBA等。2)划分聚类算法划分聚类算法首先把样本数据划分为K组，每个组就是初始聚类，事先给出划分满足的条件，对这K个组不断划分，一直划分到满足条件为止，将每组的聚类结果中的质心作为该样本数据的聚类，很明显该算法收敛快，但复杂情况的聚类不好，如初始聚类有噪声。该算法的经典是K-means算法等。3)密度型聚类算法该算法对样本数据的密度进行计算，也是事先给出满足的条件，和计算的密度进行对比，把符合的数据连在一起，形成若干不规则的区域，便是聚类的结果。密度计算聚类和距离计算聚类相比，密度聚类避免了距离聚类的问题，但是产生的计算量比距离聚类大，比距离聚类计算复杂。4)模型聚类算法模型聚类算法就是借助数学模型，来实现聚类。其主要是把样本数据和数学模型匹配，完成样本数据和模型的最佳拟合，最终完成聚类。图2.2聚类算法2.2模糊C均值(FCM)聚类算法FCM算法是在众多模糊聚类技术中，应用最普遍且很成功的算法之一。该算法在图像分割领域的应用，推动了以图像分析为基础的机器视觉和AI技术的发展，成为研
兰州交通大学工程硕士学位论文-17-第二步：更新隶属度矩阵i)1(U：ckmkjkjijijijvxdvxdu112),(),(1(2.19)第三步：更新聚类中心i)1(V：njmijnjjmijiuxuv11(2.20)第四步：判断条件，如果ll)1()(VV或maxTt，那么停止迭代，输出V和U；否则，令tt1，跳转第二步。第五步：模糊化。按照最大隶属度原则，实现各个像素的划分与归类，最后将图像分割。)max(argikkuC，kC为第i个像素点在第k个类中的隶属度。图2.3FCM算法流程图
【参考文献】：
期刊论文
[1]基于人工神经网络模型的肺癌CT图像分割算法[J]. 石海,杨凡,黄嘉海,周洁. 中国医疗设备. 2019(10)
[2]改进Canny边缘检测的遥感影像分割[J]. 刘丽霞,李宝文,王阳萍,杨景玉. 计算机工程与应用. 2019(12)
[3]结合爬山法的模糊C均值彩色图像分割方法[J]. 贾娟娟,贾富杰. 计算机科学. 2018(S2)
[4]一种基于信息论距离的复杂图像分割方法[J]. 聂方彦,李建奇,屠添翼. 红外技术. 2018(08)
[5]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)
[6]群智能算法优化的结合熵的最大类间方差法与脉冲耦合神经网络融合的图像分割算法[J]. 程述立,汪烈军,秦继伟,杜安钰. 计算机应用. 2017(12)
[7]小波变换与分水岭算法融合的番茄冠层叶片图像分割[J]. 丁永军,张晶晶,LEE Won Suk,李民赞. 农业机械学报. 2017(09)
[8]一种HSI空间基于模糊聚类的火灾彩色图像分割算法[J]. 周凤. 火灾科学. 2017(01)
[9]基于细菌觅食优化算法的城市轨道交通调度优化[J]. 李锦,王联国. 计算机工程与科学. 2017(03)
[10]基于改进KFCM聚类的图像分割算法[J]. 汪彦,杨格兰,何建新. 控制工程. 2016(11)
硕士论文
[1]智能算法及其在图像处理中的应用[D]. 李桃.西华师范大学 2019
[2]基于冠状动脉CT图像的聚类算法研究[D]. 王晨伟.吉林大学 2017
[3]基于FCM聚类的图像分割算法研究[D]. 严思奇.重庆邮电大学 2017
[4]细菌觅食优化算法研究及其在图像匹配中的应用[D]. 周美茹.西安电子科技大学 2014
本文编号：2985147
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2985147.html
最近更新
教材专著
