基于模糊聚类的图像分割算法研究

发布时间：2022-02-12 15:29

　　图像分割是图像处理的关键环节,其本质是对图像进行区域划分,一个区域内的元素被认为是具有相似性的,而不同区域间的元素是具有较大差异的。图像分割的运用场景广泛,其中,在医学图像处理方面,对脑部MR图像进行分割,可以清晰地看到各组织地分布情况,并且凸显出异常地部分,帮助医生确认病灶,以便更好地进行诊断和开展治疗;在城市遥感图像的图像处理方面,可以快速地了解城市的布局,对于城市的建设开发,和范围异常的监控都具有重要意义。此外在很多其它领域都能看到图像分割的身影。因此可以看出,在生活的方方面面,图像分割结果的优劣都是值得重视的指标,它往往会影响到后续的工作,所以本文对基于模糊聚类的图像分割进行更加深入的研究是很必要的。本文所采用的图像分割算法是基于模糊C均值聚类算法的,通过对传统算法存在的问题进行分析,思考解决问题的方法,对算法的思想、流程进行改进。首先简要介绍了图像分割的技术研究和FCM算法的研究发展现状。然后重点分析了FCM算法及其经典的改进算法的思想和流程。接着本文提出一种基于粒子群优化的FCM算法（PSO＿FCM）,通过引入粒子群优化算法来解决初始聚类中心的选取问题和聚类类别数的确定问题... 

【文章来源】：电子科技大学四川省211工程院校985工程院校教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

K-means算法聚类结果

第二章相关技术11一定程度上只能实现局部寻优，而不能在全局范围内寻优。图2-2电子科技大学图书馆实拍如图2-2是电子科技大学图书馆的实拍图像，用K-means算法对其进行分割后的结果如图3-3所示。(a)(b)图2-3K-means算法分割结果。图(a)为聚类中心数为3；图(b)为聚类中心数为4

第二章相关技术11一定程度上只能实现局部寻优，而不能在全局范围内寻优。图2-2电子科技大学图书馆实拍如图2-2是电子科技大学图书馆的实拍图像，用K-means算法对其进行分割后的结果如图3-3所示。(a)(b)图2-3K-means算法分割结果。图(a)为聚类中心数为3；图(b)为聚类中心数为4

【参考文献】：
期刊论文
[1]应用区域生长的无人船红外图像精确分割方法[J]. 何翠萍.  舰船科学技术. 2021(04)
[2]快速自适应非局部空间加权与隶属度连接的模糊C-均值噪声图像分割算法[J]. 王小鹏,王庆圣,焦建军,梁金诚.  电子与信息学报. 2021(01)
[3]基于深度学习的图像分割技术分析[J]. 张影.  信息与电脑(理论版). 2020(23)
[4]鲁棒模糊聚类图像分割理论进展[J]. 吴成茂.  西安邮电大学学报. 2020(06)
[5]基于方差加权的FLICM模糊聚类的图像分割方法研究[J]. 汪敏,周玉程.  计算机应用研究. 2020(S1)
[6]基于加强模糊聚类的航空行李图像超像素分割[J]. 罗其俊,曹志芬,牛国臣.  航空学报. 2020(S2)
[7]基于分布信息直觉模糊c均值聚类的红外图像分割算法[J]. 王晓飞,胡凡奎,黄硕.  通信学报. 2020(05)
[8]FCM改进方法在图像分割中的知识发现[J]. 汪克峰,钱进,李仁璞.  实验室研究与探索. 2020(03)
[9]基于模糊C均值聚类算法的脑部CT图像分割[J]. 蒋文娟,李富芸,徐冬.  电脑知识与技术. 2020(07)
[10]基于模糊聚类的图像分割研究进展[J]. 雷涛,张肖,加小红,刘侍刚,张艳宁.  电子学报. 2019(08)

博士论文
[1]基于图论的图像分割算法的研究[D]. 刘仲民.兰州理工大学 2018

硕士论文
[1]基于模糊C均值聚类的脑部MR图像分割算法研究[D]. 沈晓.南京邮电大学 2019
[2]基于深度卷积神经网络的医学图像分割方法研究[D]. 向松.武汉科技大学 2019
[3]灰度图像的边缘检测算法研究[D]. 张金波.东南大学 2019
[4]基于图论的医学图像分割关键技术研究[D]. 刘庆烽.江苏大学 2018
[5]基于改进的FCM算法在图像分割中的应用[D]. 牛迎春.广西师范学院 2017
[6]基于超像素和图论的图像分割方法研究[D]. 邹旭华.中国科学技术大学 2017
[7]聚类算法及其在图像分割中的应用研究[D]. 加小红.兰州交通大学 2017
[8]基于视觉感知的图像质量评价算法研究[D]. 高源.电子科技大学 2013



本文编号：3621971