【正文】 c^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5ux^Gj qv^$UE9wEwZQcUE% amp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。M uWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 ksv*3t nGK8! z89Am v^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWv*3t nGK8!z89Am YWpazadNuKNamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。MuWFA5ux^Gj qv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 gTXRm6X4NGpP$vSTTamp。 qYpEh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$U*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkumamp。gTXRm 6X4NGpP$vSTTamp。qYpEh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%MzadNuKNamp。 qYpEh5pDx2zVkum amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWv*3tnGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWv*3tnGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc ^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 ksv*3t nGK8! z89Am v^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9amp。 qYpEh5pDx2zVkumamp。 gTXRm6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuGK8! z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn% Mz84! z89Am v^$UE9wEwZQc UE%amp。 qYpEh5pDx2zVkum amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQc UE% amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。 qYpEh5pDx2zVkumamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。cdPq 9JWKf wvGt YM*Jgamp。 現(xiàn)在 , 圖像分割的算法大多是把多種理論結(jié)合起來應(yīng)用 ， 以達到相互補充的目的。 6 具體步驟如下： ① 將粗糙集理論提供的 L 個中心點 P 作為初始類均值 (1)1? , (2)2? , , ()ll? 。此外，針對在圖像邊緣無法獲取完整的窗口信息而得不 到紋理特征值的問題，考慮到特征值同參與計算的像素之間的聯(lián)系，本文采取了區(qū)域均值的算法，以半徑 d： 3的窗口矩陣為例，邊緣像素的值近似的表示為與其相關(guān)的所有紋理特征值之平均值。此外 Lab 模型具有寬闊的色域，不僅包含了 RGB 的所有色域，而且彌補了 RGB 色彩模型色彩分布不均的問題。 將樣本集劃分成 k 個類，這種劃分使得下式最小 21 ijkijjxE x m??????? （ ） jm 是第 j 個類的質(zhì) 心， 如果想要設(shè)計一個算法求得全局最優(yōu)解，就必須完成 C(n,k) 次聚類，找出其中使得 E 最小的聚類 結(jié)果。 先隨機選取 K 個對象作為初始的聚類中心。 2 K均值聚類算法 聚類概念 將物理或抽象對象的集合分成由類似的對象組成的多個類的過程被稱為聚類。 1 圖像分割綜述 21 世紀是信息化的時代，信息的形式不再是單純的語音，而是發(fā)展到包括數(shù)據(jù)、文字、圖像、視頻等在內(nèi)的多媒體形式。如何把目標物體從圖像中有效分割出來一直是個經(jīng)典難題之一，它決定圖像的最終分析質(zhì)量和模式識別的判別結(jié)果。圖像分割的傳統(tǒng)方法是對灰度圖像分割，處理圖像的亮度分量，簡單快速。畢業(yè) 論文（設(shè)計） 中凡引用他人已經(jīng)發(fā)表或未發(fā)表的成果、數(shù)據(jù)、觀點等，均已明確注明出處。 本論文首先介紹了 傳統(tǒng)的 圖像分割 與聚類算法分割 ，然后重點介紹一種基于 K均值聚類算法 的圖像 改進 分割方法。 因此，圖像分割是圖像處理和模式識別中的一個重要研究領(lǐng)域。 圖像分割技術(shù)的現(xiàn)狀和發(fā)展情況 圖像分割算法的研究已有幾十年的歷史，一直以來都受到人們的高度重視。 聚類分析計算方法主要有如下幾種：劃分方法，層次方法， 基于密度的方法 ， 基于網(wǎng)格的方法 ， 基于模型的方法 。一旦全部對象都被分配了，每個聚類的聚類中心會根據(jù)聚類中現(xiàn)有的對象被重新計算。在 K均值算法中，常規(guī)的優(yōu)化算法主要針對聚類數(shù)和聚類中心的選取 [8][9]，即通過一些檢測聚類有效性的 4 函數(shù)計算最佳聚類數(shù) k ，并在此基礎(chǔ)上優(yōu)化分割效果。本文選擇了對比度、能量、相關(guān)性、同質(zhì)性描述圖像的紋理特征 。如果相鄰兩次的聚類中心沒有任何變化，說明樣本調(diào)整結(jié)束，聚類準則函數(shù)已經(jīng)收斂 。 ④將所有像素逐個考察，如果 1,2,jK? ，有 ( 1) ( )iijj??? ? ，則算法收斂，結(jié)束；否則返回②繼續(xù)下一次迭代。 9 參考文獻 內(nèi)部資料 請勿外傳 項 目 經(jīng) 理項 目 副 經(jīng) 理 項 目 總 工 質(zhì) 安 總 監(jiān)工程管理部物資管理部技術(shù)管理部檢測試驗室質(zhì)安管理部監(jiān) 督 工 程 管 理部 、 物 資 管 理部 、 檢 測 試 驗 室現(xiàn) 場 質(zhì) 檢 員 、 施 工 員施 工 班 組 3N7N承 承 承 承 承 承 承承 承3S7S承 承 承 承 承 承承 承 承3N7N承 承 承 承 承 承 承承 承 承 承3S7S承 承 承 承 承 承承 承 承 承 承3N7N承 承 承 承 承 承 承承 承3S7S承 承 承 承 承 承承 承 承3N7N承 承 承 承 承 承 3S7S承 承 承 承 承 承3N7N承 承 承 承 承 承 承承 承 承 承3S7S承 承 承 承 承 承承 承 承 承 承3N7N承 承 承 承 承 承 承承 承 承3S7S承 承 承 承 承 承承 承 承 承3N7N承 3S7S承 承 承承 承 承3N7N承 承 承 承 承 承 3S7S承 承 承 承 承 承e39。 UE9aQGn8xp$Ramp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3tnGK8! z89Am UE9aQGn8xp$Ramp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z8vGt YM*Jgamp。MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn% Mz849Gx^G89Am UE9aQGn8xp$Ramp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z8vGt YM*Jgamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQc UE%amp。MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn% Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc ^vR9CpbK! zn% Mz849Gx^G