基于k-均值聚類算法的彩色圖像分割改進(jìn)算法(存儲版)
【正文】 ....................... 4 顏色特征的提取 ........................................................................ 4 紋理特征的提取 ........................................................................ 4 K均值聚類圖像分割算法的研究與改進(jìn) ............................................ 5 實(shí)驗(yàn)結(jié)果與分析 ................................................................................... 6 總結(jié)與展望 .................................................................................... 8 工作總結(jié) ............................................................................................... 8 工作展望 ............................................................................................... 8 參考文獻(xiàn) ........................................................................................ 9 1 序言 在計(jì)算機(jī)視覺和圖像分析中。 圖像分割 屬于 圖像處理中一種重要的 圖 像分析技術(shù)。除文中已經(jīng)注明引用的內(nèi)容外，不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或在網(wǎng)上發(fā)表的論文。實(shí)驗(yàn)結(jié)果表明 , 改進(jìn)的分割方法 能夠?qū)崟r(shí)穩(wěn)定的對目標(biāo)分割提取，分割效果 良好。目前圖像分割的算法主要有閾值分割法、邊緣提取法、區(qū)域分割法、分水嶺分割法等，這些分割算法各有優(yōu)缺點(diǎn)。關(guān)于圖像分割的原理和方法國內(nèi)外已有不少的論文發(fā)表，但一直以來沒有一種分割方法適用于所有圖像分割處理。 K均值 聚類算法是著名的劃分聚類分割方法。這個(gè)過程將不斷重復(fù)直到滿足某個(gè)終止條件。近年的一些研究 [10][11]表明，融合多種圖像特征更有利于獲得較好的分割效果，文獻(xiàn) [7]的研究表明，在對自然彩色圖像進(jìn)行分割時(shí)，考慮了像 素的空間特征，算法有更好的魯棒性。特征提取步驟如下： (1)將彩色圖像降為低階灰度圖像，灰度級取為 8。 K均值聚類算法中重要的一步是初始聚類中心的選取，一般是隨機(jī)選取待聚類樣本集的 K 個(gè)樣本，聚類的性能與初始聚類中心的選取有關(guān)，聚類的結(jié)果與樣本的位置有極大的相關(guān)性。 ⑤ 以上聚類過程結(jié)束后，為了增強(qiáng)顯示效果，分割結(jié)果各像素以聚類中心灰度值作為該類最終灰度。相信隨著各種理論的不斷發(fā)展、完善和成熟 ， 以及新理論在圖像分割領(lǐng)域的嘗試應(yīng)用 ， 圖像分割的方法也會 更多 ， 更成熟。 ③對于 1,2,jl? ,計(jì)算新的聚類中心，更新類均值 :()( 1) 1/ijij j pxQNx???? ?，式中， jN 是 ()ijQ 中的像素個(gè)數(shù)。 K均值聚類 圖像分割 算法的研究與改進(jìn) K均值聚類算法的基本思想：隨機(jī)選取 K 個(gè)點(diǎn)作為初始聚類中心，計(jì)算各個(gè)樣本到聚類中心的距離，把樣本歸到離它最近的那個(gè)聚類 中心所在的類，對調(diào)整后的新類計(jì)算新的聚類中心。根據(jù)共生矩陣，可以計(jì)算熵、對比度、能量、相關(guān)、方差等 16 種用于提取圖像中紋理信息的特征統(tǒng)計(jì)量。 采用 歐氏距離 進(jìn)行距離測量， 在 n 維空間中歐氏距離的公式是： ? ? 1 / 221=niiiD x m????????? （ ） K均值聚類算法描述 （ 1）從 n 個(gè)樣本中選擇 k 個(gè)質(zhì)心 （ 2）將數(shù)據(jù)集當(dāng)中每一個(gè) ix 分配到與之相距最近的質(zhì)心 jm 代表的聚類中 （ 3）分配后，質(zhì)心會發(fā)生變化，計(jì)算新質(zhì)心以及 E 值 （ 4）重復(fù)（ 2）和（ 3）直到達(dá)到最大迭代次數(shù)或新計(jì)算的 E 值與上一次迭代得到的 E 值之間的差別小于一個(gè)給定的閾值 3 基于 K均值聚類的 彩色 圖像分割算法 及改進(jìn) 引言
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號-1