基于k-均值聚類(lèi)算法的彩色圖像分割改進(jìn)算法-文庫(kù)吧在線(xiàn)文庫(kù)
【正文】 K均值聚類(lèi)法在圖像分割中得到廣泛應(yīng)用 [5][6] 。聚類(lèi)中心以及分配給它們的對(duì)象就代表一個(gè)聚類(lèi)。聚類(lèi)分析又稱(chēng)群 分析，它是研究（樣品或指標(biāo)）分類(lèi)問(wèn)題的一種統(tǒng)計(jì)分析方法。圖像 分割 技術(shù)是針對(duì)性很強(qiáng)的技術(shù)，它在人類(lèi)生產(chǎn)和生活的方方面面起到了越來(lái)越重要的作用。圖像一旦被分割，就可作進(jìn)一步的處理，如基于內(nèi)容的圖像檢索、分類(lèi)及識(shí)別等。 對(duì) 彩色 圖像分割的研究一直是圖像 處理 的焦點(diǎn) ， 它采用各種顏色空間模型，使得圖像分割更全面， 更精確。 本科 畢業(yè)論文（設(shè)計(jì)） 題目 ： 基于 K均值聚類(lèi)算法的 彩色圖像分割改進(jìn)算法 教務(wù)處制 二○ 一二 年 六 月 誠(chéng)信聲明 本人鄭重聲明：本人所呈交的畢業(yè) 論文（設(shè)計(jì)） ，是在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的成果。但卻忽略了圖像中很大一部分信息：色彩，因此分割效果不佳。圖像分割是指將圖像中具有特殊意義的不同區(qū)域分開(kāi)來(lái)，并使這些區(qū)域相互不相交，且每個(gè)區(qū)域應(yīng)滿(mǎn)足特定區(qū)域的一致性條件。據(jù)統(tǒng)計(jì)，人類(lèi)接受外界的信息中有 80％來(lái)自圖像。由聚類(lèi)所生成的簇是一組數(shù)據(jù)對(duì)象的集合，這些對(duì)象與同一個(gè)簇中的對(duì)象彼此相似，與其他簇中的對(duì)象相異。然后計(jì)算每個(gè)對(duì)象與各個(gè)種子 3 聚類(lèi)中心之間的距離，把每個(gè)對(duì)象分配給距離它最近的聚類(lèi)中心。而 K 均值聚類(lèi)則是一個(gè)求得局部最優(yōu)解的算法。 紋理特征的提 取 紋理通常指在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則，具有不依賴(lài)于顏色或照度并可以反映圖像中同質(zhì)現(xiàn)象的特點(diǎn)，本文基于圖像的灰度共生矩陣提取圖像的紋理特征。即： ( ( , ) )jdidi i d j j dX m ean p i j??? ? ? ?? ?? （ ） 其中 (i， j )為 x 的空間坐標(biāo)。 ② 在第 i 次迭代時(shí)，考察每個(gè)像素，計(jì)算它與每個(gè)灰度級(jí)的均值之間的間距，即它與聚類(lèi)中心的距離 D，將每個(gè)像素賦均值距其最近的類(lèi)，即 ? ?( ) ( )m in , ( 1 , 2 , )iip l p jD x D x j l??? ? ? ? () 則 ()ipjxQ? 。新的分割方法的研究主要以自動(dòng)、精確、快速、自適應(yīng)性和魯棒性等幾個(gè)方向作為研究目標(biāo)。 實(shí)驗(yàn)結(jié)果與分析 7 （ 1）原始圖像 （ 2） K均值 分割后的圖像 （ 3）改進(jìn)的 K均值分割后的圖像 圖 實(shí) 驗(yàn)表明，基于粗糙集理論和 K均值聚類(lèi)算法的圖像分割方法，比隨機(jī)選取聚類(lèi)的中心點(diǎn)和個(gè)數(shù)減少了運(yùn)算量， 提高了分類(lèi)精度和準(zhǔn)確性，而且對(duì)于低對(duì)比度、多層次變化 背景的圖像的形狀特征提取具有輪廓清晰、算法運(yùn)行速 度快、 內(nèi)存占用小等特點(diǎn)，是一種有效的灰度圖像分割算法。一旦這 K 個(gè)樣本選取不合理，將會(huì)增加運(yùn)算的復(fù)雜程度，誤導(dǎo)聚類(lèi)過(guò)程，得到不合理的聚類(lèi)結(jié)果 [12]。 (2)設(shè)置半徑為 d 大小為 (2d+1) (2d+1)的窗口矩陣，通過(guò)遍歷圖像的方式計(jì)算出窗口內(nèi)灰度共生矩陣，并將其映射到窗口 中心所代表的像素上。 圖像特征提取 顏色特征的提取 顏色特征是在圖像分割中應(yīng)用最為廣泛的視覺(jué)特征，在本文的彩色圖像分割算法中，我們采用了 Lab 色彩模型。終止條件可以是 以下任何一個(gè)： 1)沒(méi)有（或最小數(shù)目）對(duì)象被重新分配給不同的聚類(lèi)。劃分方法的基本思想是： 給定一個(gè)有 N 個(gè)元組或者紀(jì)錄的數(shù)據(jù)集，分裂法將構(gòu)造 K 個(gè)分組，每一個(gè)分組就代表一個(gè)聚類(lèi)， KN。傳統(tǒng)的圖像分割方法存在著不足，不能滿(mǎn)足人們的要求，為進(jìn)一步的圖像分析和理解帶來(lái)了困難。近年來(lái)，許多研究人員提出用聚類(lèi)算法來(lái)分割圖像，并取得了較好的實(shí)驗(yàn)結(jié)果。 關(guān)鍵詞： K均值聚類(lèi) ；圖像分割； 聚類(lèi)算法 Abstract In an image, the scene is often a large number of targets, reflected in many are as in the image. Image segmentation is an
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1