基于k-均值聚類算法的彩色圖像分割改進(jìn)算法-資料下載頁
2024-12-06 02:26本頁面
【導(dǎo)讀】導(dǎo)下獨(dú)立進(jìn)行研究所取得的成果。畢業(yè)論文（設(shè)計(jì)）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(diǎn)等，均已明確注明出處。表或在網(wǎng)上發(fā)表的論文。在一幅圖像中,景物往往有眾多的目標(biāo)組成,反映在圖像中是眾多的區(qū)域。像分割屬于圖像處理中一種重要的圖像分析技術(shù)。圖像分割的傳統(tǒng)方法是對(duì)灰。度圖像分割，處理圖像的亮度分量，簡單快速。但卻忽略了圖像中很大一部分。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。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的分割方法能夠。實(shí)時(shí)穩(wěn)定的對(duì)目標(biāo)分割提取，分割效果良好。
【正文】 ③對(duì)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)。 ④將所有像素逐個(gè)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。 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。 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均值聚類算法的圖像分割方法，比隨機(jī)選取聚類的中心點(diǎn)和個(gè)數(shù)減少了運(yùn)算量， 提高了分類精度和準(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。 8 總結(jié)與展望 工作總結(jié) 本論文對(duì)傳統(tǒng)的圖像分割技術(shù)進(jìn)行了簡要的介紹，并將 改進(jìn) 的 K均值 理論應(yīng)用在圖像分割中，發(fā)現(xiàn) K均值 理論在圖像分割中具有很高的應(yīng)用價(jià)值 。 工作展望 目前對(duì)圖像分割算法的評(píng)價(jià)主要還是以主觀評(píng)價(jià)為主 ， 盡管主觀評(píng)價(jià)存在很多缺點(diǎn) ， 但是 ， 由于 圖像的復(fù)雜性以及圖像分割理論的不完善 ， 人們還難以完全用客觀評(píng)價(jià)的方法對(duì) 圖像分割算法進(jìn)行評(píng)價(jià) ， 因此 ， 在今后若干年 , 對(duì) 圖像分割算法的主觀評(píng)價(jià)仍將占主導(dǎo)地位。 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(dá)到相互補(bǔ)充的目的。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)。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(huì) 更多 ， 更成熟。 9 參考文獻(xiàn) [1] 何斌等． Visual C++數(shù)字圖像處理 (第二版 )．北京：人民郵電出版社， 2021 [2] Chai Y Gao L． Waveletbased watershed for image segmentation algorithm． Intelligent control all Automation， 2021， V01． 2： 95959599 [3] A． Chehikian． Image segmentation by contours and regions cooperation． Signal Processing， 1 999， 78(2)： 329— 347 [4] 章毓晉．圖像分割．北京：科學(xué)出版社， 2021 [5] 蔡升華，李方柱．裂隙巖體滲流破壞規(guī)律研究 [J]．電力勘測， 2021． 2527． [6] 陳繁昌．圖像處理與分析 ．北京： 科學(xué)出版社， 2021． tern Recognition Letters，2021， 29(9)： 1385— 1391． [7] 楊善林，李永森，胡笑旋，等． K— means 算法中 k 值優(yōu)化問題研究 [J]．系統(tǒng)工程理論與實(shí)踐， 2021， 26(2)： 97— 101 [8] 于劍，程乾生．模糊聚類方法中的最佳聚類數(shù)的搜索范圍 [J]．中國科學(xué) (E 輯 )，2021， 32(2)： 274— 280 [9] 王植，賀賽先．一種基于 canny 理論的自適應(yīng)邊緣檢測方法 [J].中國圖像圖形學(xué)報(bào)， 2021， 9(8)： 957— 962． 322— 325 [10] 王衛(wèi)星，段嬌．基于數(shù)字圖像處理技術(shù)的巖石節(jié)理寬度測量 [J].微型機(jī)與應(yīng)用， 2021， 4(10)： 51— 53 [11] 邵銳，巫兆聰，鐘世明．基于粗糙集的 K 一均值聚類算法在遙感影像分割中的應(yīng)用 [J]．現(xiàn)代測繪， 2021， 28(2)： 3— 5． [12] 鄭洪英．?dāng)?shù)據(jù)挖掘聚類算法的分析和應(yīng)用研究 [D]．重慶：重慶大學(xué)， 2021
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1