基于k-均值聚類算法的彩色圖像分割改進算法-資料下載頁
2024-12-06 02:26本頁面
【導讀】導下獨立進行研究所取得的成果。畢業(yè)論文（設計）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。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。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。但卻忽略了圖像中很大一部分。對彩色圖像分割的研究一直是圖像處理的焦。點，它采用各種顏色空間模型，使得圖像分割更全面，更精確。實驗結果表明,改進的分割方法能夠。實時穩(wěn)定的對目標分割提取，分割效果良好。
【正文】 ③對于 1,2,jl? ,計算新的聚類中心，更新類均值 :()( 1) 1/ijij j pxQNx???? ?，式中， jN 是 ()ijQ 中的像素個數(shù)。 ④將所有像素逐個考察，如果 1,2,jK? ，有 ( 1) ( )iijj??? ? ，則算法收斂，結束；否則返回②繼續(xù)下一次迭代。 ⑤ 以上聚類過程結束后，為了增強顯示效果，分割結果各像素以聚類中心灰度值作為該類最終灰度。 實驗結果與分析 7 （ 1）原始圖像 （ 2） K均值 分割后的圖像 （ 3）改進的 K均值分割后的圖像 圖 實 驗表明，基于粗糙集理論和 K均值聚類算法的圖像分割方法，比隨機選取聚類的中心點和個數(shù)減少了運算量， 提高了分類精度和準確性，而且對于低對比度、多層次變化 背景的圖像的形狀特征提取具有輪廓清晰、算法運行速 度快、 內(nèi)存占用小等特點，是一種有效的灰度圖像分割算法。 8 總結與展望 工作總結 本論文對傳統(tǒng)的圖像分割技術進行了簡要的介紹，并將 改進 的 K均值 理論應用在圖像分割中，發(fā)現(xiàn) K均值 理論在圖像分割中具有很高的應用價值 。 工作展望 目前對圖像分割算法的評價主要還是以主觀評價為主 ， 盡管主觀評價存在很多缺點 ， 但是 ， 由于 圖像的復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價的方法對 圖像分割算法進行評價 ， 因此 ， 在今后若干年 , 對 圖像分割算法的主觀評價仍將占主導地位。 現(xiàn)在 , 圖像分割的算法大多是把多種理論結合起來應用 ， 以達到相互補充的目的。新的分割方法的研究主要以自動、精確、快速、自適應性和魯棒性等幾個方向作為研究目標。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域的嘗試應用 ， 圖像分割的方法也會 更多 ， 更成熟。 9 參考文獻 [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 (E 輯 )，2021， 32(2)： 274— 280 [9] 王植，賀賽先．一種基于 canny 理論的自適應邊緣檢測方法 [J].中國圖像圖形學報， 2021， 9(8)： 957— 962． 322— 325 [10] 王衛(wèi)星，段嬌．基于數(shù)字圖像處理技術的巖石節(jié)理寬度測量 [J].微型機與應用， 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用 [J]．現(xiàn)代測繪， 2021， 28(2)： 3— 5． [12] 鄭洪英．數(shù)據(jù)挖掘聚類算法的分析和應用研究 [D]．重慶：重慶大學， 2021
研究報告相關推薦
鄂ICP備17016276號-1