基于k-均值聚類算法的彩色圖像分割改進(jìn)算法-文庫吧資料
2024-12-14 02:26本頁面
【正文】 代的方法改變分組，使得每一次 改進(jìn)之后的分組方案都較前一次好，而所謂好的標(biāo)準(zhǔn)就是：同一分組中的記錄越近越好，而不同分組中的紀(jì)錄越遠(yuǎn)越好。 K均值 聚類算法是著名的劃分聚類分割方法。聚類分析又稱群 分析，它是研究（樣品或指標(biāo)）分類問題的一種統(tǒng)計(jì)分析方法。 2 K均值聚類算法 聚類概念 將物理或抽象對(duì)象的集合分成由類似的對(duì)象組成的多個(gè)類的過程被稱為聚類。 2 圖像分割主要研究方法 圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)， 圖像分割是把圖像分割成若干個(gè)特定的、具有獨(dú)特 性質(zhì)的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程，這些特性可以是像素的灰度、顏色、紋理等提取的目標(biāo)可以是對(duì)應(yīng)的單個(gè)區(qū)域，也可以是對(duì)應(yīng)的多個(gè)區(qū)域。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。圖像 分割 技術(shù)是針對(duì)性很強(qiáng)的技術(shù)，它在人類生產(chǎn)和生活的方方面面起到了越來越重要的作用。 1 圖像分割綜述 21 世紀(jì)是信息化的時(shí)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。但如何初始劃分 (分類 )樣本以及選擇代表點(diǎn)將直接影響分割的效果。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)。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、分類及識(shí)別等。如何把目標(biāo)物體從圖像中有效分割出來一直是個(gè)經(jīng)典難題之一，它決定圖像的最終分析質(zhì)量和模式識(shí)別的判別結(jié)果。 image segmentation。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(duì)目標(biāo)分割提取，分割效果 良好。 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。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。 論文作者簽名： 日 期： 年 月 日 摘 要 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。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。 本科 畢業(yè)論文（設(shè)計(jì)） 題目 ： 基于 K均值聚類算法的 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。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。 特此聲明。 圖像分割 屬于 圖像處理中一種重要的 圖 像分析技術(shù)。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。 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(diǎn)介紹一種基于 K均值聚類算法 的圖像 改進(jìn) 分割方法。 關(guān)鍵詞： K均值聚類 ；圖像分割； 聚類算法 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 important image analysis technique of with the luminance ponent of the image， simple and fast. But it ignores a large part of the information in the image: color, so the poor segmentation on color image segmentation has been the focus of image processing, which uses a variety of color space model, making the segmentation more prehensive and more accurate. This paper first describes
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1