幾種聚類算法應用于圖像分割的研究與比較.pdf

1、圖像分割作為圖像處理的一個重要的環(huán)節(jié)，是目前非常熱門的研究課題，它廣泛應用于醫(yī)學、交通、軍事等計算機視覺相關領域，所以對于圖像分割的研究有著重要的現(xiàn)實意義。圖像分割的好壞決定著后續(xù)對于圖像分析、圖像理解的質量，目前人們針對不同的問題已經提出了很多圖像分割的方法，然而其本身是一門十分復雜和困難的技術，人們仍需對圖像分割技術進行不斷的研究。本文主要介紹的是基于聚類的算法在圖像分割上的應用。詳細說明了幾種經典的聚類算法，K均值聚類算法、模糊C

2、均值聚類算法和均值漂移聚類算法及其改進算法的具體原理及算法過程，并通過實驗對其進行分析研究。
　　K均值聚類算法由于算法過程簡單而被廣泛使用，但是對初始聚類中心很敏感。根據數(shù)學中隨機函數(shù)分布的相關知識，樣本均值和標準差是對數(shù)據分布評價的兩個重要的數(shù)據?；诰?標準差的K均值聚類算法利用樣本對象的均值和標準差計算得到更加合理的初值的范圍。經實驗分析可知，改進算法在收斂速度上有一定的優(yōu)勢，但是分割準確度上差別很小。模糊C均值聚類算法

3、由于成功地將模糊概念引入到圖像像素分類的過程中，能夠保留更多的原始圖像信息，相較于K均值聚類算法能得到更準確的分類。但是該算法在進行圖像分割時存在需要事先確定分類數(shù)目、以及特征識別不夠準確等缺點?；诤撕瘮?shù)的模糊C均值聚類算法，把待處理的樣本特征空間映射到高維特征空間中，使得對樣本特征的識別以及分類更加準確。經實驗分析，改進算法在分類準確度上有所提高，收斂速度也有所加快。均值漂移算法用于圖像分割時不需要任何先驗知識，相較于前兩種算法穩(wěn)定