基于模糊聚類理論的圖像分割算法研究.pdf

1、圖書分類號UDC洼’TP39l全日制工程碩士學(xué)位論文基于模糊聚類理論的圖像分割算法研究沈灝校內(nèi)指導(dǎo)教師(姓名、職稱)掛志國麴授校外指導(dǎo)教師(姓名、職稱)周云川工程垣申請學(xué)位級別全日劍工程亟士所在領(lǐng)域(研究方向)電壬皇通值工程論文提交日期絲』年[月』遺l_日論文答辯日期絲叢年』月蘭蘭日學(xué)位授予日期——年——月——日論文評閱人主壺生2：超盈撿答辯委員會主席艘：綠2015年月日中北大學(xué)學(xué)位論文基于模糊聚類理論的圖像分割算法研究摘要圖像分割是一

2、種通過相關(guān)準(zhǔn)則把圖像分成若干具有相同性質(zhì)的類，并從中提取目標(biāo)區(qū)域的圖像處理方法。基于模糊聚類理論的圖像分割算法以其良好的分割性能在圖像分割領(lǐng)域得以廣泛關(guān)注和運用。模糊C(mzzycmeansclusteringalgorithm，F(xiàn)CM)均值聚類算法收斂性好，是一種無監(jiān)督聚類算法，但該算法僅考慮了圖像的灰度信息，卻未考慮空間信息，對噪聲較敏感，易造成圖像細節(jié)信息丟失、分割結(jié)果不準(zhǔn)確，出現(xiàn)噪聲等問題。本文研究了基于模糊理論的圖像分割算法，

3、并對傳統(tǒng)的FCM算法及其改進算法進行了深入的研究，針對現(xiàn)有算法存在的問題，圍繞FCM算法及其改進算法做了以下研究工作：(1)重點研究了標(biāo)準(zhǔn)FCM圖像分割及其改進算法。進而研究了在建立相鄰像素間的相關(guān)性模型的基礎(chǔ)上，利用該相關(guān)性替代EnFCM算法中的常數(shù)對圖像進行濾波的FGFCM算法，最后對基于核函數(shù)的FCM圖像分割算法(KFCM)進行了研究。實驗結(jié)果表明FGFCM有效的平衡了噪聲以及圖像細節(jié)，分割效果相對理想。(2)進一步對RFCM算法

4、進行了研究，針對RFCM算法存在的不足：噪聲被視為正常圖像的一部分、未考慮噪聲和鄰域之間的關(guān)系、不能有效避免噪聲。提出結(jié)合空間鄰域和灰度信息的新的模糊C均值聚類圖像分割算法(SNRFCM算法)。(3)在改進的SNRFCM算法基礎(chǔ)上，在目標(biāo)函數(shù)中采用內(nèi)核感應(yīng)距離代替歐氏距離，引入核函數(shù)，提出了一種基于空間信息的核模糊C均值聚類圖像分割算法(KSNRFCM算法)。通過使用一個懲罰因子，有效地減少了噪聲對聚類結(jié)果的負面影響。通過使用聚類權(quán)重，