幾種聚類算法應(yīng)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(gè)重要的環(huán)節(jié)，是目前非常熱門的研究課題，它廣泛應(yīng)用于醫(yī)學(xué)、交通、軍事等計(jì)算機(jī)視覺相關(guān)領(lǐng)域，所以對(duì)于圖像分割的研究有著重要的現(xiàn)實(shí)意義。圖像分割的好壞決定著后續(xù)對(duì)于圖像分析、圖像理解的質(zhì)量，目前人們針對(duì)不同的問題已經(jīng)提出了很多圖像分割的方法，然而其本身是一門十分復(fù)雜和困難的技術(shù)，人們?nèi)孕鑼?duì)圖像分割技術(shù)進(jìn)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(yīng)用。詳細(xì)說明了幾種經(jīng)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(jìn)算法的具體原理及算法過程，并通過實(shí)驗(yàn)對(duì)其進(jìn)行分析研究。
　　K均值聚類算法由于算法過程簡(jiǎn)單而被廣泛使用，但是對(duì)初始聚類中心很敏感。根據(jù)數(shù)學(xué)中隨機(jī)函數(shù)分布的相關(guān)知識(shí)，樣本均值和標(biāo)準(zhǔn)差是對(duì)數(shù)據(jù)分布評(píng)價(jià)的兩個(gè)重要的數(shù)據(jù)。基于均值-標(biāo)準(zhǔn)差的K均值聚類算法利用樣本對(duì)象的均值和標(biāo)準(zhǔn)差計(jì)算得到更加合理的初值的范圍。經(jīng)實(shí)驗(yàn)分析可知，改進(jìn)算法在收斂速度上有一定的優(yōu)勢(shì)，但是分割準(zhǔn)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(zhǔn)確的分類。但是該算法在進(jìn)行圖像分割時(shí)存在需要事先確定分類數(shù)目、以及特征識(shí)別不夠準(zhǔn)確等缺點(diǎn)?；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(duì)樣本特征的識(shí)別以及分類更加準(zhǔn)確。經(jīng)實(shí)驗(yàn)分析，改進(jìn)算法在分類準(zhǔn)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(shí)不需要任何先驗(yàn)知識(shí)，相較于前兩種算法穩(wěn)定