基于粗糙集的模糊聚類及其圖像分割應(yīng)用.pdf

1、物理或抽象的集合，按照特定的規(guī)則劃分成相似的對(duì)象類的過程稱為聚類分析。簇是數(shù)據(jù)對(duì)象的集合概念，這些對(duì)象與同一簇中的對(duì)象彼此相似，而與其他簇中的對(duì)象相異。聚類分析在近幾十年中已有了長(zhǎng)足的發(fā)展，已成為數(shù)據(jù)挖掘研究領(lǐng)域中一個(gè)非?；钴S的研究課題，在圖像分割中也有廣泛的應(yīng)用。為了適應(yīng)眾多的應(yīng)用要求，相當(dāng)數(shù)量的聚類方法相繼被提了出來。然而，由于不同的聚類應(yīng)用對(duì)分析方法有不同的要求，因此目前的聚類方法還存在一定的問題。本論文在粗糙集的框架下，引入遺傳

2、算法，用進(jìn)化優(yōu)化目標(biāo)函數(shù)的思想來解決聚類中存在的問題，提出了基于粗糙集和遺傳算法的一般化模糊聚類算法，并將其應(yīng)用于圖像分割中。本論文的主要工作如下：
　　 提出一種基于粗糙集和遺傳算法的一般化模糊C均值聚類方法。該方法通過在粗糙集框架的基礎(chǔ)上引入遺傳算法的概念和思想，設(shè)計(jì)一種特別的染色體編碼方案，采用選擇、交叉和變異的基因操作，融合了兩種不同的傳統(tǒng)聚類方法，也就是模糊C均值(FCM)和可能性C均值(PCM)方法，對(duì)目標(biāo)對(duì)象進(jìn)行聚

3、類，降低了聚類方法對(duì)初始聚類中心選擇的敏感性，提高了聚類結(jié)果的性能和穩(wěn)定性。
　　 針對(duì)圖像處理的任務(wù)要求，將上述聚類方法應(yīng)用于圖像分割技術(shù)領(lǐng)域中，以達(dá)到目標(biāo)識(shí)別的目的。針對(duì)給定的圖像，利用小波分解和灰度共生矩陣的方法，提取圖像的數(shù)學(xué)特征，再利用分水嶺方法進(jìn)行初分割以降低圖像信息的冗余度和數(shù)據(jù)的規(guī)模，利用該聚類方法對(duì)圖像信息數(shù)據(jù)進(jìn)行聚類得到圖像的分割結(jié)果。實(shí)驗(yàn)表明，該方法增加了圖像分割的穩(wěn)定性，提高了圖像分割的平均準(zhǔn)確度和分割質(zhì)