基于像素級多特征的圖像分割方法研究.pdf

1、圖像分割是圖像處理的一個重要工具,一個有效的、前端的、復(fù)雜的算法。它能夠簡化對圖像的后續(xù)處理,并在視頻和計算機視覺方面都有應(yīng)用,如目標(biāo)定位或識別、數(shù)據(jù)壓縮、跟蹤、圖像檢索等等。雖然大量的圖像分割算法已被廣大研究者提出并改進,但是沒有人提出一種完美的,適合于任何一種圖像的分割算法,現(xiàn)有的方法都多少存在著方法或算法上的不足。因此到目前為止,圖像分割作為一個重要工具的同時,仍然是圖像處理領(lǐng)域的一個具有挑戰(zhàn)性的難題。
　　 當(dāng)前,對基于

2、像素級、多特征、多種分割算法相結(jié)合的分割方法的研究,已經(jīng)成為圖像分割領(lǐng)域的熱點。通過認(rèn)真總結(jié),本文對模糊聚類算法和優(yōu)于傳統(tǒng)機器學(xué)習(xí)的支持向量機方法,從理論和實驗結(jié)果等方面都進行了全面系統(tǒng)的比較和分析。通過像素顏色,紋理等特征來描述圖像的具體信息,并結(jié)合模糊C均值聚類(FCM,Fuzzy C-Means)算法和支持向量機(SVM)的方法展開實驗,主要任務(wù)如下:
　　 1.本文對模糊聚類算法特別是模糊C均值聚類(FCM,Fuzzy

3、C-Means)分割算法進行細(xì)致深入的研究探討,并認(rèn)真研究了模糊聚類圖像分割算法中初始聚類類別數(shù)目的確定、初始聚類中心和隸屬度函數(shù)的選擇。
　　 2.以模糊C均值聚類(FCM,Fuzzy C-Means)理論為基礎(chǔ),提出了一種結(jié)合laws紋理測度與自適應(yīng)閾值的FCM聚類算法對圖像進行分割。通過大量實驗對比表明,該算法與人的視覺感知系統(tǒng)一致性好,對噪聲有良好的抑制效果,節(jié)省實驗過程中程序運行的時間,提高圖像分割速度。
　　

4、 3.通過核函數(shù)類型、核參數(shù)、懲罰因子等因素,對采用支持向量機(SVM)進行圖像分割的方法的可行性進行了分析、研究,提出了一種基于無監(jiān)督的支持向量機分類算法,為使用支持向量機方法(SVM)進行圖像分割提供了依據(jù)。
　　 4.在對多種圖像分割算法研究的基礎(chǔ)上,提出基于像素的彩色圖像分割算法,分別利用同質(zhì)性,Gabor濾波器方法提取圖像的顏色和紋理特征,使用優(yōu)于傳統(tǒng)機器學(xué)習(xí)的支持向量機(SVM)分類。實驗結(jié)果表明,該方法有非常好的計