基于模糊理論的圖像分割算法的研究.pdf

1、基于模糊理論的圖像分割算法的研究重慶大學(xué)碩士學(xué)位論文學(xué)生姓名：權(quán)佳成指導(dǎo)教師：龔劬教授專業(yè)：計算數(shù)學(xué)學(xué)科門類：理學(xué)重慶大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院二O一一年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要圖像分割是圖像分析和模式識別的首要問題，也是圖像處理的經(jīng)典難題之一，它是圖像分析和模式識別系統(tǒng)的重要組成部分，并決定圖像的最終分析質(zhì)量和模式識別的判別結(jié)果，它將圖像分成各具特征的區(qū)域并提取出感興趣的目標。近年來，許多學(xué)者根據(jù)一些新的數(shù)學(xué)理論提出了很多圖像分

2、割方法，比如：閾值分割法，邊緣檢測法，區(qū)域生長法，神經(jīng)網(wǎng)絡(luò)法，模糊聚類法等等。模糊C均值聚類算法作為應(yīng)用最廣泛的基于模糊理論的圖像分割算法已經(jīng)成功地應(yīng)用于社會中的很多領(lǐng)域，比如：大氣學(xué)，地理學(xué)，醫(yī)學(xué)圖像，目標識別等等。本文首先提出一種基于二維相似度的FCM圖像分割算法。傳統(tǒng)FCM算法容易陷入局部最優(yōu)。該算法在模糊聚類前，根據(jù)模糊聚類的相似性和一致性原則，快速確定初始聚類中心，避免了聚類中的死點問題。由于傳統(tǒng)FCM算法進行模糊聚類時僅利用

3、了像素點與聚類中心在特征信息上的相似度，因此魯棒性較差。該算法將目標函數(shù)中的距離定義為特征距離和自適應(yīng)空間距離的不同權(quán)重之積，在進行模糊聚類時，同時利用像素點與聚類中心在特征信息和空間信息上的相似度，建立了包含鄰域信息并帶有隸屬度約束函數(shù)懲罰項的新的聚類目標函數(shù)，實現(xiàn)圖像的分割。在目標函數(shù)中引入懲罰函數(shù)，可以提高圖像分割速度。該算法在進行像素點與聚類中心的相似度比較時，根據(jù)圖像自身信息，自動選取每個像素點的鄰域窗寬大小，同時提高了分割精

4、度和魯棒性。實驗結(jié)果表明，該算法的分割精度較高，同時具有較強的魯棒性。本文又提出一種基于模糊率的FCM自適應(yīng)圖像分割算法。該方法根據(jù)波谷波峰梯度檢測法自動確定模糊聚類數(shù)目，然后利用模糊閾值法快速確定了較為準確的初始聚類中心，并將目標函數(shù)中的距離定義為特征距離和自適應(yīng)空間距離的不同權(quán)重之和，建立包含特征信息和鄰域信息的新的目標函數(shù)，實現(xiàn)圖像的自動分割。實驗結(jié)果表明，該算法的分割速度較快，分割精度較高，同時具有較強的魯棒性。關(guān)鍵詞：關(guān)鍵詞：