融合紋理特征的模糊聚類圖像分割算法研究.pdf

1、圖像分割是從圖像處理到圖像分析的關(guān)鍵，不僅是目標(biāo)表達(dá)的基礎(chǔ)，而且關(guān)系到測量特征值。原始圖像會被圖像分割及其基于分割的目標(biāo)的表達(dá)、特征的提取和參數(shù)的測量等方式變成抽象而緊湊的形式。圖像分割為高層的圖像分析和圖像理解打下了基礎(chǔ)，因此，研究和發(fā)展有效的圖像分割技術(shù)就顯得尤為重要。本文通過引入圖像的空間約束項(xiàng)及將紋理特征融合到模糊聚類算法中，得到改進(jìn)算法EnFCM T和EnFCM TD。
　　本文圍繞模糊聚類算法的改進(jìn)及其在圖像分割中的應(yīng)

2、用主要做了以下工作:首先，做了FCM分割算法和紋理圖像分割算法的仿真研究，并且通過對仿真實(shí)驗(yàn)的分析，看到了兩種方法各自的優(yōu)缺點(diǎn)以及改進(jìn)途徑。
　　針對傳統(tǒng)的FCM算法沒有考慮像素的空間信息以及對噪聲敏感的的缺點(diǎn)，通常的做法是把空間信息直接加在原來的目標(biāo)函數(shù)上，但是此操作使得對目標(biāo)函數(shù)每次進(jìn)行迭代時(shí)都要重新掃描所有的像素點(diǎn)，這樣做就會大大降低分割速度及占用很大的空間，所以本文提出了EnFCM T算法。該算法在傳統(tǒng)的FCM算法的基礎(chǔ)上

3、同樣引入空間信息，但是它把空間信息和原圖像進(jìn)行線性疊加，并把疊加結(jié)果圖作為后續(xù)操作的初始圖像;同時(shí)在疊加的結(jié)果上進(jìn)一部融合了紋理特征，提高了分割性能和速度。
　　鑒于聚類算法很大程度上依賴于聚類算法中度量距離的定義，為了進(jìn)一步提高EnFCM_T算法的性能，在第五章中對聚類距離進(jìn)行了改進(jìn)，將局部標(biāo)準(zhǔn)差引入距離度量標(biāo)準(zhǔn)中，得到了另一新算法EnFCM_TD。
　　最后，通過仿真實(shí)驗(yàn)比較FCM、EnFCM_T和EnFCM_ TD三種