基于模糊集理論的圖像分割研究.pdf

1、圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。它是低級計(jì)算機(jī)視覺中最基本最重要的研究內(nèi)容，是成功進(jìn)行圖像分析、理解與描述的關(guān)鍵技術(shù)之一，因?yàn)閳D像分割結(jié)果的質(zhì)量直接影響爾后進(jìn)行的分析、識別和解釋的質(zhì)量。圖像分割在計(jì)算機(jī)視覺、圖像編碼、模式識別、醫(yī)學(xué)圖像分析等很多領(lǐng)域有著實(shí)際的應(yīng)用。 圖像自身存在許多不確定性和不精確性，人們發(fā)現(xiàn)模糊理論對于圖像的這種不確定性有很好的描述能力，而圖像分割問題恰好是將圖像的象素進(jìn)行

2、分類的問題，近年來一些學(xué)者致力于將模糊聚類應(yīng)用于圖像分割中，效果要好于傳統(tǒng)的圖像分割方法。但是經(jīng)典的模糊分割方法仍然存在一些問題。 基于以上原因，本文研究了以模糊理論為基礎(chǔ)的，在圖像分割中頗為流行的模糊熵和模糊C均值聚類算法，并針對其在圖像分割中的不足之處進(jìn)行了改進(jìn)和革新。主要研究成果歸納如下： 首先，針對目標(biāo)和背景嚴(yán)重重疊、直方圖為單峰的圖像，提出了適合該類圖像的一種新的模糊熵。新算法結(jié)合圖像的特點(diǎn)引入了代價(jià)函數(shù)，通過

3、代價(jià)函數(shù)重建出近似的理想圖像，然后再用新的模糊熵對重建圖像進(jìn)行分割，實(shí)驗(yàn)結(jié)果表明效果良好。 其次，在傳統(tǒng)的模糊C均值聚類算法的基礎(chǔ)上，提出了結(jié)合像素空間信息的模糊C均值聚類算法。新算法可以較好的克服因欠缺重要的像素空間信息而造成的分割結(jié)果不理想的情況；并在對該算法的一個重要參數(shù)m進(jìn)行了改進(jìn)，使其隨著算法的運(yùn)行，不斷減小，這樣可以使算法能夠平穩(wěn)收斂。 最后，圖像數(shù)據(jù)的計(jì)算量較大，尤其是圖像尺寸越大，計(jì)算量就越大，給實(shí)際應(yīng)用