基于顏色空間的圖像分割方法研究.pdf

1、圖像分割處于圖像處理技術的基礎環(huán)節(jié),同時也是圖像處理研究領域中最困難的研究項目之一。圖像分割的質量決定了圖像理解中的目標檢測、特征提取和目標識別等的效果,這就意味著它決定了圖像的最終分析質量和模式識別的判別結果。因此,圖像分割意義重大。
　　模糊聚類結合了模糊集理論和聚類理論,并將兩者的優(yōu)勢集結了起來,所以成為圖像分割常用的方法。模糊C均值聚類(FCM)算法是最具代表性的方法,它作為一種無監(jiān)督的模糊聚類方法,在實現過程中避免了人為

2、干預,使得算法在處理中具有更好的穩(wěn)定性。該算法已經成功地應用于圖像分割、數據挖掘、目標識別、醫(yī)學診斷等領域。
　　本文主要的研究對象是模糊C均值聚類算法,首先介紹了硬C均值聚類和傳統(tǒng)的模糊C均值聚類算法,針對傳統(tǒng)模糊C均值聚類算法的缺點,進行了兩方面的改進:
　　(1)首先采用分層減法聚類得到快速模糊C均值聚類,然后與HIS顏色空間相結合,得到基于HIS顏色空間的快速模糊C均值聚類算法,實驗證明改進后算法的計算速度有所提高;