融合FCM和Graph+Cut的图像分割方法的研究和应用.pdf

融合FCM 和图割的图像分割方法研究与应用 中文摘要 融合FCM 和Graph Cut 的图像分割方法研究与应用 中文摘要 图像是人类获取信息的重要途径。图像分割是将一幅图像分成各具特性的区域 并提取目标的技术，是图像处理过程中的关键技术之一，也是难题之一。因此，研究 有效的图像分割技术就显得尤为重要。 本论文针对农业应用领域的图像进行分割。目的是更好地了解昆虫的特性，有助 于农业的发展。针对此类图像前背景颜色相近，模糊度较大，本文提出了FCM 和Graph Cut 的图像分割算法，有效的解决此类图片的分割问题，为进一步进行图像分析提供 了可能性。 本文对 FCM （Fuzzy C-Means,FCM）算法和图论分割算法进行了深入细致的研究 和分析，取得了如下成果： 1．针对昆虫类图片的本身的复杂性和不确定性，本文应用了模糊聚类算法，确 定未进行标识像素的归属问题。首先对FCM 算法进行了详细的分析并指出此算法的适 用范围，讨论对初始类心的选择、隶属度的确定存在的问题并作了细致的分析，通过 实验证明由于初始类心的选择、聚类数目和隶属度的确定不同，则产生不同的分割结 果，指出其中存在的不确定性。 2 ．传统的图论分割算法以像素点作为节点构造加权图，大大影响了算法效率， 因此，本文在分析原分水岭(Watershed)算法的基础上，提出了一种改进的 Watershed 方法对图像进行预分割。该方法分析了原始图像复杂性的特点，对原始图像进行平滑 处理，以边缘像素与非边缘像素之间的距离作为约束，重构梯度图，利用 Watershed 变换进行预分割，有效的减少了分水岭变换后的区域个数。 3、为了快速而准确的分割出图像的目标事物，本文用分水岭算法预分割后的子 区域取代像素点，转化为Graph Cut 加权图中的顶点，以区域间的相似性作为加权图 中边的权值，利用最大流-最小割定理计算能量行数来完成图像分割。结果表明，该 方法不仅提高了分割精度，而且还有效地降低了图像分割的时间。 I 中文摘要 融合FCM 和图割的图像分割方法研究与应用 关键词：FCM 、图割、图像分割、分水岭算法、最大流/最小割 作 者：高春明 指导老师：龚声蓉 教授 II Fusion of FCM and Graph Cut Image Segmentation Method Research And Application Abstract Fusion of FCM and Graph Cut Image Segmentation Method Research and Application Abstract An Image is a kind of significant information that humanity acquires ．Putting the Image into regions with characteristics and extracting useful target play all important part in our daily life and scientific researches ．However ,it is difficult to extract the interest target of an Image，for the Image is always influenced by many factors in the process of creation，transmission and record ．Therefore