模糊聚类与粒子群算法在图像分割中的应用研讨.doc

分类号： 密　　级： 公开 学 号： 2008178 单位代码： 10407 硕 士 学 位 论 文 论文题目: 模糊聚类与粒子群算法在图像分割中的应用研究 研 究 方 向 数据挖掘与图像处理 专 业 名 称 计算机应用技术 研 究 生 姓 名 左 浩 导师姓名、职称 李 雯 教授 　 年 月 日 江西·赣州 摘 要 图像分割是数字图像处理的一个重要组成部分，也是图像处理当中一个最基本的技术。图像分割的目的就是将人们所需要的目标区域从背景中分割出来。聚类分析是一种常见的数据分析工具，是将数据集分为由类似数据组成的多个簇的过程。聚类分析被广泛应用于图像分割、数据挖掘、模式分类、医学诊断和机器学习等方面。在众多的图像分割算法中，基于聚类分析的图像分割算法是图像分割领域中一类极其重要和应用相当广泛的算法，其中，使用得最普遍的算法是模糊C均值聚类算法(Fuzzy C-Means clustering, FCM)。FCM算法在模糊聚类理论中占有重要的地位，作为一种无监督聚类算法，它具有很好的收敛性。但是，FCM算法也存在许多不足之处，比如受噪声影响比较大，对初始值有较大的依赖性，容易收敛于局部极值，特别是在聚类样本数量较大的情况下更为突出。因此，对FCM算法中的隶属度函数进行改进，并且引入全局寻优能力强