三种聚类算法在建筑图像分割上的应用.pdf

文章编号：1007—1423(2017)02—0076—05 DOI：10．3969／j．issn．1007—1423．2017．02．019 三种聚类算法在建筑图像分割上的应用 周婷婷，张虹波，潘丽静 (宁夏大学物理与电子电气T程学院 ，银川 750021) 摘要 ： 对三种聚类算法 (MeanShift、K—Means、FCM)的原理进 行简单的阐述 ，针对 Berkeley分割数据集 和基准 500 (BSDS500)标准图片库中的一张建筑物 图片在MATLAB2013a上编程实现对该图片的彩色聚类分割和灰度聚类分 割，根据实验结果对三种聚类算法从参数设置、分割效果和分割时间上进行对 比分析它们的优缺点，并得出结论。 关键词 ： 聚类算法 ；MeanShift；K—Means；FCM 0 引言 示 X空f．-j中球体的一个特征函数。本实验采用的是单 位均匀核函数。其表达式如下： 图像分割是把 图像划分为若干有意义区域并提取 K()：1,f／llxII1 感兴趣 目标的图像处理技术，图像分割是图像识别和 (1) l 计算机视觉至关重要的预处理 没有正确的分割就不 … ．． 单位均匀核函数如图 1所示闾： 可能有正确 的识别 。分割技术在人脸识别、行人检测 、 指纹识别和医学影像分析中有重要的研究价值和广泛 的应用发展前景 图像分割方法主要包括以下几种类型：基于阈值 的分割 、基于区域的分割、基于边缘的分割 以及基于特 定理论的分割等 1]『。张毅飞、吕科在文献 2『1使用均值漂 移算法结合区域增长算法对遥感图像海陆边界进行分 图 1单位均匀核函数 割。邹秋霞 、杨林楠等在文献 3『1中使用 Lab色彩空间和 K—Means算法对植物叶片进行分割。王建、于镇赫等提 其中， EX，那么在 向量点x处的样本均值为： 出一种改进的模糊核均值聚类算法．结合 Outs算法得 ∑K(s) 到的阈值得到聚类灰度均值．将这些均值作为聚类中 m^()= (2) 心的初始值 以实现模糊聚类算法 ∑K(s—) ∈ 1 均值漂移 (MeanShift)算法 均值漂移 向量表示为： MeanShift算法是一种基于密度梯度上升的非参数 ∑K(一)s 方法 ．通过迭代运算找到 目标位置。基于MeanShift的 (3) 图像分割与图像平滑非常类似 ．只需要把收敛到同一 ∑ (一) 点的起始点归为一类 ．然后把这一类的标号赋给这些