改进基于空间模式聚类图像分割.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
改进基于空间模式聚类图像分割

改进基于空间模式聚类图像分割   摘 要:为了提高算法在含有一定噪声的图片中的分割功能,将一种隶属度函数计算方法加入到一种空间模式聚类算法当中,使原本已经充分挖掘图像空间信息的聚类算法,在含有一定噪声的图片上得到较好的分割效果。实验证明,修改后的算法提高了抗噪性能。   关键词:图像分割; 聚类; 噪声; 空间模式; 隶属度   中图分类号:TP391文献标志码:A   文章编号:1001-3695(2009)06-2396-02   doi:10.3969/j.issn.1001-3695.2009.06.120      Image segmentation by improved clustering of spatial patterns   ZHU Wei-peng, WANG Shi-tong   (School of Information Technology, Jiangnan University, Wuxi Jiangsu 214122,China)   Abstract:   In order to improve the segmentation capability of algorithm in noisy images, this paper introduced a kind of membership functions with their robustness capability into the clustering procedure of spatial patterns for images,so the proposed algorithm could dig out the space information fully and produced good segmentation results for noisy images. Experiments prove that the modified algorithm has good performance in noisy images.   Key words:image segmentation; clustering; noise; space pattern; membership      图像分割是图像分析和模式识别的第一步,是图像分析及模式识别基本和关键的组成部分,也是图像分析中最困难的任务之一,它决定着分析的质量和最终的结果。可将图像分割的过程看成是把一幅图像分离成一系列不重叠的区域,并且相邻两个区域间并不一致的过程。由于图像本身的多样和复杂性,要想顺利地完成这样的工作并不容易。影响分割效果的不仅有图像间结构空间上的差别,还有图像中的噪声和尺寸等。   ?プ艿睦此担?大多数图像分割算法建立在图像本身的相似性、特殊性上,可以大致分为阈值[1]、模板匹配[2]、区域增长[3]、边缘检测[4]和聚类[5]几种。这些方法在许多应用领域获得了成功,但是没有一种算法适用于所有的图像,并且对于一些特殊的应用要求来说,不同的算法在处理效果上有显著的不同。图像本身提供了丰富的结构空间特征信息,好的算法应当尽量充分地挖掘这些信息,以便算法能够准确地进行分割。   ?ケ疚慕樯艿氖且恢指慕?的比较强健的聚类算法,在充分考虑到图像本身空间结构特征的基础上,具有一定的抗噪能力,使分割的效果更准确。本文先介绍一种空间模式聚类算法[6],然后再介绍修改后的算法,最后展示了实验结果。      ??1 空间聚类算法      ?ゴ?统的模糊聚类算法是通过定义在颜色空间上的欧拉距离公式进行不相似性计算的,公式如下:   ??d=X-Vr2(1)   其中:X代表像素的颜色值;Vr代表聚类中心。 式(1)仅仅考虑了图像的颜色信息。一种扩展的新的距离公式挖掘了更丰富的图像信息:   ??drs=d??Frs+α×d??Srs(2)   ?ナ?(2)由两个部分组成,d??Frs代表式(1)中的颜色空间信息,d??Srs则代表了图像的位置空间信息。如果一个像素位于一个目标区域内,它就被认为是与那个目标的聚类更相似。对于每一个像素来说,它的位置能够从其空间上下文推理得到。在一幅图像中,相邻像素之间具有一定的联系,因此,一个像素的空间上下文能够从它的邻域中进行描述。如果一个像素邻域中的所有像素都属于第r个聚类,则认为该像素也位于第r个区域中,并让标准化的空间不相似性d??Srs为1;相反,如果邻域中没有一个像素属于第r个聚类,视该像素位于第r个区域之外并令d??Srs为0。另一方面,d??Srs的值位于0和1之间,对应于邻域有多少像素是位于第r个聚类中的。空间不相似性d??Srs的计算公式如下:

文档评论(0)

317960162 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档