结合空间信息的模糊聚类图像分割方法研究-计算机技术专业论文.docxVIP

Ab Abstract I III cellular automata, and the state transition function uses the Moore neighborhood and the same evolution rule, and then to achieve the edge segmentation of the image based on FCM algorithm. The algorithm is applied to general photos and medical images, and the experimental result shows that the algorithm improves the accuracy of the image segmentation, which provides the foundation for the subsequent analysis and research. The experiments verify the effectiveness of the improved algorithm. Key Words ： image segmentation ； fuzzy C-Means clustering ； quadtree ； cellular automata； 江西 江西理工大学硕士学位论文 目录 I I 目 录 摘 要 I Abstract II 第一章 绪 论 1 1.1 图像分割概述 1 1.1.1 图像分割的定义 1 1.1.2 图像分割在应用发展中的难点 3 1.1.3 图像分割技术的国内外研究现状4 1.2 论文选题的意义 8 1.3 本论文的主要研究工作和结构安排8 第二章 聚类分析及其算法10 2.1 聚类分析 10 2.1.1 聚类分析的定义10 2.1.2 相似性度量 10 2.2 常见的聚类算法 12 2.2.1 基于划分的聚类算法 12 2.2.2 基于层次的聚类算法 13 2.2.3 基于密度的聚类算法 13 2.2.4 基于网格的聚类算法 14 2.2.5 基于模型的聚类算法 14 HYPERLINK \l _TOC_250001 2.3 模糊 C 均值聚类算法 15 2.3.1 模糊 C 均值聚类算法的理论基础 15 2.3.2 FCM 算法流程 16 2.3.3 FCM 算法的优缺点 17 2.3.4 FCM 算法的研究现状 17 2.4 本章小结 19 HYPERLINK \l _TOC_250000 第三章 基于四叉树和曲线拟合的 FCM 图像分割方法 20 I II 3.1 四叉树算法的概述20 3.1.1 四叉树的基本思想20 3.1.2 四叉树分裂的条件判断 21 3.1.3 四叉树算法的研究现状 22 3.1.4 基于四叉树样本集的 FCM 分割 23 3.2 曲线拟合算法 24 3.2.1 曲线拟合的基本思想 24 3.2.2 利用曲线拟合优化图像的锯齿边缘 25 3.3 基于四叉树和曲线拟合的 FCM 分割算法 25 3.4 实验结果及效果分析27 3.4.1 不同灰度级的图像分割实验 27 3.4.2 噪声图像分割实验28 3.4.3 医学图像分割实验29 3.5 本章小结 31 第四章 基于元胞自动机的 FCM 图像分割方法32 4.1 引言32 4.2 元胞自动机概述 32 4.3 基于元胞自动机的 FCM 图像分割 39 4.4 实验结果及分析 40 4.5 本章小结 42 第五章 总结与展望 43 5.1 总结43 5.2 展望44 参 考 文 献 45 致 谢 49 攻读学位期间的研究成果50 第一 第一章 绪 论 PAGE PAGE 1 第一章 绪 论 1.1 图像分割概述 总所周知，人类的感官分为五类，分别是视觉、触觉、味觉、听觉和嗅觉，我们通过 它们来认识和感知身边的一切事物，其中视觉占据人类接收信息的比例最大，达到 80%左 右，同时，伴随着计算机技术的高速发展，越来越多的人们开始运用计算机对视觉图像信 息进行信息采集和加工处理，所以研究基于计算机上的视觉图像信息处理技术就显得越来 越有必要。一般将对一幅图像的制作和处理技巧统称为图像技术，其包含图像处理、图像 分析和图像理解这三个块。由于图像处理是基于图像像素层次上的处理而被归为图像技术 的最下级 。为了达到改善图像视觉效果，而对图像进行分割处理和缩短图像传输时间和 存储容量进行的压缩编码等操作都属于图像处理 。位于中层的是图像分析，其目标主要 是提取具有一定智能性的信息，可以借助数字模型和图像处理技术对下级特性和上级组成 进行分析。而图像理解的解决过程与一般的推断