基于自适应模糊C-均值与机会约束支持向量机的图像分割算法-运筹学与控制论专业论文.docxVIP

硕士学位论文基于自适应模糊C．均值与机会约束支持向量 硕士学位论文 基于自适应模糊C．均值与机会约束支持向量 机的图像分割算法 An adaptive Fuzzy C-means Algorithm and Chance Constrained Support Vector Machine：Applications to Image Segmentation 王秀秀 者科 姓专 运筹学与控制论郭方芳 讲师 作学学指完 导成 教目 名业号师期 2015年5月 大连理工大学 Dalian University of Technology 万方数据 大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工 作所取得的成果．尽我所知，除文中已经注明引用内容和致谢的地方外，本论 文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或 其他用途使用过的成果．与我一同工作的同志对本研究所做的贡献均已在论 文中做了明确的说明并表示了谢意． 若有不实之处，本人愿意承担相关法律责任． 学位论文题目：薹趋垒幽!：塑鱼：堑垫巡幽蚴篁这 作者签名： 王磊镌 日期：如区 年 占 月 岁 日 万方数据 大连理工大学硕士学位论文摘 大连理工大学硕士学位论文 摘 要 图像分割是图像分析和模式识别中的重要问题．所谓图像分割是指将图像中具有特 殊意义的不同区域区分开来，使这些区域互不相交，并且满足一定的相似性准则．目前已 经提出许多不同类型的图像分割方法，如基于阈值、区域、边缘等的分割方法．阈值法计 算简单所以分割速度快，区域法在处理较均匀的图像时效果理想，边缘法适用于处理噪声 较小的图像．随着图像分割理论的发展，出现了与特定理论结合的图像分割方法，如模糊 C一均值理论、支持向量机理论等．基于模糊C．均值理论的算法是无监督的分类算法，减 少了人为的干扰．基于支持向量机的分割算法因为具有强大的泛化能力所以只需较少的 样本点即可处理图像分割问题．虽然由这两类理论衍生的很多算法成功应用于图像分割 问题中，但是仍存在一些问题：基于模糊C．均值理论的算法对参数很敏感，基于支持向量 机的分割算法忽略了数据集不平衡及分类准确度要求不同的问题．本文改进了模糊C．均 值理论和机会约束支持向量机理论并将其应用于图像分割．本文取得的结果可概括如下： 一、针对基于模糊C．均值理论算法对参数敏感程度高的缺点及图像不同区域采用 同一参数值的不合理性，本文提出了基于局部噪声检测的自适应模糊C．均值算法，简称 NDFCM．在新算法中，使用两种图像滤波方法处理图像，两种滤波方法的结合更有利于 去噪和保留原图像信息，平衡这两种方法的参数是图像像素为噪声点的概率，此参数通过 图像每个邻域中的灰度级数方差来计算，与人工设定参数值相比，本文参数的计算依据图 像自身的灰度特征，这大大提高了算法的自适应性．实验结果表明，对于人工图像和实际 图像，NDFCM算法都能有效的处理分割问题． 二、针对许多分类工作中对每类正确分类的准确度需求不同，而且很多分类器对噪 声太敏感的问题，本文在非线性可分的分类器中运用软分类，通过引入松弛变量f≥0提 出结合核函数与软分类的机会约束支持向量机算法，简称KSCC．SVM．新算法通过核函 数处理非线性可分的数据，通过软分类降低分类器对噪声的敏感度，通过机会约束控制正 确分类的准确度．在图像预处理阶段，本文采用FGFCM算法得到样本的标号，并随机抽 取训练样本对本文提出的向量机进行训练，然后用训练完的向量机分割图像．实验结果表 明，相比于FGFCM算法和非线性可分的分类器(NLCC．SVM)，KSCC．SVM算法的分类 准确度更高，抗噪能力更强． 关键词：模糊C一均值；支持向量机；机会约束；二阶锥规划；图像分割 万方数据 An An adaptive Fuzzy C—means Algorithm and Chance Constrained Support Vector Machine：Applications to Image Segmentation Abstract Image segmentation is a fundamental problem in image analysis and computer vision，im。 age segmentation techniques divide all image into a set of disjointed regions which are satisfied certain similarity criterions by which the