需要金幣： 1000 個(gè)金幣 |
資料包括：完整論文，開(kāi)題報(bào)告 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：17751 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：圖像分割是圖像處理與分析中很重要的一部分內(nèi)容，尤其是在圖像的識(shí)別中，這是一種非常關(guān)鍵的方法。它的目的是根據(jù)圖像像素點(diǎn)的特性，將圖像分成幾個(gè)不同特征的區(qū)域，將感興趣的目標(biāo)或背景區(qū)域分離出來(lái)。 因?yàn)閳D像本身含有客觀上難以完全避免的不精確性和不確定性，于是人們將模糊聚類(lèi)概念應(yīng)用到圖像分割中，彌補(bǔ)了傳統(tǒng)圖像分割的很多不足。 經(jīng)典的模糊聚類(lèi)分割方法還不是很完善，有很多缺點(diǎn)，如對(duì)噪聲比較敏感、對(duì)邊緣數(shù)據(jù)處理能力較差和運(yùn)算的開(kāi)銷(xiāo)過(guò)大等?？紤]到這些，本文對(duì)怎樣更好的使用圖像的空間內(nèi)容做了深入研究，重點(diǎn)研究可歸納如下： 第一，剖析了標(biāo)準(zhǔn)模糊C均值聚類(lèi)圖像分割方法的內(nèi)容和大體實(shí)現(xiàn)流程，探討了模糊聚類(lèi)圖像分割方法的初始聚類(lèi)中心如何選定，初始類(lèi)別數(shù)如何選擇以及初始隸屬度矩陣如何得到等算法相關(guān)參數(shù)的確定問(wèn)題。 其次，考慮到經(jīng)典的模糊C受噪聲影響較大的缺陷，提出基于灰度特性和空間信息二維特征的FCM圖像分割方法，并以此對(duì)FCM聚類(lèi)方法展開(kāi)改良，最終實(shí)現(xiàn)快速聚類(lèi)的目標(biāo)。接著在圖像分割實(shí)驗(yàn)中運(yùn)用該方法，并與標(biāo)準(zhǔn)FCM方法的實(shí)驗(yàn)分割結(jié)果進(jìn)行對(duì)比，發(fā)現(xiàn)分割效果有了很大提高。 最后，考慮了對(duì)FCM的目的函數(shù)如何完成懲罰，以達(dá)到約束隸屬度函數(shù)的目標(biāo)。產(chǎn)生基于鄰域隸屬度限制的FCM圖像的分割方法。該算法對(duì)噪聲干擾有不錯(cuò)的魯棒性，有效性也不錯(cuò)。 關(guān)鍵詞：空間信息模糊C均值算法；鄰域空間特征；灰度特性；圖像分割
目錄 摘要 ABSTRACT 1. 緒論-1 1.1研究的背景與意義-1 1.2圖像分割概述-1 1.2.1 圖像分割的定義-1 1.2.2 圖像分割方法-2 1.3基于模糊聚類(lèi)分析的圖像分割算法-4 1.4論文選題的意義-5 1.5本文的主要研究工作-5 2. 基于模糊C均值聚類(lèi)算法的圖像分割-6 2.1模糊C均值聚類(lèi)算法-6 2.1.1 數(shù)據(jù)集合的C劃分-6 2.1.2 模糊C均值聚類(lèi)圖像分割算法-7 2.2模糊C均值聚類(lèi)圖像分割算法的相關(guān)研究-8 2.2.1初始聚類(lèi)中心，初始隸屬度矩陣的確定-8 2.2.2.局部極值的問(wèn)題-8 2.2.3.加權(quán)指數(shù)m的設(shè)置-9 2.2.4.空間結(jié)構(gòu)信息的使用-9 2.3快速模糊C均值聚類(lèi)圖像分割算法-9 3. 基于灰度和空間信息特征的模糊C均值聚類(lèi)分割-12 3.1圖像灰度和空間信息的二維向量表示-12 3.2 基于圖像灰度和空間信息的FCM圖像分割-13 3.2.1 基于灰度和空間信息的模糊C均值聚類(lèi)圖像分割-13 3.2.2灰度和空間信息的快速FCM聚類(lèi)算法-14 3.3 實(shí)驗(yàn)結(jié)果與分析-16 3.3.1 關(guān)于圖像分割算法的評(píng)價(jià)方式-16 3.3.2 實(shí)驗(yàn)結(jié)果和分析-17 3.4 小結(jié)-18 4. 基于空間信息約束的圖像分割-19 4.1 基于鄰域距離約束的FCM圖像分割-19 4.2 基于鄰域隸屬度約束的FCM圖像分割-20 5. 總結(jié)與展望-23 5.1 總結(jié)-23 5.2 展望-23 致謝-24 參考文獻(xiàn)-25 |
