基于KFCM算法與改進(jìn)CV模型的圖像分割算法研究.pdf

1、圖像分割問(wèn)題是計(jì)算機(jī)科學(xué)和人工智能領(lǐng)域既經(jīng)典又挑戰(zhàn)性極大的問(wèn)題之一,在數(shù)字圖像處理學(xué)科領(lǐng)域中是非常重要也不可或缺的一個(gè)環(huán)節(jié)。近二三十年來(lái),人們熱衷于圖像分割的算法研究,并獲得碩果累累的分割研究成果。許多算法分別就圖像分割的正確比率、計(jì)算效率、分割質(zhì)量、魯棒性、過(guò)度依賴初始值等一個(gè)或幾個(gè)方面進(jìn)行不同程度改善和創(chuàng)新。為了解決基于CV模型算法的過(guò)于依附初始值、計(jì)算效率和魯棒性的分割算法的問(wèn)題,在KFCM與改進(jìn)CV模型的基礎(chǔ)上,運(yùn)用Split

2、Bregman算法,提出了本文的圖像分割方法。通過(guò)一系列仿真實(shí)驗(yàn)驗(yàn)證了本文算法的穩(wěn)定性和可行性,在依賴初始值、計(jì)算效率和魯棒性上也有顯著改善。本文所研究的工作可以主要有下面五個(gè)方面:
　　(1)總述了現(xiàn)有的圖像分割算法。根據(jù)目前國(guó)內(nèi)外現(xiàn)有的、涉及圖像分割算法的重要參考文獻(xiàn)和大量相關(guān)書(shū)籍,做了一個(gè)較全面的總結(jié)。
　　(2)第二章主要講述了利用模糊C均值聚類來(lái)分割圖像的幾種算法。闡述前人對(duì)模糊 C均值聚類算法的研究改善和發(fā)展過(guò)程

3、,也指出將這些改進(jìn)的聚類算法運(yùn)用到圖像分割中取得的成就和不足,最后詳細(xì)地分析了KFCM算法,介紹該法的基本原理及其算法步驟。
　　(3)幾種有關(guān)CV模型圖像分割的算法。由于CV模型具有適應(yīng)曲線的拓?fù)渥兓再|(zhì),可以較好在圖像邊界的分割,探討該方法的優(yōu)點(diǎn)和不足,使得識(shí)別率和計(jì)算效率有所提高。
　　(4)基于KFCM與改進(jìn)CV模型的Split Bregman圖像分割算法研究。首先闡述了Split Bregman的基本原理和過(guò)程步驟

4、,然后給出結(jié)合 KFCM算法與改進(jìn)CV模型的Split Bregman優(yōu)化法的過(guò)程步驟,并進(jìn)行一系列仿真實(shí)驗(yàn),將實(shí)驗(yàn)結(jié)果和已有的一些算法結(jié)果進(jìn)行對(duì)比分析,得出取得改善的部分和需要完善的地方。
　　(5)根據(jù)以上圖像分割算法的研究,進(jìn)行了分析總結(jié)。指出研究的不足和改正完善之處,同時(shí)說(shuō)明今后需要加強(qiáng)算法努力的研究方向。
　　本文的實(shí)驗(yàn)在Window XP2002系統(tǒng)下進(jìn)行的,CPU是AMD Athlon(tm)ⅡX2215,內(nèi)存