基于聚類算法的彩色圖像分割方法研究.pdf

1、圖像分割是圖像處理技術(shù)的重要組成部分,為特征提取,目標(biāo)識(shí)別等圖像理解工作提供有用的信息。由于之前技術(shù)水平和硬件水平的限制,圖像的處理一直停留在對(duì)灰度圖像的分割,對(duì)灰度圖像分割方法的研究取得了不錯(cuò)的成果。隨著科技水平的不斷提高,處理彩色圖像硬件設(shè)備的普及,彩色圖像分割技術(shù)的重要性日益凸顯出來(lái)。
　　現(xiàn)有的彩色圖像分割,大都是偽彩色圖像分割,是將彩色圖像中的彩色信息忽略,直接將灰度圖像的分割方法應(yīng)用到彩色空間中。雖然灰度圖像分割技術(shù)已

2、經(jīng)發(fā)展的較為完善,但是并不是所有的方法都適合擴(kuò)展到彩色空間中。其中,基于聚類的圖像分割方法由于其算法原理,非常適于擴(kuò)展到彩色空間中。本文研究了前人利用聚類算法進(jìn)行圖分割的各種方法,發(fā)現(xiàn)該方法自身存在以下缺點(diǎn):1.收斂易陷入到局部極值。2.初始聚類中心對(duì)分割結(jié)果影響較大。3.聚類數(shù)目需要人工確定。4.算法的運(yùn)算量非常大。本文針對(duì)聚類算法對(duì)初始聚類中心敏感的缺陷,結(jié)合粒子群理論對(duì)算法進(jìn)行優(yōu)化。同時(shí),針對(duì)粒子群算法易收斂于局部極值的缺陷,做了

3、有益的改進(jìn),力求使得粒子群算法擺脫局部極值的束縛,提高收斂精度。
　　論文主要包括以下幾個(gè)方面:
　　首先,本文分析總結(jié)了幾種彩色模型的優(yōu)缺點(diǎn),選擇了最適于進(jìn)行彩色圖像分割的彩色模型,并在該模型中進(jìn)一步研究,將彩色空間中的各個(gè)分量組成一個(gè)向量,作為分割的像素集。
　　其次,針對(duì)聚類算法進(jìn)行圖像分割時(shí)對(duì)初始聚類中心數(shù)目及位置過(guò)于敏感的缺陷,提出引入粒子群理論進(jìn)行改進(jìn),使用粒子群算法幫助確定聚類算法的初始聚類中心與數(shù)目。<