基于聚類(lèi)分析及水平集的圖像分割算法研究.pdf

1、基于聚類(lèi)分析及水平集的圖像分割算法研究(申請(qǐng)揚(yáng)州大學(xué)理學(xué)碩士學(xué)位論文)培養(yǎng)單位：揚(yáng)州大學(xué)專(zhuān)業(yè)名稱(chēng)：計(jì)算機(jī)應(yīng)用技術(shù)研究方向：數(shù)據(jù)挖掘研究生：李玉潔指導(dǎo)老師：李云，張曉斌，芹川圣一2012。05摘要圖像分割是圖像分析，識(shí)別和圖像理解的基礎(chǔ)，是圖像處理到圖像分析的一個(gè)極其關(guān)鍵的步驟之一。正是由于圖像分割的這種重要性，國(guó)內(nèi)外一些學(xué)者對(duì)其進(jìn)行了大量研究，同時(shí)也提出了各種各樣的不同的分割算法，但是這些算法大多是針對(duì)某些特定的研究對(duì)象，到目前為止，仍

2、然沒(méi)有一種通用的分割理論。因此人們還在不斷的探索新的分割算法和分割理論。本文在分析了目前幾種常用的圖像分割算法的基礎(chǔ)上，提出了幾種改進(jìn)的基于聚類(lèi)分析與水平集算法的圖像分割算法。主要工作如下：(1)改進(jìn)了傳統(tǒng)的層次聚類(lèi)算法。其基本思想是采用多個(gè)參考點(diǎn)來(lái)有效的表示一個(gè)聚類(lèi)區(qū)域和形狀，然后基于相似參考點(diǎn)進(jìn)行小簇合并，同時(shí)引入聚類(lèi)有效性指標(biāo)來(lái)評(píng)價(jià)新簇的質(zhì)量，重新劃分低質(zhì)量的新簇，避免低質(zhì)量的新簇向高層擴(kuò)散。該算法在圖像分割領(lǐng)域的應(yīng)用結(jié)果顯示，該

3、算法可得到較高質(zhì)量的分割結(jié)果。(2)改進(jìn)了傳統(tǒng)的模糊聚類(lèi)算法。提出了一種改進(jìn)的加權(quán)FCM圖像自動(dòng)分割算法。該算法的基本思想是：先從圖像的灰度梯度共軛直方圖中自動(dòng)得到聚類(lèi)的數(shù)目，即自動(dòng)得到圖像分割的塊數(shù)，接著使用加權(quán)FCM算法，最終實(shí)現(xiàn)了圖像的快速精確地分割。(3)改進(jìn)了傳統(tǒng)的密度聚類(lèi)算法。提出了一種改進(jìn)的基于密度的圖像分割算法。該算法在傳統(tǒng)的密度聚類(lèi)的基礎(chǔ)上，利用三角形不等原則快速得到像素之間的關(guān)聯(lián)性，大大降低了算法的計(jì)算復(fù)雜度，提高了

4、圖像分割的效率。通過(guò)實(shí)驗(yàn)證明，本文提出的基于三角形不等原則的密度聚類(lèi)算法應(yīng)用于圖像分割領(lǐng)域，圖像分割速度得到了明顯提高。(4)提出了一種基于改進(jìn)水平集的圖像分割方法。該算法通過(guò)分析傳統(tǒng)的Chan—Vese模型，提出了一種有效的基于常微分方程的改進(jìn)模型。該模型具有較好的抗噪性能，能快速計(jì)算出一幅圖像的全局最優(yōu)分割。本論文就不同的基于聚類(lèi)分析圖像分割算法進(jìn)行了研究和討論，并通過(guò)相應(yīng)的手段對(duì)原有算法進(jìn)行了優(yōu)化，大量實(shí)驗(yàn)結(jié)果表明，本論文中提出算