基于多種特征的數(shù)字圖像分割理論和方法研究.pdf

1、數(shù)字圖像分割是數(shù)字圖像信息處理領(lǐng)域的熱點(diǎn)與難點(diǎn)之一，是一種重要的圖像分析技術(shù)，也是計(jì)算機(jī)視覺領(lǐng)域低層次視覺中的主要問題。它是圖像分析過程中的首要任務(wù)，使得更高層的圖像理解成為可能。近年來隨著機(jī)器視覺、模式識(shí)別和基于內(nèi)容的圖像檢索等技術(shù)的發(fā)展以及彩色圖像的大量使用，圖像分割尤其是彩色圖像的分割顯示出越來越重要的地位。
　　 本論文圍繞基于模糊C均值聚類圖像分割以及多特征彩色圖像分割中的一些不足，進(jìn)行了深入研究，提出了兩種新的算法，

2、主要內(nèi)容包括：
　　 1.針對(duì)傳統(tǒng)模糊C均值聚類(FCM)方法運(yùn)算量大、運(yùn)算時(shí)間過長等問題。提出了一種新的快速模糊C均值聚類圖像分割算法。通過引入分塊策略把圖像數(shù)據(jù)分成一定數(shù)量的子集，用區(qū)域粗糙度標(biāo)記所有子集，利用子集質(zhì)心及其權(quán)重進(jìn)行模糊聚類，由于聚類樣本數(shù)量顯著減少以及聚類計(jì)算量小，故可以大幅提高模糊C均值算法的運(yùn)算速度。實(shí)驗(yàn)表明，這種方法可以在保證分割質(zhì)量的前提下，使模糊聚類的速度得到明顯提高。
　　 2.針對(duì)于彩色

3、圖像分割，以Gibbs隨機(jī)場、Steerable方向?yàn)V波器等理論為基礎(chǔ)，提出了一種基于顏色、紋理等綜合特征的彩色圖像分割算法。該算法首先以Gibbs隨機(jī)場理論為基礎(chǔ)，利用基于顏色的FCM聚類(結(jié)合空間約束的圖像顏色信息)將原始圖像劃分成若干子區(qū)域；然后利用Steerable濾波器捕獲方向紋理信息，并依此將原始圖像劃分成平滑區(qū)域與非平滑區(qū)域；再綜合考慮前面提取的顏色、紋理特征信息，以實(shí)現(xiàn)原始圖像的粗分割；最后根據(jù)Normalized Cu