模糊聚類在影像上的應(yīng)用研究.pdf

1、在當(dāng)今飛速發(fā)展的數(shù)據(jù)挖掘和探查性數(shù)據(jù)分析中，聚類分析技術(shù)已廣泛應(yīng)用于模式識別、生物、心理、計算機(jī)視覺、遙感、圖像處理和視頻數(shù)據(jù)分析等領(lǐng)域。在實際問題中，已有的各種聚類算法各有其優(yōu)勢。在圖像處理和數(shù)據(jù)分析的應(yīng)用中，如何降低聚類算法對閾值的敏感度以及如何減少人為經(jīng)驗因素對閾值設(shè)定的影響，提高檢索質(zhì)量和效率成為眾多學(xué)者正致力于研究并解決的問題。 本文針對目前在聚類算法及其應(yīng)用中的一些熱點問題展開了研究與探討工作，主要的工作分為以下三部

2、分： 1)顏色作為影像的一種重要視覺信息，廣泛應(yīng)用于基于內(nèi)容的影像檢索。文中在將視頻分割為鏡頭后，以SCD與CLD兩種顏色描述子作為描述鏡頭的視覺特征。鑒于圖像信息固有的復(fù)雜性和不精確性，本文引入了模糊化的機(jī)理對HSY顏色模型的顏色信息進(jìn)行模糊量化，得到關(guān)于顏色特征的模糊直方圖，并應(yīng)用于相似度計算，取得了較為滿意的效果。 2)本文研究了基于非監(jiān)督在線聚類的模糊聚類算法，給出了一種一般化的模糊聚類方法MRLC。該方法將非監(jiān)

3、督模糊聚類算法Leader-follower與半徑圓心概念結(jié)合起來，具有對聚類初始條件不敏感和自適應(yīng)的特點。大量的實驗結(jié)果表明了該模糊方法MRLC的有效性。 3)在深入分析基于相似度量的聚類方法的核心算法Leader-follower的基礎(chǔ)上，本文引入其它算法對模糊聚類方法MRLC進(jìn)一步修正和補(bǔ)充。在提取關(guān)鍵幀和提取關(guān)鍵鏡頭時，根據(jù)實際情況，分別作了一些改進(jìn)，使聚類結(jié)果更符合主觀視覺。同時盡量減少因人為經(jīng)驗對閾值的影響，避免使用