基于模糊集理論的圖像分割研究.pdf

1、圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術和過程。它是低級計算機視覺中最基本最重要的研究內容，是成功進行圖像分析、理解與描述的關鍵技術之一，因為圖像分割結果的質量直接影響爾后進行的分析、識別和解釋的質量。圖像分割在計算機視覺、圖像編碼、模式識別、醫(yī)學圖像分析等很多領域有著實際的應用。 圖像自身存在許多不確定性和不精確性，人們發(fā)現(xiàn)模糊理論對于圖像的這種不確定性有很好的描述能力，而圖像分割問題恰好是將圖像的象素進行

2、分類的問題，近年來一些學者致力于將模糊聚類應用于圖像分割中，效果要好于傳統(tǒng)的圖像分割方法。但是經(jīng)典的模糊分割方法仍然存在一些問題。 基于以上原因，本文研究了以模糊理論為基礎的，在圖像分割中頗為流行的模糊熵和模糊C均值聚類算法，并針對其在圖像分割中的不足之處進行了改進和革新。主要研究成果歸納如下： 首先，針對目標和背景嚴重重疊、直方圖為單峰的圖像，提出了適合該類圖像的一種新的模糊熵。新算法結合圖像的特點引入了代價函數(shù)，通過

3、代價函數(shù)重建出近似的理想圖像，然后再用新的模糊熵對重建圖像進行分割，實驗結果表明效果良好。 其次，在傳統(tǒng)的模糊C均值聚類算法的基礎上，提出了結合像素空間信息的模糊C均值聚類算法。新算法可以較好的克服因欠缺重要的像素空間信息而造成的分割結果不理想的情況；并在對該算法的一個重要參數(shù)m進行了改進，使其隨著算法的運行，不斷減小，這樣可以使算法能夠平穩(wěn)收斂。 最后，圖像數(shù)據(jù)的計算量較大，尤其是圖像尺寸越大，計算量就越大，給實際應用