基于聚類分析及水平集的圖像分割算法研究.pdf

1、基于聚類分析及水平集的圖像分割算法研究(申請揚州大學理學碩士學位論文)培養(yǎng)單位：揚州大學專業(yè)名稱：計算機應用技術研究方向：數(shù)據(jù)挖掘研究生：李玉潔指導老師：李云，張曉斌，芹川圣一2012。05摘要圖像分割是圖像分析，識別和圖像理解的基礎，是圖像處理到圖像分析的一個極其關鍵的步驟之一。正是由于圖像分割的這種重要性，國內(nèi)外一些學者對其進行了大量研究，同時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某些特定的研究對象，到目前為止，仍

2、然沒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上，提出了幾種改進的基于聚類分析與水平集算法的圖像分割算法。主要工作如下：(1)改進了傳統(tǒng)的層次聚類算法。其基本思想是采用多個參考點來有效的表示一個聚類區(qū)域和形狀，然后基于相似參考點進行小簇合并，同時引入聚類有效性指標來評價新簇的質(zhì)量，重新劃分低質(zhì)量的新簇，避免低質(zhì)量的新簇向高層擴散。該算法在圖像分割領域的應用結(jié)果顯示，該

3、算法可得到較高質(zhì)量的分割結(jié)果。(2)改進了傳統(tǒng)的模糊聚類算法。提出了一種改進的加權(quán)FCM圖像自動分割算法。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得到聚類的數(shù)目，即自動得到圖像分割的塊數(shù)，接著使用加權(quán)FCM算法，最終實現(xiàn)了圖像的快速精確地分割。(3)改進了傳統(tǒng)的密度聚類算法。提出了一種改進的基于密度的圖像分割算法。該算法在傳統(tǒng)的密度聚類的基礎上，利用三角形不等原則快速得到像素之間的關聯(lián)性，大大降低了算法的計算復雜度，提高了

4、圖像分割的效率。通過實驗證明，本文提出的基于三角形不等原則的密度聚類算法應用于圖像分割領域，圖像分割速度得到了明顯提高。(4)提出了一種基于改進水平集的圖像分割方法。該算法通過分析傳統(tǒng)的Chan—Vese模型，提出了一種有效的基于常微分方程的改進模型。該模型具有較好的抗噪性能，能快速計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分析圖像分割算法進行了研究和討論，并通過相應的手段對原有算法進行了優(yōu)化，大量實驗結(jié)果表明，本論文中提出算