基于聚類的圖像分割與配準(zhǔn)研究.pdf

1、圖像分割就是將圖像分解成若干個(gè)互不交疊的區(qū)域，處于同一區(qū)域內(nèi)部的像素點(diǎn)的某些屬性或特征相同或相近?；诰垲惖膱D像分割方法在圖像分割中得到了廣泛的應(yīng)用。在圖像處理方面，凡是涉及目標(biāo)提取和分析的過程都離不開圖像分割，尤其是在軍事和醫(yī)學(xué)領(lǐng)域具有重要意義。圖像配準(zhǔn)是通過尋找不同時(shí)間、不同視角下或者由不同傳感器獲取的同一場景的兩幅或多幅圖像之間的空間變換關(guān)系，對圖像進(jìn)行匹配疊加的過程。圖像分割和圖像配準(zhǔn)問題一直是圖像處理領(lǐng)域的兩個(gè)熱點(diǎn)研究問題。聚

2、類作為一種有效的分割手段可以應(yīng)用于圖像分割和圖像配準(zhǔn)中，因此，本論文主要圍繞基于聚類方法的圖像分割和圖像配準(zhǔn)完成了三方面工作：聚類算法、分割算法以及配準(zhǔn)三部分：
　　首先，提出了一種基于流形距離的兩階段聚類算法。將聚類算法分為兩個(gè)階段，第一階段通過全局K均值算法對數(shù)據(jù)集進(jìn)行粗聚類，第二階段對粗聚類所得的結(jié)果以流形距離為度量準(zhǔn)則進(jìn)行二次聚類。
　　其次，提出了一種基于兩階段聚類和分水嶺算法的分割方法。該方法將標(biāo)記分水嶺方法與兩

3、階段聚類相結(jié)合。該方法先對原始圖像進(jìn)行標(biāo)記分水嶺分割，對分割結(jié)果再進(jìn)行兩階段聚類，將圖像離散小波三層變換的子帶能量和灰度信息作為圖像的特征向量。
　　最后，提出了一種基于模糊聚類的圖像分割方法作為空間約束的尺度不變特征變換(SIFT)圖像配準(zhǔn)方法。該方法通過引入松弛參數(shù)的快速歸一化模糊C均值聚類(FGFCM)分割方法對原始圖像進(jìn)行分割并提取目標(biāo)區(qū)域的不變矩特征，對目標(biāo)進(jìn)行匹配，提取匹配區(qū)域的SIFT特征點(diǎn)進(jìn)行匹配，并將其與整幅圖像