基于模糊C均值聚類方法的圖像分割算法研究.pdf

1、圖像分割是圖像處理和計(jì)算機(jī)視覺研究領(lǐng)域中的一個(gè)經(jīng)典問題，是圖像處理過程中一個(gè)極為重要的環(huán)節(jié)。也是實(shí)現(xiàn)圖像處理到圖像分析之間的關(guān)鍵步驟。目前，圖像分割技術(shù)已被廣泛應(yīng)用到多個(gè)領(lǐng)域，如計(jì)算機(jī)視覺、模式識別、醫(yī)學(xué)圖像處理、航空航天以及衛(wèi)星遙感等。
　　聚類分析作為一種非監(jiān)督聚類方法，是指將物理或抽象對象的集合分組成為由類似的對象組成的多個(gè)類的分析過程，是機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)重要方向。所謂聚類就是將沒有類別標(biāo)記的樣本集按某種準(zhǔn)則劃分成若干類

2、，使類內(nèi)樣本的相似性盡可能大，而類間樣本相似性盡可能小。聚類分析的研究主要以聚類算法為主，聚類算法是有一種有效的圖像分割算法，也是目前較常用的分割算法。由于圖像本身存在著模糊性和不確定性，而模糊理論可以很好地刻畫這種特性，研究者們將模糊理論引入到圖像分割技術(shù)中，而引入模糊理論的模糊聚類算法為圖像分割提供了模糊處理能力，模糊C均值聚類算法是目前應(yīng)用最廣泛的模糊聚類算法之一，但其依然存在一些缺點(diǎn)，如對噪聲圖像非常敏感，無法有效分割噪聲圖像。

3、本文針對這一現(xiàn)狀，在經(jīng)典模糊C均值聚類算法的基礎(chǔ)上，研究如何提高在處理噪聲圖像時(shí)算法的整體性能，對圖像分割中的模糊聚類算法做了深入的研究和探討，本文的主要工作包括如下:
　　(1)介紹圖像分割的概念、意義及研究發(fā)展現(xiàn)狀。
　　(2)對模糊聚類理論的基本內(nèi)容作系統(tǒng)的介紹，簡單介紹各類聚類算法，詳細(xì)闡述硬聚類算法和模糊C均值聚類算法及集中常見的FCM改進(jìn)算法。
　　(3)將Gibbs隨機(jī)場理論融入到模糊C均值聚類算法中，把