基于像素級(jí)多特征的圖像分割方法研究.pdf

1、圖像分割是圖像處理的一個(gè)重要工具,一個(gè)有效的、前端的、復(fù)雜的算法。它能夠簡(jiǎn)化對(duì)圖像的后續(xù)處理,并在視頻和計(jì)算機(jī)視覺(jué)方面都有應(yīng)用,如目標(biāo)定位或識(shí)別、數(shù)據(jù)壓縮、跟蹤、圖像檢索等等。雖然大量的圖像分割算法已被廣大研究者提出并改進(jìn),但是沒(méi)有人提出一種完美的,適合于任何一種圖像的分割算法,現(xiàn)有的方法都多少存在著方法或算法上的不足。因此到目前為止,圖像分割作為一個(gè)重要工具的同時(shí),仍然是圖像處理領(lǐng)域的一個(gè)具有挑戰(zhàn)性的難題。
　　 當(dāng)前,對(duì)基于

2、像素級(jí)、多特征、多種分割算法相結(jié)合的分割方法的研究,已經(jīng)成為圖像分割領(lǐng)域的熱點(diǎn)。通過(guò)認(rèn)真總結(jié),本文對(duì)模糊聚類(lèi)算法和優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)的支持向量機(jī)方法,從理論和實(shí)驗(yàn)結(jié)果等方面都進(jìn)行了全面系統(tǒng)的比較和分析。通過(guò)像素顏色,紋理等特征來(lái)描述圖像的具體信息,并結(jié)合模糊C均值聚類(lèi)(FCM,Fuzzy C-Means)算法和支持向量機(jī)(SVM)的方法展開(kāi)實(shí)驗(yàn),主要任務(wù)如下:
　　 1.本文對(duì)模糊聚類(lèi)算法特別是模糊C均值聚類(lèi)(FCM,Fuzzy

3、C-Means)分割算法進(jìn)行細(xì)致深入的研究探討,并認(rèn)真研究了模糊聚類(lèi)圖像分割算法中初始聚類(lèi)類(lèi)別數(shù)目的確定、初始聚類(lèi)中心和隸屬度函數(shù)的選擇。
　　 2.以模糊C均值聚類(lèi)(FCM,Fuzzy C-Means)理論為基礎(chǔ),提出了一種結(jié)合laws紋理測(cè)度與自適應(yīng)閾值的FCM聚類(lèi)算法對(duì)圖像進(jìn)行分割。通過(guò)大量實(shí)驗(yàn)對(duì)比表明,該算法與人的視覺(jué)感知系統(tǒng)一致性好,對(duì)噪聲有良好的抑制效果,節(jié)省實(shí)驗(yàn)過(guò)程中程序運(yùn)行的時(shí)間,提高圖像分割速度。
　　

4、 3.通過(guò)核函數(shù)類(lèi)型、核參數(shù)、懲罰因子等因素,對(duì)采用支持向量機(jī)(SVM)進(jìn)行圖像分割的方法的可行性進(jìn)行了分析、研究,提出了一種基于無(wú)監(jiān)督的支持向量機(jī)分類(lèi)算法,為使用支持向量機(jī)方法(SVM)進(jìn)行圖像分割提供了依據(jù)。
　　 4.在對(duì)多種圖像分割算法研究的基礎(chǔ)上,提出基于像素的彩色圖像分割算法,分別利用同質(zhì)性,Gabor濾波器方法提取圖像的顏色和紋理特征,使用優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)的支持向量機(jī)(SVM)分類(lèi)。實(shí)驗(yàn)結(jié)果表明,該方法有非常好的計(jì)