基于KFCM算法與改進CV模型的圖像分割算法研究.pdf

1、圖像分割問題是計算機科學和人工智能領(lǐng)域既經(jīng)典又挑戰(zhàn)性極大的問題之一,在數(shù)字圖像處理學科領(lǐng)域中是非常重要也不可或缺的一個環(huán)節(jié)。近二三十年來,人們熱衷于圖像分割的算法研究,并獲得碩果累累的分割研究成果。許多算法分別就圖像分割的正確比率、計算效率、分割質(zhì)量、魯棒性、過度依賴初始值等一個或幾個方面進行不同程度改善和創(chuàng)新。為了解決基于CV模型算法的過于依附初始值、計算效率和魯棒性的分割算法的問題,在KFCM與改進CV模型的基礎(chǔ)上,運用Split

2、Bregman算法,提出了本文的圖像分割方法。通過一系列仿真實驗驗證了本文算法的穩(wěn)定性和可行性,在依賴初始值、計算效率和魯棒性上也有顯著改善。本文所研究的工作可以主要有下面五個方面:
　　(1)總述了現(xiàn)有的圖像分割算法。根據(jù)目前國內(nèi)外現(xiàn)有的、涉及圖像分割算法的重要參考文獻和大量相關(guān)書籍,做了一個較全面的總結(jié)。
　　(2)第二章主要講述了利用模糊C均值聚類來分割圖像的幾種算法。闡述前人對模糊 C均值聚類算法的研究改善和發(fā)展過程

3、,也指出將這些改進的聚類算法運用到圖像分割中取得的成就和不足,最后詳細地分析了KFCM算法,介紹該法的基本原理及其算法步驟。
　　(3)幾種有關(guān)CV模型圖像分割的算法。由于CV模型具有適應(yīng)曲線的拓撲變化性質(zhì),可以較好在圖像邊界的分割,探討該方法的優(yōu)點和不足,使得識別率和計算效率有所提高。
　　(4)基于KFCM與改進CV模型的Split Bregman圖像分割算法研究。首先闡述了Split Bregman的基本原理和過程步驟

4、,然后給出結(jié)合 KFCM算法與改進CV模型的Split Bregman優(yōu)化法的過程步驟,并進行一系列仿真實驗,將實驗結(jié)果和已有的一些算法結(jié)果進行對比分析,得出取得改善的部分和需要完善的地方。
　　(5)根據(jù)以上圖像分割算法的研究,進行了分析總結(jié)。指出研究的不足和改正完善之處,同時說明今后需要加強算法努力的研究方向。
　　本文的實驗在Window XP2002系統(tǒng)下進行的,CPU是AMD Athlon(tm)ⅡX2215,內(nèi)存