圖像歸一化分割方法研究.pdf

1、圖像分割是將圖像分成互相獨(dú)立且有意義的區(qū)域,是計(jì)算機(jī)視覺和圖像處理的重要技術(shù),已在工業(yè)、軍事、醫(yī)學(xué)等領(lǐng)域有著普遍應(yīng)用?；趫D論的圖像分割算法是近年來新發(fā)展起來的一種新的圖像分割技術(shù),其中歸一化分割算法是基于圖論分割的一個(gè)研究熱點(diǎn)。歸一化分割算法是一種基于全局優(yōu)化準(zhǔn)則的方法,不易產(chǎn)生小區(qū)域現(xiàn)象。但它直接在像素上進(jìn)行圖像分割,計(jì)算復(fù)雜度比較大,并且求解歸一化分割準(zhǔn)則的最小值是一個(gè)NP難問題。
　　針對歸一化分割算法的不足,本文提出一種

2、基于最小生成樹劃分的模糊C-均值聚類算法與自適應(yīng)遺傳算法的歸一化分割準(zhǔn)則相結(jié)合的圖像分割方法,主要內(nèi)容如下:
　　1)利用最小生成樹劃分的模糊C-均值聚類算法對原圖進(jìn)行聚類,獲得最大相似區(qū)域。解決了歸一化分割算法隨著像素增加,計(jì)算復(fù)雜度增大的缺點(diǎn)。最小生成樹劃分的模糊C-均值聚類算法將原圖轉(zhuǎn)換成圖并采用Kruskal算法建立最小生成樹,然后根據(jù)密度準(zhǔn)則對最小生成樹進(jìn)行劃分獲得子樹,將子樹的個(gè)數(shù)和中心分別作為聚類數(shù)目和初始聚類中心進(jìn)

3、行模糊C-均值聚類,得到最大相似區(qū)域。
　　2)利用自適應(yīng)遺傳算法的歸一化分割準(zhǔn)則對最大相似區(qū)域進(jìn)行遺傳迭代操作,尋找使歸一化值最小的最優(yōu)染色體。解決了求歸一化分割準(zhǔn)則最小值的難題。自適應(yīng)遺傳算法的歸一化分割準(zhǔn)則對最大相似區(qū)域進(jìn)行染色體編碼,將區(qū)域個(gè)數(shù)作為種群大小,隨機(jī)產(chǎn)生初始種群,以歸一化分割準(zhǔn)則作為適應(yīng)度函數(shù),對種群進(jìn)行選擇、交叉和變異遺傳迭代操作,直到滿足條件為止,最后將歸一化值最小的最優(yōu)染色體映射回原圖得到圖像的分割結(jié)果。