基于模糊C均值聚類的彩色圖像分割方法研究.pdf

1、顏色作為人類感知事物的一個(gè)重要途徑是模式識(shí)別和計(jì)算機(jī)視覺(jué)的重要依據(jù)。隨著采集和處理彩色圖像的硬件成本降低，以及計(jì)算機(jī)處理能力的提高，使得處理高維彩色空間成為可能，因此彩色圖像分割備受關(guān)注。很多彩色圖像分割方法是將灰度圖像處理方法分別應(yīng)用到彩色圖像的三個(gè)顏色分量，這類方法不僅會(huì)丟失信息量而且結(jié)果不易評(píng)價(jià)。而聚類算法具有處理高維數(shù)據(jù)的能力，可以把彩色圖像像素包含的信息映射到高維特征空間，在高維特征空間聚類使分割結(jié)果更加合理。模糊理論對(duì)于圖像

2、的不確定性和不精確性有很好的描述能力，因此本文主要研究如何用模糊C均值算法分割彩色圖像，以及如何合理利用空間信息降低分割結(jié)果對(duì)噪聲的敏感度。 本文首先構(gòu)造理想數(shù)據(jù)集分析K-means算法和模糊C均值算法的均一化效應(yīng)，指出這兩個(gè)算法具有絕對(duì)的樣本距離均一化效應(yīng)和相對(duì)的樣本數(shù)量均一化效應(yīng)，并分析聚類之間的分離程度與聚類結(jié)果好壞的關(guān)系；然后用Iris數(shù)據(jù)集和Glass數(shù)據(jù)集檢驗(yàn)K-means算法、模糊C均值算法和Mean shift算