基于聚類分析的紋理圖像分割研究.pdf

1、圖像分割是從圖像中提取目標(biāo)信息的重要手段,是進(jìn)行圖像處理的關(guān)鍵步驟。作為學(xué)界的研究熱點(diǎn)課題,幾十年來研究者提出了各種理論應(yīng)用于圖像分割。其中,基于聚類分析的圖像分割方法受到廣泛關(guān)注,也取得了很多成果。
　　聚類分析是數(shù)據(jù)挖掘的一種方法。所謂聚類,就是把數(shù)據(jù)根據(jù)某些特征進(jìn)行變換與劃類,使類內(nèi)的特征相似性盡可能大,而類間的特性相似性盡可能小,是一種高效的無監(jiān)督學(xué)習(xí)方法。聚類的優(yōu)點(diǎn)在于它不需要先驗(yàn)知識(shí),只需要設(shè)定某一目標(biāo)函數(shù),通過迭代運(yùn)

2、算獲得聚類結(jié)果。目前研究者提出的聚類算法,因?yàn)槠涓咝Ш?jiǎn)便,應(yīng)用十分廣泛。但是對(duì)于一些特定的問題,這些理論方法還需進(jìn)一步研究完善。
　　本文針對(duì)紋理圖像的分割進(jìn)行了研究。由于小波變換為紋理分析提供了一種多尺度的集頻譜、結(jié)構(gòu)和統(tǒng)計(jì)基礎(chǔ)于一體的綜合分析方法,具有良好的空間和頻率分解特性,它通過伸縮和平移等運(yùn)算功能對(duì)圖像進(jìn)行多尺度分解,是性能極好的圖像多尺度多通道分析工具,為紋理圖像在不同尺度上提取和特征表示提供了精確統(tǒng)一的框架。所以本文

3、使用小波變換獲得圖像特征,然后結(jié)合聚類算法進(jìn)行紋理圖像分割。本文的主要?jiǎng)?chuàng)新體現(xiàn)在以下三個(gè)方面:
　　(1)由小波變換構(gòu)建紋理圖像的多尺度金字塔特征結(jié)構(gòu),提取各層高頻與低頻的特征信息,然后從最粗尺度進(jìn)行基于聚類的圖像分割,結(jié)合Relief算法把分割結(jié)果向較細(xì)尺度傳遞,逐層分割,直到獲得最細(xì)尺度的分割結(jié)果。
　　(2)對(duì)均值漂移算法進(jìn)行了深入的研究,討論了該算法的復(fù)雜性,改進(jìn)了其對(duì)帶寬敏感性的問題,解決了聚類數(shù)的問題,結(jié)合紋理圖