基于半監(jiān)督聚類(lèi)的織物圖像分割算法研究.pdf

1、圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟，在圖像工程中占有非常重要的位置，并且己在計(jì)算機(jī)視覺(jué)、模式識(shí)別和醫(yī)學(xué)圖像處理等領(lǐng)域中得到了廣泛的應(yīng)用。
　　 織物圖像的分割研究是圖像分割領(lǐng)域中的一個(gè)熱點(diǎn)。織物圖像是一種機(jī)織物的掃描圖，其分割方法與自然場(chǎng)景圖像分割相比，有自己的特點(diǎn)。在對(duì)織物圖像做分割處理時(shí)很大程度上取決于用戶的設(shè)定，即它不要求圖像的像素做非常精確的歸類(lèi)，只需要對(duì)經(jīng)紗或緯紗上的像素進(jìn)行大致的同一化歸類(lèi)即可。
　　

2、為了解決織物圖像的分割問(wèn)題，本文首先介紹了一些常用的圖像分割算法，比較了它們的優(yōu)缺點(diǎn)，給出了采用不同算法對(duì)織物圖像進(jìn)行分割的結(jié)果，對(duì)獲得的結(jié)果進(jìn)行討論。
　　 然后，把半監(jiān)督聚類(lèi)算法和最小錯(cuò)誤率貝葉斯決策理論相結(jié)合，提出了一種基于最小錯(cuò)誤率貝葉斯決策的半監(jiān)督聚類(lèi)算法。該算法首先建立圖像分割的最小錯(cuò)誤率貝葉斯決策模型；其次從標(biāo)簽數(shù)據(jù)中估計(jì)出不同類(lèi)別的初始參數(shù)，對(duì)圖像中每一象素點(diǎn)計(jì)算對(duì)各個(gè)類(lèi)別的后驗(yàn)概率，依據(jù)最小錯(cuò)誤率貝葉斯決策理論

3、對(duì)圖像中的每一像素點(diǎn)進(jìn)行類(lèi)別判斷，從而實(shí)現(xiàn)目標(biāo)圖像的提??；最后對(duì)區(qū)域邊緣進(jìn)行平滑處理，得到最終的分割結(jié)果。在貝葉斯決策過(guò)程中初始參數(shù)可以通過(guò)標(biāo)簽數(shù)據(jù)得到，避免了隨機(jī)初始參數(shù)的盲目性和不確定性，使得聚類(lèi)迭代陷入局部極值的可能性大大減小，也減少了迭代的次數(shù)，進(jìn)而提高了分割的性能。對(duì)多幅織物圖像進(jìn)行對(duì)比分割實(shí)驗(yàn)，結(jié)果表明，該方法無(wú)須濾波就具有良好的抑制噪聲的能力，是一種可行的織物灰度圖像分割方法。
　　 最后，由于在眾多的顏色空間中，

4、HLC顏色空間成功地模擬了人類(lèi)的顏色視覺(jué)特征。出于顏色視覺(jué)一致性的考慮，在HLC顏色空間中運(yùn)用顏色距離進(jìn)行彩色織物圖像分割。為了減少運(yùn)算量，提高分割效率，提出了一種基于半監(jiān)督的顏色視覺(jué)聚類(lèi)算法。該算法首先對(duì)彩色織物圖像進(jìn)行顏色空間轉(zhuǎn)換，利用先驗(yàn)信息和顏色距離作為判斷準(zhǔn)則進(jìn)行色彩聚類(lèi)，然后進(jìn)行區(qū)域合并，得到最終分割結(jié)果。實(shí)驗(yàn)表明基于半監(jiān)督的顏色視覺(jué)聚類(lèi)算法由于集成了先驗(yàn)信息，能得到滿足給定限制的精確圖像分割結(jié)果，在抗干擾、運(yùn)算速度和分割穩(wěn)