聚類算法研究及在圖像分割中的應(yīng)用.pdf

1、圖像分割是圖像分析、理解的基礎(chǔ)，是圖像處理的一個極其重要的環(huán)節(jié)，也是圖像處理中最古老和最困難的問題之一；圖像分割在很多領(lǐng)域得到了廣泛的應(yīng)用，吸引了很多的學(xué)者和研究人員。對圖像分割的研究涉及分割特征的選取、算法的設(shè)計、計算復(fù)雜度的降低以及算法的快速實現(xiàn)等各個環(huán)節(jié)。圖像分割的方法很多，每種方法都有各自的優(yōu)點和不足。 聚類是模式識別領(lǐng)域非常重要的內(nèi)容之一。它是把具有相似性質(zhì)的事物區(qū)分開加以分類。由于圖像分割問題恰好是將圖像的像素集進(jìn)行

2、分類的問題，于是人們很自然地將聚類分析用于圖像分割之中；基于聚類分析的圖像分割方法是圖像分割領(lǐng)域中一類極其重要和應(yīng)用相當(dāng)廣泛的算法，無論是灰度圖像分割、彩色圖像分割還是紋理圖像或者其它類型的圖像分割，都可以應(yīng)用聚類分析方法完成分割。 本文基于圖像處理以及模式識別技術(shù)，針對聚類方法應(yīng)用于圖像分割的特點，著重進(jìn)行聚類算法以及圖像分割方法的應(yīng)用研究，取得以下成果： 1.對圖論聚類算法做了深入研究，就圖論聚類算法的難點，提出一類

3、最大熵圖論聚類算法；該算法分析了數(shù)據(jù)類的類內(nèi)差和類間差結(jié)構(gòu)特點，并以此構(gòu)造了一個基于圖論最小支撐樹的加權(quán)熵目標(biāo)函數(shù)，根據(jù)最大熵原理，完成基于圖論的聚類；該方法創(chuàng)新性地將分類數(shù)據(jù)集看成一個隨機(jī)系統(tǒng)，不同的聚類劃分是隨機(jī)系統(tǒng)的不同狀態(tài)，以香農(nóng)的加權(quán)熵反映不同狀態(tài)的信息量，根據(jù)最大熵原理，由熵最大的劃分確定聚類結(jié)果。這個方法是完全無監(jiān)督的聚類方法，不需要分類數(shù)以及初始聚類中心等先驗知識，而且對數(shù)據(jù)類的形狀不敏感。 2.本文將最大熵圖論

4、聚類算法應(yīng)用到圖像分割中，并討論了圖像特征數(shù)據(jù)的提取和分割的具體方法。該聚類方法用于圖像分割不需要事先給定區(qū)域分割數(shù)，能自動地確定圖像的分割類數(shù)，是完全無監(jiān)督的圖像聚類分割方法。 3.對聚類算法中關(guān)于數(shù)據(jù)樣本相似度的定義進(jìn)行認(rèn)真分析，研究了以距離為相似度的缺點；根據(jù)數(shù)據(jù)集的分布，定義了一個新的相似度計算的方法。新的定義既考慮距離，同時考慮兩個數(shù)據(jù)樣本之間的分布差異，新的相似度定義更符合數(shù)據(jù)集樣本的聚類要求。 4.在討論生

5、物免疫系統(tǒng)機(jī)理的基本原理基礎(chǔ)上，分析了aiNET人工免疫網(wǎng)絡(luò)進(jìn)化機(jī)制的特點；根據(jù)aiNET網(wǎng)絡(luò)的缺陷，提出一類基于抗原的抗原性的非均衡免疫網(wǎng)絡(luò)(IaiNET)，將生物免疫網(wǎng)絡(luò)中抗原的抗原性概念引入到人工免疫網(wǎng)絡(luò)進(jìn)化中，并根據(jù)生物免疫系統(tǒng)中抗原性的作用和機(jī)理，設(shè)計了基于抗原性的網(wǎng)絡(luò)進(jìn)化機(jī)理。在所設(shè)計的免疫網(wǎng)絡(luò)進(jìn)化機(jī)制中，免疫網(wǎng)絡(luò)中的抗原的抗原性反映的是數(shù)據(jù)樣本的特征，并影響免疫網(wǎng)絡(luò)中抗體的特異性水平，從而免疫抑制的水平不同；通過進(jìn)化產(chǎn)生的

6、抗體免疫網(wǎng)絡(luò)結(jié)構(gòu)具有非均衡的特征。實驗證明人工免疫網(wǎng)絡(luò)引入抗原性，克服了原aiNET網(wǎng)絡(luò)不能反映數(shù)據(jù)集典型樣本特征的缺陷，并且抗噪聲的能力大大增強(qiáng)。 5.將基于抗原的抗原性的非均衡免疫網(wǎng)絡(luò)(IaiNET)聚類方法應(yīng)用到圖像分割中；根據(jù)非均衡網(wǎng)絡(luò)抗原性的概念，基于圖像的二維直方圖的分布狀況和直方圖特點，構(gòu)造聚類圖像分割的數(shù)據(jù)集并基于二維直方圖提取數(shù)據(jù)樣本(抗原)的抗原性；利用非均衡免疫網(wǎng)絡(luò)聚類的圖像分割具有很好的抗噪聲能力，而且是