论文题目: 基于模糊理论的图像分割算法研究
论文类型: 硕士论文
论文专业: 计算机应用技术
作者: 李娟
导师: 吴谨
关键词: 图像分割,模糊熵,模糊均值聚类,遗传算法,马尔可夫随机场
文献来源: 武汉科技大学
发表年度: 2005
论文摘要: 图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术,其研究多年来一直受到人们的高度重视。由于待分割图像的可变性比较大,且混有噪声,构成了图像分割所面临的主要困难。到目前为止还不存在一种通用的、能使各种类型的图像达到最优分割质量的图像分割方法。 近年来一些学者将模糊理论引入到图像分割中,较传统方法取得了更好的分割效果。本文在研究传统的模糊阈值分割和模糊聚类分割的基础上,提出了以下改进的新方法: 1.针对目标/背景两类图像分割问题,考虑二维灰度直方图,采用了一种更符合图像空间分布特点的隶属函数,建立了对应的二维图像模糊熵,并采用遗传算法对二维图像模糊熵的各个参数进行优化,根据最大模糊熵准则,确定目标和背景的最佳分割阈值:实验结果表明,基于遗传算法的二维最大模糊熵阈值分割法具有较好的分割性能和较快的分割速度,对噪声有一定的抑制能力。另外,针对多目标的复杂图像分割问题,本文采用了一种三类阈值分割法,该方法将图像分为暗区、灰度区和亮区,通过建立相应的模糊隶属函数,对图像各个灰度级属于暗区、灰度区和亮区的模糊特性进行描述,应用指数熵的概念,基于概率分析,引进了一种新的模糊熵定义;并根据最大模糊熵准则,应用遗传算法,确定最佳的分割阈值;实验结果表明,基于遗传算法的三类阈值分割法能快速有效地分割复杂图像。 2.针对传统的模糊C均值聚类(FCM)图像分割方法未考虑图像的空间信息,本文采用了一种结合空间信息的模糊C均值聚类分割算法;该方法将图像的二维直方图引入传统的模糊C均值聚类算法,并对隶属函数做了改进;依据平方误差和最小准则,来确定模糊分类矩阵及聚类中心;最后,依据最大隶属度原则,划分图像像素的类别归属;实验结果表明,结合空间信息的模糊C均值聚类分割方法对含噪图像有效,分割效果较好。另外,针对二维直方图模糊化处理时存在空间信息损失问题,而马尔可夫随机场(MRF)理论能准确描述图像像素间的空间相互关系,本文采用了一种基于马尔可夫随机场的模糊C均值聚类图像分割方法,利用MRF理论所描述的邻域关系属性,以Gibbs能量的形式引入先验的邻域约束信息,建立了包含灰度信息与空间信息的聚类目标函数,依据平方误差和最小准则,来确定模糊分类矩阵及聚类中心;最后,依据最大隶属度原则,划分图像像素的类别归属,以改善传统FCM算法的分割质量;实验结果表明,该方法能准确有效地分割图像,且具有较强的抗噪能力。
论文目录:
摘要
Abstract
第一章 绪论
1.1 图像分割研究的重要性及其意义
1.2 图像分割的理论基础
1.3 图像分割的基本方法
1.3.1 边缘检测
1.3.2 区域的生长和分裂合并
1.3.3 阈值分割
1.3.4 其它分割方法
1.4 分割结果的评价
1.5 本文主要内容与章节安排
第二章 模糊理论与应用
2.1 模糊理论简介
2.2 模糊集基础
2.3 模糊理论在图像处理中的应用
2.4 图像分割中的模糊技术
第三章 基于最大模糊熵和遗传算法的图像阈值分割
3.1 引言
3.2 阈值分割原理
3.3 基于一维最大模糊熵的图像分割算法
3.3.1 模糊集定义
3.3.2 模糊熵
3.3.3 一维最大模糊熵阈值分割
3.4 基于二维最大模糊熵的图像分割算法
3.4.1 引入二维直方图的必要性
3.4.2 二维最大模糊熵阈值分割
3.5 利用遗传算法优化二维最大模糊熵进行图像分割
3.5.1 遗传算法概要
3.5.2 遗传算子
3.5.3 遗传算法的参数
3.5.4 遗传算法的特点
3.5.5 遗传分割算法的步骤
3.5.6 实验结果与分析
3.6 基于最大模糊熵和遗传算法的三类阈值分割
3.6.1 基于最大模糊熵的三类阈值分割
3.6.2 遗传分割算法的步骤
3.6.3 实验结果与分析
第四章 基于模糊C均值聚类算法的图像分割
4.1 引言
4.2 聚类分析
4.2.1 聚类分析简介
4.2.2 聚类分析在图像分割中的应用
4.3 模糊C均值聚类
4.3.1 硬分类与模糊分类
4.3.2 模糊C均值聚类算法简介
4.3.3 模糊C均值聚类算法的实现
4.4 模糊C均值聚类分割算法
4.4.1 标准模糊C均值聚类分割算法
4.4.2 结合空间信息的模糊C均值聚类分割算法
4.4.3 快速FCM算法
4.5 实验结果与分析
第五章 基于马尔可夫随机场与模糊C均值聚类的图像分割
5.1 引言
5.2 马尔可夫随机场(MRF)与Gibbs分布
5.2.1 邻域系统与势团
5.2.2 Markov随机场
5.2.3 Gibbs随机场
5.3 基于马尔可夫随机场的FCM算法的改进
5.4 实验结果与分析
第六章 结束语
6.1 总结
6.2 展望
参考文献
研究生期间发表的论文
致谢
发布时间: 2005-10-21
参考文献
- [1].基于脉冲耦合神经网络的图像分割应用研究[D]. 江美英.中南民族大学2008
- [2].人体脑图像分割技术研究[D]. 薛耿剑.西北工业大学2006
- [3].基于模糊聚类的图像分割方法研究[D]. 宗永胜.兰州交通大学2017
- [4].改进模糊C均值聚类图像分割算法研究[D]. 武永娟.西北师范大学2018
- [5].基于CV模型的图像分割方法研究[D]. 李娟.西北师范大学2018
- [6].基于图像处理的公路滑坡规模自动提取方法研究[D]. 王琦理.长安大学2018
- [7].结合超像素力和生成式方法的活动轮廓图像分割方法[D]. 林益贤.湖南师范大学2018
- [8].融合最小生成树图割的图像分割方法[D]. 彭智东.广西民族大学2018
- [9].自然光照下田间绿色植物图像分割方法的研究[D]. 钱金磊.内蒙古大学2018
- [10].超声图像多目标语义分割方法研究[D]. 孙天炜.哈尔滨工业大学2018
相关论文
- [1].基于空间信息的模糊聚类图像分割算法研究[D]. 查振家.重庆大学2006
- [2].基于模糊聚类的医学图像分割技术研究[D]. 潘伟.西北工业大学2007
- [3].基于最大模糊熵和遗传算法的图像分割方法研究[D]. 陈媛.武汉科技大学2007
- [4].图像分割算法研究[D]. 罗林.武汉科技大学2007
- [5].基于模糊聚类分析的图像分割算法研究[D]. 李艳红.武汉理工大学2007
- [6].基于模糊阈值的图像分割方法研究[D]. 孙光灵.合肥工业大学2005
- [7].基于模糊聚类图像分割方法研究[D]. 刘晓龙.合肥工业大学2006
- [8].模糊理论及其在图像分割中的应用研究[D]. 安良.合肥工业大学2003
- [9].图像分割技术研究[D]. 夏勇.西北工业大学2004
- [10].图像分割算法的研究与实现[D]. 刘红霞.华东师范大学2004