發(fā)布時間：2017-12-08 14:31

  本文關鍵詞：高性能魯棒模糊聚類分割算法研究

  更多相關文章： 圖像分割 模糊C-均值聚類 核函數(shù) 隱馬爾可夫隨機場模型 非局部均值 鄰域信息 特征選擇

【摘要】：圖像分割作為圖像處理和計算機視覺的基本問題之一,是實現(xiàn)工程上從圖像處理到圖像分析,進而完成圖像理解的關鍵一環(huán)。圖像分割的好壞對圖像理解有及其重要的影響,分割出的區(qū)域可以作為后續(xù)特征提取的目標對象。目前,圖像分割的研究涉及計算機科學,模式識別,機器學習,心理,人工智能,通信傳輸?shù)?其產生的新成果在極大程度上推動著相關領域的發(fā)展。圖像分割的方法和種類很多,其中模糊C均值聚類算法(FuzzyC-means clustering algorithm,FCM)是應用最為廣泛的算法。傳統(tǒng)的FCM算法建立在傳統(tǒng)模糊集上并采用歐氏距離建立目標函數(shù),并且算法未考慮像素的空間鄰域信息,易受異常值影響,在分類質量上存在缺陷,并且該算法對于圖像中的噪聲較敏感,聚類效果不佳。目前有很多學者提出了改進算法,以提高算法的魯棒性,從而使算法具有更好的分割效果,如核模糊C均值聚類算法(Kernel fuzzy C-means clustering algorithm,KFCM),通過將輸入空間的樣本映射到高維特征空間進行聚類,此方法聚類效果更好,收斂速度更快;基于空間信息的模糊C均值聚類算法(Spatial fuzzy C-means clustering algorithm,FCM_S)和核空間鄰域信息模糊 C 均值聚類算法(Kernel spatial fuzzy C-means clustering algorithm,KFCM_S),將圖像的鄰域信息引入到聚類目標函數(shù),每一次迭代計算將隸屬度和聚類中心融入了樣本鄰域信息,消除噪聲影響。為了更好的提高噪聲干擾圖像的魯棒性,本文提出核空間隱馬爾可夫隨機場FCM算法、核空間自適應非局部均值魯棒分割算法和基于特征選擇的FCM算法。本文的主要工作陳述如下:1、介紹模糊集理論、FCM算法、KFCM算法,分析FCM聚類分割算法對圖像進行聚類分割時出現(xiàn)錯分、誤分所導致的圖像分割不清晰的不足。結合隱馬爾可夫隨機場模型(Hidden Markov random field model,HMRF),并將算法推廣到核空間,提出了核空間隱馬爾可夫FCM算法,以概率來描述圖像像素之間的空間信息,并且對于隸屬度函數(shù)通過引入先驗概率函數(shù)進行隱馬爾可夫優(yōu)化,從而獲得最優(yōu)解逼近的隸屬度并對其最大化來獲取分割標記,充分考慮圖像的隨機性,使像素樣本聚類更為準確、魯棒性更好。2、將非局部鄰域信息嵌入FCM分割算法,對算法的抗噪性能進一步的改善,但是,由于非局部均值濾波參數(shù)是固定的,該算法對不同強度噪聲干擾圖像的分割缺乏普適性。針對不同強度噪聲的干擾選擇合適的濾波程度參數(shù),以此來提高算法的抗噪聲干擾性能,本文提出核空間自適應非局部均值魯棒分割算法。相比FCM、KFCM、FCM_S、KFCM_S評價指標PSNR值,本文算法比其它幾種改進算法提高了至少1-2db。本文算法得到的圖像聚類分割結果更穩(wěn)定、分割區(qū)域的一 致性更好、抗噪魯棒性更強,滿足噪聲圖像分割的需要。3、針對傳統(tǒng)的模糊C均值聚類算法是一種無監(jiān)督的方法,沒有對訓練集預先標上類別,不能準確確定哪些數(shù)據是有用的,哪些數(shù)據是沒用的,從而不能得到準確的分類。融合特征顯著性概念及其標記選擇方法,提出了基于特征選擇FCM算法。通過對圖像樣本數(shù)據的特征選擇有效提高算法的分類性能,從而提高算法的抗噪聲性能,以滿足含噪聲圖像分割的需要。
【學位授予單位】：西安郵電大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 Julian Bucknall;丁寧;;數(shù)據庫算法系列講座(三)[J];程序員;2002年03期

2 鄒汪平;;一種基于網絡安全控制的蜂群算法應用研究[J];吉林師范大學學報(自然科學版);2013年04期

3 李向偉;曹博;;時間參數(shù)在HITS算法中的應用及改進[J];蘭州工業(yè)高等�？茖W校學報;2006年02期

4 吳濤;彭篤學;;一種改進的直線段裁剪算法[J];湛江師范學院學報;2008年03期

5 張瑞子;南琳;胡琨元;田景賀;;基于EPC Class-1 Gen-2標準的防沖突算法與改進[J];計算機工程;2009年02期

6 黃超;周寧;倪佑生;;基于蟻群算法的攻擊圖分析[J];計算機工程;2009年18期

7 秦永彬;許道云;;警示傳播算法的原理分析及算法改進[J];計算機工程與應用;2010年19期

8 郭毅可;韓銳;;云計算中的彈性算法:概要和展望[J];上海大學學報(自然科學版);2013年01期

9 牛玉靜;唐棣;;雙步圓的反走樣生成算法[J];計算機工程與應用;2010年23期

10 肖璞;;XML索引更新算法的改進[J];南京工程學院學報(自然科學版);2010年03期

中國重要會議論文全文數(shù)據庫 前10條

1 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會——2004年學術年會論文集[C];2004年

2 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會2004年學術年會論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進的Apriori算法的研究[A];廣西計算機學會2012年學術年會論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實現(xiàn)[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

5 趙唯;;晶粒度評級的改進算法[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 劉啟文;;可擴展的圖形學算法演示系統(tǒng)的研究[A];’2004計算機應用技術交流會議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進算法[A];廣西計算機學會25周年紀念會暨2011年學術年會論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計算機學會2009年年會論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數(shù)據庫學術會議論文集（研究報告篇）[C];2006年

中國博士學位論文全文數(shù)據庫 前10條

1 鐘永騰;基于近場MUSIC算法的復合材料結構健康監(jiān)測研究[D];南京航空航天大學;2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應用[D];西安電子科技大學;2015年

3 苗義烽;突發(fā)事件下的列車運行調度模型與算法研究[D];中國鐵道科學研究院;2015年

4 楊玉婷;頭腦風暴優(yōu)化算法與基于視頻的非接觸式運動定量分析方法研究[D];浙江大學;2015年

5 劉杰;全局優(yōu)化問題的幾類新算法[D];西安電子科技大學;2015年

6 柏靜;基于多種混合策略的人工蜂群算法改進研究[D];山東師范大學;2016年

7 孔翔宇;幾類優(yōu)化問題的人工蜂群算法[D];西安電子科技大學;2016年

8 匡立;分形網絡的理論、算法及應用研究[D];武漢大學;2015年

9 孫磊磊;AP聚類算法研究及其在電子病歷挖掘中的應用[D];大連理工大學;2017年

10 單美靜;求解非線性實代數(shù)系統(tǒng)的混合算法研究[D];華東師范大學;2008年

中國碩士學位論文全文數(shù)據庫 前10條

1 安世勇;命題邏輯中隨機3-SAT問題算法研究[D];西南交通大學;2015年

2 畢曉慶;油氣探礦權競爭性出讓系統(tǒng)設計與實現(xiàn)[D];中國地質大學(北京);2015年

3 王明明;鐵路大機與線路固定設施間距檢測算法研究[D];西南交通大學;2015年

4 李靜;基于視頻圖像序列的運動目標檢測與跟蹤算法研究[D];寧夏大學;2015年

5 劉貝玲;基于天地圖的租房平臺開發(fā)及其關鍵技術研究[D];西南交通大學;2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學;2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災應急疏散最優(yōu)路徑研究[D];西南交通大學;2015年

8 張路奇;基于改進蟻群算法的WSN路由協(xié)議的研究[D];中國地質大學(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應用與改進[D];長安大學;2015年

10 信琴琴;手勢控制和識別算法研究[D];閩南師范大學;2015年

，

本文編號：1266742