改进的模糊C-均值聚类对噪声图像的分割

题名	改进的模糊C-均值聚类对噪声图像的分割
作者	李云松
学位类型	硕士
导师	李明
答辩日期	2004
学位授予单位	兰州理工大学
学位名称	工学硕士
学位专业	通信与信息系统
关键词	图像分割快速模糊 C -均值聚类灰度相似性邻域空间特征粗集分类模糊增强同组原理
摘要	图像分割的研究自20世纪70年代起一直受到人们的高度重视，是图像技术研究的热点和焦点。图像分割在实际中已得到广泛的应用，几乎涉及有关图像处理的所有领域，应用于这种类型的图像。图像分割通常是为了进一步对图像进行分析、识别、跟踪、理解、压缩编码等，分割的准确性直接影响后续任务的有效性，具有十分重要的意义。模糊C-均值（FCM）聚类分割算法是基于对模糊目标函数的优化基础上的一种数据聚类方法，主要目的在于将向量空间的样本点按照某种距离度量划分成c个子空间，聚类的结果特征是一个数据对聚类中心的隶属程度，该隶属度用一个数值来表示。但是FCM聚类算法本身也存在一定的缺陷。一方面FCM的抗噪功能或者说鲁棒性较差,利用FCM算法进行图像分割时仅利用了灰度信息，而没有考虑像素的空间信息，因而分割模型是不完整的，造成FCM算法只适用于分割噪声含量很低的图像。另一方面，FCM聚类分割方法容易造成对图像的过分割。
其他摘要	The research about image segmentation has attached greatly importance to people from the 1970’. It is hotspot and focus of the image technique, which has been applied for all domains about image processing. Image segmentation is usually for the sake of image analysis、recognition、tracking、 understanding、compress coding etc. The veracity of segmentation is very important to the succeeding task. Fuzzy C-means (FCM) clustering segmentation is a datum clustering method based on the optimization of objective function, which partitions the special vector data point into c interspaces. The clustering result is that a datum is represented with the membership to the clustering center. However, the FCM clustering algorithm is of some flaws. On one the hand, it is very weak to restrain the noise, because the standard FCM arithmetic only used the gray feature to segment image, taking no into account the special feature, so the segmentation is not intact.
页数	50
语种	中文
学号	P0408100103
文献类型	学位论文
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/96243
专题	兰州理工大学
作者单位	兰州理工大学
第一作者单位	兰州理工大学
推荐引用方式 GB/T 7714	李云松. 改进的模糊C-均值聚类对噪声图像的分割[D]. 兰州理工大学,2004.