基于k-均值聚类算法的彩色图像分割改进算法毕业论文

基于k-均值聚类算法的彩色图像分割改进算法毕业论文

ID:11858411

大小:615.00 KB

页数:16页

时间:2018-07-14

基于k-均值聚类算法的彩色图像分割改进算法毕业论文_第1页
基于k-均值聚类算法的彩色图像分割改进算法毕业论文_第2页
基于k-均值聚类算法的彩色图像分割改进算法毕业论文_第3页
基于k-均值聚类算法的彩色图像分割改进算法毕业论文_第4页
基于k-均值聚类算法的彩色图像分割改进算法毕业论文_第5页
资源描述:

《基于k-均值聚类算法的彩色图像分割改进算法毕业论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、本科毕业论文(设计)题目:基于K-均值聚类算法的彩色图像分割改进算法教务处制二○一二年六月诚信声明本人郑重声明:本人所呈交的毕业论文(设计),是在导师的指导下独立进行研究所取得的成果。毕业论文(设计)中凡引用他人已经发表或未发表的成果、数据、观点等,均已明确注明出处。除文中已经注明引用的内容外,不包含任何其他个人或集体已经发表或在网上发表的论文。特此声明。论文作者签名:日期:年月日摘要在一幅图像中,景物往往有众多的目标组成,反映在图像中是众多的区域。图像分割属于图像处理中一种重要的图像分析技术。图像分割的传统方法是对灰度图像分割,处理图像的亮度分量,简单快速。但却忽略了图像

2、中很大一部分信息:色彩,因此分割效果不佳。对彩色图像分割的研究一直是图像处理的焦点,它采用各种颜色空间模型,使得图像分割更全面,更精确。本论文首先介绍了传统的图像分割与聚类算法分割,然后重点介绍一种基于K-均值聚类算法的图像改进分割方法。实验结果表明,改进的分割方法能够实时稳定的对目标分割提取,分割效果良好。关键词:K-均值聚类;图像分割;聚类算法AbstractIn an image, the scene is often alargenumberof targets, reflectedin many are- asin theimage.Imagesegmentati

3、on is animportant imageanalysistechniqueofwiththeluminancecomponent of the image,simpleandfast.Butitignores alarge partoftheinformation in the image: color,so the poorsegmentationresults.Researchon colorimagesegmentation hasbeen the focus of imageprocessing,which usesa variety of color spa

4、cemodel,makingthe segmentation morecomprehensiveandmoreaccurate.Thispaperfirst describes the traditionalimagesegmentation and clusteringalgorithm topartition,andthen focuseson a segmentationmethod basedon the K- meansclusteringalgorithmforimage improvement.The experimentalresultsshowthat t

5、he segmentation methodcan improve real-timestabilityof segmentation toext-ract thetarget partition togoodeffect.Keywords:K-meansclustering; imagesegmentation; clusteringalgorithm目录序言11图像分割综述11.1图像分割技术的现状和发展情况11.2图像分割主要研究方法22K-均值聚类算法22.1聚类概念22.2K-均值聚类算法23基于K-均值聚类的彩色图像分割算法及改进33.1引言33.2图像特征提取

6、43.2.1颜色特征的提取43.2.2纹理特征的提取43.3K-均值聚类图像分割算法的研究与改进53.4实验结果与分析6总结与展望84.1工作总结84.2工作展望8参考文献9序言在计算机视觉和图像分析中。如何把目标物体从图像中有效分割出来一直是个经典难题之一,它决定图像的最终分析质量和模式识别的判别结果。图像分割是指将图像中具有特殊意义的不同区域分开来,并使这些区域相互不相交,且每个区域应满足特定区域的一致性条件。图像一旦被分割,就可作进一步的处理,如基于内容的图像检索、分类及识别等。因此,图像分割是图像处理和模式识别中的一个重要研究领域。目前图像分割的算法主要有阈值分割法

7、、边缘提取法、区域分割法、分水岭分割法等,这些分割算法各有优缺点。近年来,许多研究人员提出用聚类算法来分割图像,并取得了较好的实验结果。但如何初始划分(分类)样本以及选择代表点将直接影响分割的效果。在以往的研究中,基于K均值聚类及其改进算法的图像分割技术受到了广泛关注。1图像分割综述21世纪是信息化的时代,信息的形式不再是单纯的语音,而是发展到包括数据、文字、图像、视频等在内的多媒体形式。据统计,人类接受外界的信息中有80%来自图像。图像分割技术是针对性很强的技术,它在人类生产和生活的方方面面起到了越来越重要的作用

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。