| 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 |
| 答辩日期 | 2004 |
| 文献子类 | 硕士 |
| 授予单位 | 兰州理工大学 |
| 导师 | 李明 |
| 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 |
| 学位名称 | 工学硕士 |
| 学位专业 | 通信与信息系统 |
| 英文摘要 | 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。 |
| 语种 | 中文 |
| 页码 | 50 |
| 内容类型 | 学位论文 |
| 源URL | [http://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 |
| 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. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论