基于聚类分析的图像分割研究毕业论文

毕业论文声明 本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论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撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。

学位论文作者（签名）： 年 月 关于毕业论文使用授权的声明 本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容： 按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 论文作者签名： 日期： 指导教师签名： 日期： 毕 业 设 计（论 文） 题 目： 基于聚类分析的图像分割研究 毕业设计（论文）原创性声明 本人郑重声明：所提交的毕业设计（论文），是本人在导师指导下，独立进行研究工作所取得的成果。除文中已注明引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写过的作品成果。对本研究做出过重要贡献的个人和集体，均已在文中以明确方式标明并表示了谢意。

论文作者签名： 日期： ２０１４ 年 6月 2日

目录 第一章 绪论......................................................1 1.1图像分割的背景及意义.........................................1 1.2图像分割的研究现状...........................................3 1.3本文的主要工作...............................................5 第二章 聚类分析理论..............................................7 2.1 聚类分析概述 ................................................7 2.2 常见的聚类算法 .............................................12 2.3 模糊聚类算法 ...............................................14 2.4图像分割方法................................................16 2.5本章总结....................................................18 第三章 基于K-means算法的图像分割方法..........................19

3.1RGB颜色空间 ...............................................19 3.2定义和概述..................................................19 3.3 简单的例子介绍 .............................................21 3.4 k-means图像分割............................................23 3.5改进的k-均值聚类图像分割算法 ...............................27 3.6本章总结....................................................31 第四章 基于FCM算法的图像分割..................................32 4.1模糊聚类的概念..............................................32 4.2FCM算法的概述...............................................34 4.3本章总结....................................................43 总结与展望.........................................................44 5.1总结........................................................44 5.2研究展望....................................................45 结束语.............................................................46 致谢...............................................................47 参考文献...........................................................48 附录A .............................................................52 基于K-means算法的matlab源程序....................................52 附录B .............................................................54 基于K-均值聚类改进前的matlab源程序 ...............................54 附录C .............................................................57 基于FCM聚类算法的matlab源程序....................................57 摘 要 在飞速发展的信息时代，图像是人类获取信息的重要手段之一，因而图像的处理就变得极其重要。而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，分割的好坏直接影响后期的图像识别和理解。 图像分割是指将一幅图像分解成若干互不相交区域的集合，其实质是一个像素的聚类过程。本文以图像分割的聚类实质为线索，对近几年国内外最新的图像分割算法进行了分析比较，指出了聚类在这个领域的重要性。本论文针对聚类算法在图像分割中的应用，主要涉及了以下几个内容： （1）详细介绍当前图像分割以及聚类分析的研究背景，现状。 （2）对基于模糊K均值的图像分割算法进行探讨，并对K均值算法进行改进，通过粗糙集理论提供 K-均值聚类所需要的初始类的个数和均值，提高了聚类的效率和分类的精度。 （3）对基于标准模糊 C 均值聚类的图像分割算法进行了探讨，研究了基于模糊聚类的图像分割方法中初始类别数的选取、初始类中心和初始隶属度矩阵的确定等问题。 （4）将基于模糊K均值的图像分割算法与基于标准模糊 C 均值聚类的图像分割算法进行对比分析。

关键词： 聚类分析， 模糊聚类，图像分割，K均值算法，C均值算法 ABSTRACT The rapid development in the information age , the image is an important means of human access to information , and thus the image processing becomes extremely important. And the image segmentation of the image is usually performed to further analysis, identification , tracking , understanding , compression , etc., directly affects the post- split image recognition and understanding.Image segmentation refers to the collection of an image is decomposed into several disjoint regions , and its essence is a pixel clustering process . In this paper, image segmentation clustering substantive clue , at home and abroad in recent years, image segmentation algorithms are analyzed and compared , pointed out the importance of clustering in this field . This thesis clustering algorithm for image segmentation , mainly related to the following elements : ( 1 ) a detailed description of current research background image segmentation and clustering analysis of the status . ( 2 ) image segmentation algorithm based on fuzzy K-means were discussed , and the K-means algorithm is improved , providing the initial class and the mean number of K- means clustering required by rough set theory , improve the efficiency of clustering and classification accuracy. ( 3 ) the standard image segmentation algorithm based on fuzzy C -means clustering were discussed , studied to select the initial number of categories based on fuzzy clustering method of image segmentation , determining the initial cluster centers and the initial membership matrix of other issues. ( 4 ) the segmentation algorithm for image segmentation algorithm based on fuzzy C-means clustering standard comparative analysis based on K-means fuzzy image .