南京郵電大學通達學院畢 業(yè) 設 計（論 文）題 目： 基于聚類分析的圖像分割研究 專 業(yè)： 信息工程 學生姓名： 朱丹青 班級學號： 100002 10000215 指導教師： 李雷 指導單位： 理學院 日期： 2014 年 1月 16 日 至 2014 年 6 月 13 日畢業(yè)設計（論文）原創(chuàng)性聲明本人鄭重聲明：所提交的畢業(yè)設計（論文），是本人在導師指導下，獨立進行研究工作所取得的成果除文中已注明引用的內容外，本畢業(yè)設計（論文）不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果對本研究做出過重要貢獻的個人和集體，均已在文中以明確方式標明并表示了謝意 論文作者簽名： 日期： ２０１４ 年 6月 2日 目錄第一章 緒論 11.1圖像分割的背景及意義 11.2圖像分割的研究現(xiàn)狀 31.3本文的主要工作 5第二章 聚類分析理論 72.1 聚類分析概述 72.2 常見的聚類算法 122.3 模糊聚類算法 142.4圖像分割方法 162.5本章總結 18第三章 基于K-means算法的圖像分割方法 193.1顏色空間 193.2定義和概述 193.3 簡單的例子介紹 213.4 k-means圖像分割 233.5改進的k-均值聚類圖像分割算法 273.6本章總結 31第四章 基于FCM算法的圖像分割 324.1模糊聚類的概念 324.2FCM算法的概述 344.3本章總結 43總結與展望 445.1總結 445.2研究展望 45結束語 46致謝 47參考文獻 48附錄A 52基于K-means算法的matlab源程序 52附錄B 54基于K-均值聚類改進前的matlab源程序 54附錄C 57基于FCM聚類算法的matlab源程序 57摘 要在飛速發(fā)展的信息時代，圖像是人類獲取信息的重要手段之一，因而圖像的處理就變得極其重要。

而圖像分割通常是為了進一步對圖像進行分析、識別、跟蹤、理解、壓縮編碼等，分割的好壞直接影響后期的圖像識別和理解圖像分割是指將一幅圖像分解成若干互不相交區(qū)域的集合，其實質是一個像素的聚類過程本文以圖像分割的聚類實質為線索，對近幾年國內外最新的圖像分割算法進行了分析比較，指出了聚類在這個領域的重要性本論文針對聚類算法在圖像分割中的應用，主要涉及了以下幾個內容：（1）詳細介紹當前圖像分割以及聚類分析的研究背景，現(xiàn)狀2）對基于模糊K均值的圖像分割算法進行探討，并對K均值算法進行改進，通過粗糙集理論提供 K-均值聚類所需要的初始類的個數(shù)和均值，提高了聚類的效率和分類的精度3）對基于標準模糊 C 均值聚類的圖像分割算法進行了探討，研究了基于模糊聚類的圖像分割方法中初始類別數(shù)的選取、初始類中心和初始隸屬度矩陣的確定等問題4）將基于模糊K均值的圖像分割算法與基于標準模糊 C 均值聚類的圖像分割算法進行對比分析關鍵詞： 聚類分析， 模糊聚類，圖像分割，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 .Keywords: cluster analysis , fuzzy clustering , image segmentation , K -means algorithm , C -means algorithm南京郵電大學通達學院2014屆本科生畢業(yè)設計(論文)第一章 緒論 在當前快速發(fā)展信息化時代，通過圖像來獲取信息是人類認識世界改造世界的重要方式之一，由此看來圖像的處理就變得十分重要1。

圖像處理(image processing)，用計算機對圖像進行分析，以達到所需結果的技術又稱影像處理基本內容 圖像處理一般指數(shù)字圖像處理數(shù)字圖像是指用數(shù)字攝像機、掃描儀等設備經(jīng)過采樣和數(shù)字化得到的一個大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值圖像處理技術的主要內容包括圖像壓縮，增強和復原，匹配、描述和識別3個部分2 常見的處理有圖像數(shù)字化、圖像編碼、圖像增強、圖像復原、圖像分割和圖像分析等其中圖像分割的目的是為了后續(xù)對圖像進行分析、識別、跟蹤、理解、壓縮編碼等，分割的準確性直接影響后續(xù)任務的效果，具有極其重要的意義所以本課題將研究方向確定在利用圖像分割技術來進行圖像的識別31.1圖像分割的背景及意義 聚類分析研究有很長的歷史，幾十年來，其重要性及其研究方向的交叉特性得到人們的肯定聚類分析是數(shù)據(jù)挖掘研究方向的重要研究內容之一，在識別數(shù)據(jù)的內在結構方面有極其重要的作用數(shù)據(jù)挖掘技術是從上世紀80年代開始發(fā)展起來的一門交叉學科，涉及到數(shù)據(jù)庫、統(tǒng)計學、人工智能和機器學習多個領域計算機的應用普及產(chǎn)生了大量數(shù)據(jù)，數(shù)據(jù)挖掘就是利用上述學科的技術進行大量的數(shù)據(jù)處理數(shù)據(jù)挖掘的應用范圍非常的廣泛，從農(nóng)業(yè)生產(chǎn)的預測到基因分類，從信用卡欺詐到稅務稽查，數(shù)據(jù)挖掘技術對未來社會的各個領域將起到越來越大的作用4。

在一副圖像中，我們在通常情況下只是對其中的某些目標感興趣，它們通常在要分割的圖像中占據(jù)一定的區(qū)域，而且在某些特性上與周圍的圖像存在一定的差別這些差別有時候可能是特別明顯的，也有可能是非常微小的，以至于人的肉眼無法察覺的到的圖像分割是按照一定的制約規(guī)則把圖像劃分為若干個互不相交，具有特定性質的區(qū)域,是把我們關注的區(qū)域從需要分割的圖像中提取出來，從此進行進一步研究和處理的技術它使得其中的圖像分析和識別等處理過程中所要處理的數(shù)據(jù)量大大減少了，同時有保留了有關圖像結構特征的信息圖像分割的結果是圖像特征提取和識別等圖像理解的基礎，對圖像分割的研究一直是數(shù)字圖像處理技術的焦點和熱點關于圖像分割的概念有很多，但最終都歸于一個基本思想，即圖像分割時根據(jù)實際需求與應用，按照指定特征信息，對圖像中有意義的邊界、興趣區(qū)域或者對相一致的區(qū)域（灰度、顏色、紋理等）進行分解和提取的技術和過程5 圖像分割的數(shù)學解釋：假定一幅圖像中所有像素的集合為，有關均勻性的假設為分割定義把劃分為若干子集，其中每個子集都構成一個空間連通區(qū)域用四個條件進行數(shù)學描述，即6：①；②；③；④式中，為空集 圖像分割的重要性，可以從圖像工程的三個層次來理解，如圖1.1所示。

圖像工程是指對圖像進行采樣、量化、編碼、傳輸、增強、邊緣檢測、分割、形態(tài)分析、目標識別、目標表達等一系列的加工處理、分析和理解的綜合工程技術 圖像工程根據(jù)抽象程度和研究方法的不同分為三個層次：圖像處理、圖像分析和圖像理解而圖像分割是圖像識別和圖像理解的基礎，分割的好壞結果直接影響到后期的識別和理解7 圖1.1圖像分割在圖像工程中的位置 圖像分割在實際中也已得到廣泛的應用，例如在工業(yè)自動化，在線產(chǎn)品檢驗，以及軍事、體育、農(nóng)業(yè)工程等方面8概括來說，在各種圖像應用中，只要需對圖像目標進行提取，測量等都離不開圖像。