基于K-均值聚类算法的彩色图像分割改进法毕业论文.doc

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 Abstract In?an?image,?the?scene?is?often?a large number of?targets,?reflected in?many ?are- ?as in?the image. Image segmentation?is?an important?image analysis technique of with the luminance component?of?the?image，simple and fast. But it ignores?a large? part of the information?in?the?image:?color, so?the?poor segmentation results.Research on?color image segmentation?has been?the?focus?of?image processing, which?uses a? variety?of?color?space model, making the?segmentation?more comprehensive and more accurate. This paper first?describes?the?traditional image segmentation?and?clustering algorithm?to partition, and then?focuses on?a?segmentation method ?based on?the ?K- ?means clustering algorithm for image?improvement. The?experimental results show that?the?segmentation?method can?improve?real-time stability of?segmentation?to ext- ract?the target?partition?to good effect. Key words: K-means clustering;?image segmentation;?clustering algorithm 目录 序言 1 1图像分割综述 1 1.1 图像分割技术的现状和发展情况 1 1.2 图像分割主要研究方法 2 2 K-均值聚类算法 2 2.1 聚类概念 2 2.2 K-均值聚类算法 2 3 基于K-均值聚类的彩色图像分割算法及改进 3 3.1引言 3 3.2 图像特征提取 4 3.2.1 颜色特征的提取 4 3.2.2 纹理特征的提取 4 3.3 K-均值聚类图像分割算法的研究与改进 5 3.4 实验结果与分析 6 总结与展望 8 4.1 工作总结 8 4.2 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、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