基于空間鄰域加權(quán)的模糊核c-均值圖像聚類及其應(yīng)用研究

《基于空間鄰域加權(quán)的模糊核c-均值圖像聚類及其應(yīng)用研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號!旦窆!：壘!UDC004當(dāng)高號!Q2里殳SQ墨Q墨!QZ江蒜大擎碩士學(xué)位論文基于空間鄰域加權(quán)的模糊核C．均值圖像聚類及其應(yīng)用研究ResearchonKernel--basedFuzzyC--meansalgorithmbasedonthespatialweightedforimageclusteringanditsApplication申請學(xué)位級別亟±專業(yè)名稱槿式遲曼』皇萱篚丕統(tǒng)論文提交日期至Q!!生曼旦論文答辯B期至Q】!生魚旦晝旦學(xué)位授予單位和日期江菱太堂至Q】!堡魚旦答辯委員會主席評閱人獨

2、創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨立進(jìn)行研究工作所取得的成果。除文中已注明引用的內(nèi)容以外，本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，也不包含為獲得江蘇大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：岔甬敞豇日日駐"7沙lt年6月f玉日學(xué)位論文版權(quán)使用授權(quán)書江蘇大學(xué)、中國科學(xué)技術(shù)信息研究所、國家圖書館、中國學(xué)術(shù)期：FIJ(光盤版)電子雜志社

3、有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文檔，可以采用影印、縮印或其他復(fù)制手段保存論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致，允許論文被查閱和借閱，同時授權(quán)中國科學(xué)技術(shù)信息研究所將本論文編入《中國學(xué)位論文全文數(shù)據(jù)庫》并向社會提供查詢，授權(quán)中國學(xué)術(shù)期刊(光盤版)電子雜志社將本論文編入《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫》并向社會提供查詢。論文的公布(包括刊登)授權(quán)江蘇大學(xué)研究生處辦理。本學(xué)位論文屬于不保密口。甬匆父江蘇大學(xué)碩士研究生畢業(yè)論文摘要圖像聚類已成為圖像識別的一種關(guān)鍵技術(shù)。醫(yī)學(xué)圖像識別是醫(yī)學(xué)圖像

4、分析和理解的重要內(nèi)容，在醫(yī)學(xué)臨床診斷中具有重要作用。研究適合于圖像識別的圖像聚類算法具有重要意義。本文試圖研究基于空間鄰域加權(quán)的模糊核C一均值聚類并應(yīng)用于醫(yī)學(xué)圖像。本文研究了模糊C．均值聚類(FCM)、圖像的空間信息和核聚類的方法，構(gòu)造了空間鄰域信息函數(shù)，在FCM算法的目標(biāo)函數(shù)中引入核函數(shù)，提出了基于空間鄰域加權(quán)的模糊核C．均值聚類算法。論文研究工作主要體現(xiàn)以下幾個方面：1．針對FCM算法用于圖像聚類時僅利用了像素的灰度信息，而忽視空間位置信息，導(dǎo)致在噪聲區(qū)域和邊界處有誤分類現(xiàn)象，提出一種新的基于空間鄰

5、域加權(quán)的模糊C．均值圖像聚類法。首先，定義了一個空間鄰域信息函數(shù)，該函數(shù)能夠有力抑制噪聲點，同時能夠很好保留邊界的特性；其次，設(shè)計了具有空間約束的樣本鄰域信息加權(quán)隸屬度矩陣；最后，將該方法應(yīng)用于人工合成圖像和模擬MR腦圖像的聚類。實驗結(jié)果表明，該方法能夠獲得較好的聚類效果，同時具有較強(qiáng)的抑制噪聲的能力。2．傳統(tǒng)FCM算法沒有對數(shù)據(jù)特征進(jìn)行優(yōu)化，而是直接利用樣本特征進(jìn)行聚類。這樣其有效性很大程度上取決于樣本的分布情況。針對此問題結(jié)合核聚類算法和FCM算法，提出了一種用內(nèi)核誘導(dǎo)距離來代替歐式距離的聚類方法。

6、3．基于核函數(shù)的FCM算法亦未考慮到圖像的空間信息，對有噪l江蘇大學(xué)碩士研究生畢業(yè)論文聲的圖像進(jìn)行分割時，效果不理想。本文提出利用空間信息的核FCM算法，其核心思想是定義一種新的距離計算方法，不僅考慮特征距離對聚類的影響，而且考慮像素的空間位置信息對聚類的作用，即基于空間鄰域加權(quán)的模糊核C．均值聚類(SIKFCM)算法。4．在基于空間鄰域加權(quán)的模糊核C．均值聚類算法中，高斯平滑參數(shù)和空問信息加權(quán)值的選擇，直接影響聚類效果，本文利用調(diào)節(jié)因子自動選取這兩個參數(shù)，提出一種白適應(yīng)空間信息的模糊核C．均值聚類算法

7、(ASIKFCM)。實驗結(jié)果表明，該方法可以有效的分割噪聲圖像。關(guān)鍵字：醫(yī)學(xué)圖像，圖像聚類，模糊C．均值聚類，核聚類，空間信息，數(shù)據(jù)加權(quán)，調(diào)節(jié)因子H江蘇大學(xué)碩士研究生畢業(yè)論文ABSTRACTImageclusteringhasbecomeakindofkeyimagerecognitiontechnology．Medicalimagerecognitionisimportantcontentofmedicalimageanalysisandunderstanding，whichplaysanimport

8、antpartinthefieldofmedicalclinicaldiagnosis．Thereisanimportantsignificancetoresearchimageclusteringalgorithmwhichissuitableforimagerecognition．Thispaperattemptedtoresearchthekernel—basedfuzzyC—meansclusteringalgorithmbased