基于超像素聚類(lèi)的圖像分割算法研究

《基于超像素聚類(lèi)的圖像分割算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、基于超像素聚類(lèi)的圖像分割算法研究作者姓名吳晟杰學(xué)校導(dǎo)師姓名、職稱(chēng)李潔教授領(lǐng)域電子與通信工程企業(yè)導(dǎo)師姓名、職稱(chēng)王峰研究員申請(qǐng)學(xué)位類(lèi)別工程碩士提交學(xué)位論文日期2014年11月學(xué)校代碼10701學(xué)號(hào)1202121288分類(lèi)TN82號(hào)TP39密級(jí)公開(kāi)西安電子科技大學(xué)碩士學(xué)位論文基于超像素聚類(lèi)的圖像分割算法研究作者姓名：吳晟杰領(lǐng)域：電子與通信工程學(xué)位類(lèi)別：工程碩士學(xué)校導(dǎo)師姓名、職稱(chēng)：李潔教授企業(yè)導(dǎo)師姓名、職稱(chēng)：王峰研究員提交日期：2014年11月ResearchofImageSegmentationAlg

2、orithmBasedonSuperpixelsClusteringAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByWuShengjieSupervisor:LiJieWangFengNovember2014西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科

3、學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。學(xué)位論文若有不實(shí)之處，本人承擔(dān)一切法律責(zé)任。本人簽名：日期：西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生

4、在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，獲得學(xué)位后結(jié)合學(xué)位論文研究成果撰寫(xiě)的文章，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書(shū)。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要隨著人類(lèi)社會(huì)的發(fā)展，科學(xué)技術(shù)的進(jìn)步，人們每天都要處理大量來(lái)自測(cè)量或觀察到的信息數(shù)據(jù)，以備進(jìn)一步的管理和使用。圖像在人類(lèi)接受、處理和傳遞信息的過(guò)程中起著重

5、要作用，也是人類(lèi)最重要和最有效的信息獲取及交流方式。圖像分割是處理圖像信息的一種重要技術(shù)，圖像分割將輸入圖像分割成若干有意義的目標(biāo)區(qū)域，從而滿足人們?cè)诟鞣N情況下的需求和應(yīng)用。傳統(tǒng)的圖像分割方法大部分是針對(duì)像素進(jìn)行，即描述每個(gè)像素點(diǎn)的顏色、紋理、梯度等信息，這樣分割得到的結(jié)果往往會(huì)過(guò)于碎片化。為了能夠更好的描述圖像的區(qū)域信息，超像素方法被引入到圖像分割中，它能夠更好的符合人類(lèi)理解圖像的視覺(jué)特性。本文的主要工作是利用超像素方法對(duì)圖像進(jìn)行預(yù)分割，然后再引入近鄰傳遞聚類(lèi)算法和密度峰值聚類(lèi)算法對(duì)超像素進(jìn)行

6、聚類(lèi)合并，最終實(shí)現(xiàn)對(duì)圖像的分割。本文的方法不僅取得了很好的分割結(jié)果，還有效解決了聚類(lèi)分割算法計(jì)算量大的問(wèn)題。本文的具體工作如下：1.本論文首先介紹了傳統(tǒng)的圖像分割方法，分析了傳統(tǒng)方法的優(yōu)劣。闡述了超像素方法提出的意義，總結(jié)了目前比較流行的超像素分割方法，使用三種常用的超像素分割方法進(jìn)行對(duì)比實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)本文選擇均值漂移算法作為超像素處理的方法。2.針對(duì)近鄰傳遞聚類(lèi)算法計(jì)算時(shí)間長(zhǎng)、計(jì)算復(fù)雜度高而難以應(yīng)用于大規(guī)模圖像處理的問(wèn)題，提出了基于超像素的近鄰傳遞聚類(lèi)分割算法。首先對(duì)圖像進(jìn)行預(yù)分割，并計(jì)算得到

7、的超像素塊之間的相似度，從而構(gòu)成近鄰傳遞聚類(lèi)算法的相似度矩陣。由于使用超像素塊來(lái)代替像素點(diǎn)，有效地減小了相似度矩陣的規(guī)模，極大的提高了算法的速度。通過(guò)在伯克利分割數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)證明該算法取得了很好的分割效果。3.針對(duì)密度峰值聚類(lèi)算法計(jì)算復(fù)雜度高而難以直接應(yīng)用于圖像分割的問(wèn)題，同時(shí)為了彌補(bǔ)產(chǎn)生超像素的方法是局部算法，提出了基于超像素的密度峰值聚類(lèi)分割算法。首先對(duì)圖像進(jìn)行預(yù)分割，并計(jì)算得到的每一個(gè)超像素塊的決策值，建立密度峰值聚類(lèi)決策圖，對(duì)使用超像素方法預(yù)分割后的圖像實(shí)現(xiàn)全局的聚類(lèi)合并。為了解決算法

8、超參數(shù)的設(shè)置問(wèn)題，通過(guò)引入位平面估計(jì)圖像復(fù)雜度的方法實(shí)現(xiàn)對(duì)算法超參數(shù)的調(diào)整。通過(guò)在伯克利分割數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)證明算法得到的分割效果很好。I西安電子科技大學(xué)碩士學(xué)位論文關(guān)鍵詞：圖像分割，超像素，近鄰傳遞聚類(lèi)，密度峰值聚類(lèi)論文類(lèi)型：應(yīng)用基礎(chǔ)技術(shù)IIABSTRACTABSTRACTWiththedevelopmentofhumansocietyandtheprogressofscienceandtechnology,peopleneedtodealwithalotofmessagesfromthemea