基于样本区域模糊聚类的灰度图像特征提取研究与应用

论文摘要

图像特征提取是计算机处理图像数据的一个重要的组成部分。由于人的视觉的主观性使得图像适合用模糊的手段来处理。训练样本图像的匮乏又需要无监督的分析方法。而模糊聚类分析方法正好满足这两个方面的需求。因而本文选择用模糊聚类的方法分析灰度图像特征,进而实现灰度图像特征提取。这种无监督的聚类分析就是按照事物间的相似性对事物进行分类的。但是事物在属性方面存在中介性,所以它适合软划分。结合模糊聚类方法的无监督和软划分的特征,本文提出了基于模糊聚类算法的图像特征提取方法。这种图像提取技术通过建立模糊关系,利用在聚类分析中常用来计算分类对象的相似性统计量的方法来处理相似程度的问题,进而完成对灰度图像特征提取处理。基于模糊聚类的图像特征提取展现了重要的优点,通过调整系统参数,可以实现对图像区域特征的提取或者边缘特征的提取。本文首先描述了基于模糊聚类的图像特征提取的理论基础分析；随后利用软件编程思想实现图像特征提取的具体方法；最后,通过输入不同系统参数,对基于样本区域模糊聚类的图像特征提取系统进行仿真,以及与最大最小方法获得的图像特征提取结果进行对比分析,从而验证了本文所提特征提取方法的正确性和有效性。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 概述
• 1.1 研究的目的和意义
• 1.2 模糊聚类方法提取图像特征的研究背景
• 1.2.1 数字图像特征提取研究背景
• 1.2.2 基于模糊聚类算法的图像特征提取的研究背景
• 1.3 论文的主要工作
• 1.4 论文的主要结构及创新点
• 第二章 基于灰度图像特征提取的模糊聚类算法模型分析
• 2.1 灰度图像模糊关系的搭建
• 2.1.1 灰度图像的模糊关系原理
• 2.1.2 基于图像特征的模糊关系的搭建
• 2.2 基于灰度图像的聚类算法理论分析
• 2.2.1 图像的聚类分析的概况
• 2.2.2 基于灰度图像的聚类分析
• 第三章 基于模糊聚类算法的灰度图像特征提取实现
• 3.1 灰度图像特征提取前提
• 3.1.1 灰度图像提取系统的软件准备
• 3.1.2 灰度图像的相关理论基础
• 3.2 灰度图像特征提取实现
• 3.2.1 灰度图像介绍
• 3.2.2 图像区域特征提取
• 3.2.3 隶属特征函数获取过程
• 3.2.4 灰度图像特征提取
• 3.3 系统参数分析
• 3.3.1 图像区域矩阵N
• 3.3.2 相似度α
• 3.4 小结
• 第四章 灰度图像特征提取系统的仿真及应用
• 4.1 灰度图像特征提取系统简介
• 4.1.1 软件检测部分
• 4.1.2 软件功能部分
• 4.2 标准灰度图像仿真
• 4.3 比较最大最小算法
• 4.4 实际图像应用
• 4.4.1 石墨烯薄片应用
• 4.4.2 视网膜成像应用
• 第五章 全文总结及进一步的工作
• 5.1 全文总结
• 5.2 进一步的工作
• 参考文献
• 攻读硕士学位期间研究成果
• 致谢