纹理图像的特征提取和聚类算法研究

论文摘要

随着信息技术的发展,纹理分析是近年来图像分析领域的研究热点,纹理分析主要应用于纹理分类,纹理分割,纹理合成等方面,应用十分广泛。从本质上讲,纹理聚类的任务是根据图像中各像素所处的不同区域,将它们归至未知的不同类别。纹理的归属不仅仅和给定像素的灰度值有关,还和其周围的灰度分布状况密切相关。纹理聚类可以看作由两个子问题组成,即特征提取和分类处理。其中,常用的特征提取的方法有基于统计的方法、频域分析、差分直方图方法等。本文主要对纹理的特征提取和聚类算法做了研究,所做的工作主要有三部份:纹理特征提取,特征选择,聚类算法的改进。本文首先介绍了图像纹理特征提取中的一些常用方法,并且改进了判断纹理方向和粗糙度的方法,对Brodatz纹理库中的图像用灰度共生矩阵的方法提取了15个纹理特征。然后对这些特征进行K-L变换,在新的变换域中选取其主要特征以备聚类时用。最后对Brodatz纹理库中的样本作了聚类分析,本文主要改进了两种聚类算法:一种是对K-means算法的改进,K-means聚类算法受初始聚类状态的影响较大,在迭代时容易陷入局部极值,本文改进了选取初始聚类中心的方法,并对两类和多类问题分别加以讨论,实验证明改进算法可以较好地解决K-means算法初始状态的选取问题,提高了聚类准确性。另一种是对模拟退火算法的改进。模拟退火算法的冷却进度表选取尤为关键,直接影响到算法的收敛时间和收敛结果。本文对模拟退火算法所做的工作主要有:1.将模拟退火算法运用于数据聚类,把对纹理图像的聚类问题转化为最优化问题;2.改进了冷却进度表参数选取,采用变长的马尔可夫链,在高温下马尔可夫链长度较长,搜索的范围较大;温度较低时马尔可夫链长度较短,相应的搜索范围较小。3.给模拟退火算法增加了记忆功能。从数据和实验结果上分析,改进后算法收敛结果有所提高,比传统的模拟退火算法收敛时间更短,提高了传统算法的聚类能力。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 纹理概述
• 1.1.1 纹理的定义
• 1.1.2 纹理的应用领域及研究意义
• 1.2 纹理分析的国内外研究现状及发展前景
• 1.3 本文的主要工作及结构安排
• 第二章 纹理图像的特征提取
• 2.1 引言
• 2.2 基于统计的方法
• 2.2.1 一阶统计方法
• 2.2.2 二阶统计方法
• 2.2.3 纹理方向和粗糙度判断
• 2.3 频谱方法
• 2.3.1 图像的傅立叶变换
• 2.3.2 傅立叶频谱方法提取纹理特征
• 2.4 差分直方图提取纹理特征
• 2.4.1 差分矩阵的生成
• 2.4.2 纹理特征的提取
• 2.4.3 实验结果及结论
• 2.5 纹理特征提取仿真实验
• 2.6 本章小结
• 第三章 纹理图像的特征选择
• 3.1 引言
• 3.2 K-L 变换
• 3.2.1 K-L 变换原理
• 3.2.2 主分量的选取及误差估计
• 3.2.3 K-L 算法进行特征提取的步骤
• 3.3 仿真实验
• 3.3.1 对两类问题的纹理特征做K-L 变换
• 3.3.2 对多类问题的纹理特征做K-L 变换
• 3.4 本章小结
• 第四章 K-means聚类算法及其改进
• 4.1 引言
• 4.2 聚类分析概述
• 4.2.1 聚类分析概念
• 4.2.2 聚类准则
• 4.3 K-means 算法
• 4.3.1 K-means 算法原理
• 4.3.2 K-means 算法步骤
• 4.4 改进的 K-means 算法对两类问题进行聚类
• 4.4.1 算法步骤
• 4.4.2 对改进算法的分析
• 4.4.3 实验结果及分析
• 4.5 改进的 K-means 算法对多类问题进行聚类
• 4.5.1 算法步骤
• 4.5.2 多类聚类问题改进算法分析
• 4.5.3 仿真实验
• 4.6 本章小结
• 第五章 模拟退火算法聚类
• 5.1 引言
• 5.2 模拟退火算法
• 5.2.1 模拟退火算法介绍
• 5.2.2 算法步骤
• 5.2.3 新解的产生过程
• 5.3 冷却进度表的选取
• 5.4 改进的模拟退火算法
• 5.4.1 传统的模拟退火算法的不合理性
• 5.4.2 改进的模拟退火算法
• 5.5 仿真试验
• 5.5.1 算法参数的选择
• 5.5.2 实验结果及评价
• 5.6 模拟退火算法聚类和 K-means 聚类的比较
• 5.7 本章小结
• 第六章 总结和展望
• 6.1 论文总结
• 6.2 论文进一步的工作展望
• 致谢
• 参考文献
• 附录A 纹理特征提取实验数据
• 在学期间的研究成果