基于FCM的绝缘子憎水性图像处理方法研究

论文摘要

本文研究以模糊C均值聚类(FCM)为主要内容的憎水性图像处理方法。利用基于势分布函数的FCM算法,提出两种憎水性图像处理算法,并进行实验验证:基于信息测度和FCM的憎水性图像分割算法,通过提出三个信息测度表征图像特性,有效获取水珠/水迹信息;基于Hausdorff距离的憎水性图像边缘检测算法,针对传统算法中欧氏距离的缺点,采用Hausdorff距离取代欧氏距离,将Hausdorff距离与FCM算法相结合,水珠/水迹边缘获取和去噪能力均有很大改善,对绝缘子憎水性检测具有一定的应用前景。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 选题背景和研究意义
• 1.2 本课题国内外发展动态
• 1.2.1 边缘检测方法
• 1.2.2 图像分割方法
• 1.2.3 憎水性图像处理方法
• 1.3 本文主要工作和内容安排
• 第二章 憎水性图像等级评价方法分析
• 2.1 憎水性图像分级
• 2.2 憎水性图像的获取
• 2.2.1 原始图像的获取
• 2.2.2 原始图像的预处理
• 2.3 憎水性图像特征量分析
• 2.3.1 灰度熵特征
• 2.3.2 种子点统计
• 2.3.3 频谱幅值特征
• 2.3.4 最大水珠或水迹的形状因子
• 2.3.5 最大水珠或水迹与整幅图像的面积比
• 2.3.6 改进形状因子法
• 2.4 小结
• 第三章 FCM-TYPE算法
• 3.1 C均值聚类算法
• 3.1.1 数据集X的c-划分
• 3.1.2 硬C均值聚类算法（HCM）
• 3.1.3 模糊C均值聚类算法（FCM）
• 3.2 FCM-TYPE算法
• 3.2.1 标准FCM算法
• 3.2.2 加权FCM算法
• 3.2.3 带有惩罚项的FCM算法
• 3.2.4 半模糊C均值聚类算法
• 3.3 基于势分布函数的WFCM算法
• 3.3.1 势分布函数定义
• 3.3.2 基于势分布函数的WFCM算法
• 3.3.3 试验结果及分析
• 3.4 小结
• 第四章 基于信息测度和FCM的憎水性图像分割算法
• 4.1 图像边缘点信息测度
• 4.1.1 基于模糊熵的邻域有序性信息测度分量
• 4.1.2 基于梯度及模糊熵的方向性信息测度分量
• 4.1.3 基于相似度的信息测度分量
• 4.1.4 三个信息测度作用
• 4.2 基于信息测度和FCM的憎水性图像分割算法
• 4.3 试验结果及分析
• 4.4 小结
• 第五章 基于HAUSDORFF距离的憎水性图像边缘检测方法
• 5.1 HAUSDORFF距离
• 5.1.1 标准Hausdorff距离
• 5.1.2 Hausdorff距离的改进形式
• 5.2 基于HAUSDORFF距离和信息测度构造边缘特征向量
• 5.3 基于HD和FCM的憎水性图像边缘检测方法
• 5.4 试验结果及分析
• 5.5 小结
• 第六章 总结与展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况