论文部分内容阅读
图像分割是一种根据研究的需要将其划分为若干个有意义的区域的图像处理技术,图像分割质量的好坏直接影响后续图像处理的效果。图像分割的方法有很多,有些方法可适用于任何图像,而另外一些算法只能适用于特殊类别的图像。本文所阐述的基于密度和网格聚类的图像分割算法是一类适用于特殊类别的图像分割方法。本文以基于密度和网格相结合的聚类算法及其在图像分割中的应用为主线,主要做了以下几个相关方面的工作：在第一章,本文对现有的一些经典聚类方法做了一个全面的综述,着重分析划分聚类算法、层次聚类算法、基于密度的聚类算法、基于网格的聚类算法及基于模型的聚类算法中的优缺点。第二章阐述密度和网格聚类算法,这一章分三个小节来分别介绍密度聚类算法,网格聚类算法及基于密度和网格相结合的聚类算法。对于密度聚类算法而言,主要介绍传统的DBSCAN聚类算法,快速的FDBSCAN聚类算法,针对这两种聚类方法的不足提出的IF-DBSCAN聚类算法,及提出的基于数据分区的DBSCAN聚类算法并介绍这些一脉相承的密度聚类算法的一些相关数值实验。而对于网格方法而言,主要介绍三种典型的聚类算法,它们分别是STING聚类算法,WaveCluster聚类算法及CLIQUE聚类算法,并介绍与这些算法相关的仿真实验。有了密度聚类算法,网格聚类算法的介绍之后,本章最后来着重阐述基于密度和网格相结合的聚类算法。对于基于密度和网格相结合的聚类方法而言,主要介绍DFC聚类算法和GDCAP聚类算法,它们都是两种典型的基于密度和网格相结合的聚类算法。第三章首先就密度和网格聚类相结合的聚类算法的不足引出基于自适应网格的密度聚类算法。之后在前人工作的基础上,本文作者提出一种基于自适应网格的DBSCAN聚类算法,并作了相应的数值实验。数值实验表明提出的基于自适应网格的DBSCAN聚类算法是可行的。第四章介绍了一种基于密度和网格聚类的图像分割算法DFC,并与图像分割算法FCM及brFCM进行了分析比较。对比数值实验表明,基于密度和网格聚类的图像分割算法DFC分割图像的性能是良好的。结论言简意赅,总结并展望了本文所做的主要工作。