没有合适的资源?快使用搜索试试~ 我知道了~
聚类分析及其在图像处理上的应用.doc
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 153 浏览量
2021-10-07
20:14:12
上传
评论
收藏 647KB DOC 举报
温馨提示
试读
11页
聚类分析及其在图像处理上的应用.doc
资源推荐
资源详情
资源评论
- -
聚类分析及其在图像处理上的应用
1 绪论
1.1 基于聚类的图像处理的研究现状
聚类分析在图像处理中应用广泛,
其中一项重要的应用就是图像分割。
图像分割多年来一直受到人们的高度
重视,各种类型的分割算法相继被提
出。虽然人们在图像分割方面做了许
多工作,但是至今仍没有通用的分割
算法,也不存在一个客观的评价准那
么。大多数分割算法都是针对一种具
体类型的图像提出的很难适用于所有
图像。实际上由于各个领域的图像千
差万别,也很难提出万能的分割算法。
基于聚类的图像分割方法是图像分割
领域中一类非常重要且应用广泛的算
法。
2 聚类分析概述
2.1 聚类的定义
聚类的目的是将有限个无标注数据划
分到有限个离散的组或类中,发现数据
隐藏的部构造。Backer 和 Jain
[1]
指
出数据的划分是依赖于所选择的相似
性度量的,通过主观地选择相似性度量
来到达有的的划分。至今,人们并没有
对聚类给出一个统一的定义。多数研
究者都是从部同质性和外部可分性对
聚类簇进展描述,即同类数据对象间应
该彼此相似,不同类间的数据对象应该
不相似
[3
。在给出聚类的数学描述之
前,首先介绍与聚类有关的一辟术语和
数学表达方法。
样本:指要进展聚类的数据集中的单个
数据。样本一般是一个多维向量,向量
的每个分量可以是数值型或者名词型
的数据,一般称为特征或者属性。
样本集:或称数据集,是由单个样本所
组成的集合,即是需要聚类操作的数据
整体,通常表示为一个矩阵。
相异度矩阵:该矩阵中的每个元素表
$样本集中的每对样本之间的相异程
度,一般是非负值。
相似度矩阵:该矩阵中的每个元素表小?
样本集中的每对样本之间的相似程度,
一般是非负值。
类:或称簇,指通过聚类而形成的一组,
同一类中的样本具有相似的特征。通
常用 C 或 K 表示类的个数。
类原型:能够代表某个类性质的数据兀,
可以是某类样本中的一个样本,或者是
- . word.zl-
- -
某类样本的一个加权值,也可以是能描
述一个类特征的向量。
划分矩阵[U]
n*K
:矩阵中的每个元素表
示每个样本属于各个类的模糊隶属度
, 且 , 在 此
〖表?样本标号,k 表类标标号。
1.2 聚类的数据类型
通常获得的数据类型有两种:一是数据
矩阵,二是相异度矩阵(相似度矩阵)。
假 定 数 据 集 中 有 n 个 样 本 :
,i=1,2,....,n,每个样本有 p 个变量(特
征属 性),那 么这 n 个样 本可 表示 成
n*p(n 个样本 xp 个变量)的数据矩阵。
(2-1)
其中每个对象对应为一个 p 维向量:
(2-2)
相异度矩阵存储的是 n 个样本两两之
问的相界度,表现形式足一个 n*n 维
的矩阵。
(2-3)
在这里 d(i,j)是样本 i 和样本 j 之间相
异性的量化表示,通常是一个非负的数
值,当样本 i 和样本 j 越相似,d(i,j)的
值就越接近 0;反之,两个样本越不相
似,的
值就越大。d(i,j) = d(j, i),且 d(i,j) =
0,因此得到形如(2-3)的矩阵。
图像数据的表示
日常应用中得到的图像一般分为两类:
灰度图像和彩色图像。灰度图像的数
值表示为一个二维矩阵[I]
m*n
图像一共
包含 m*n 个像素。在此,m 和 n 分
别代表图像的高和宽,(ij)表示位于第
i 行和第 j 列的像素,I
ij
表示其灰度值。
彩色图像的数值表示为一个三维矩阵
[I]
m*n*3
,像素的个数仍为 m×n,3
表示三个颜色通道,每一层的二维矩
阵表示该图像在某一个颜色通道的数
值。位于位置(i,j)的像素对应的颜色
特 征 向 量 表 示 为
[I(i,j,1),I(i,j,2),I(i,j,3)]。
- . word.zl-
- -
在许多情况下,色彩是描述一幅图像最
简单有效的特征,而且人眼对色彩的分
辨率大大高于对灰度图像的分辨率,因
此彩色图像所携带的信息远远大于灰
度图像。一般的图像处理技术最先应
用于灰度图像,然后开展到彩色图像,
图像分割也不列外。颜色特征可以来
自于不同的颜色空间,不同的颜色空间
以不同的方式对图像颜色进展描述。
一共有四种不同的颜色空间:RGB 颜
色空间、XYZ 颜色空间、HIS 颜色空
间、Lab 颜色空间。RGB 颜色空间是
根本的颜色空间,RGB 对应于红(R)、
绿(G)、蓝(B)三种基色,其余所有颜色
空间都可由 RGB 颜色空间经过线性
或非线性变换得出的。
给定一幅待分割的图像,我们可以直接
获得像素的位置信息,灰度值(灰度图
像)或者 RGB 颜色特征值(彩色图像),
这些特征也是图像分割中最常用的特
征属性。但是对于一些复杂图像,单纯
依赖这些底层特征不能得到满意的分
割结果。基于这些底层特征,人们提取
了更多有效的特征,其中常用的有描述
物体外表灰度变化的纹理特征和根据
特定对象的先验信息参加的形状特征。
最近,人们开场借助一辟先进的电子产
品提取深度信息,通过参加这辟高层特
征来改善对特定类图像的分割结果。
在提取特征之后,就可以得到每个像素
点的一个向量表小,也就可以看成是高
维空间中的一个数据点。但是,像素点
又和传统的数据不同,每个像素点在阁
像中的位置是固定的,每个像素点的邻
域像素点都可以直接通过位置信息获
得,这一特性也在图像数据的相似度计
算上得以表达。
2.3 聚类算法
近些年来,聚类分析一直是研究热点问
题。基于相似度矩阵的聚类算法指的
足给定相似度矩阵的情况下即可进展
聚类处理的算法。只要给定相似度计
算模型,那么基于相似度矩阵的聚类算
法也可以处理数据矩阵,即首先根据数
据矩阵计算出相似度矩阵,然后利用基
于相似度矩阵的聚类算法进展聚类。
2.3.1 基于数据矩阵的聚类算法
基于数据矩阵的聚类算法只能处
理数据矩阵对象,其中很多经典的类原
型聚类算法都可以划分到这一类聚类
算法中,如 K 均值型聚类算法,模糊 C
均值型聚类算法(FCM), EM 型聚类算
法等。这辟算法之所以称为类原型聚
类算法,是因为每个类可以由类原型来
代表,在对数据进展划分的同时也给每
个类找到具有代表作用的类原型。一
- . word.zl-
剩余10页未读,继续阅读
资源评论
pyhm63
- 粉丝: 6
- 资源: 20万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 筷手引流工具.apk
- 论文(最终)_20240430235101.pdf
- 基于python编写的Keras深度学习框架开发,利用卷积神经网络CNN,快速识别图片并进行分类
- 最全空间计量实证方法(空间杜宾模型和检验以及结果解释文档).txt
- 5uonly.apk
- 蓝桥杯Python组的历年真题
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 前端开发技术实验报告:内含4四实验&实验报告
- Highlight Plus v20.0.1
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功