基于ISODATA算法的彩色图像分割_万建
5星 · 超过95%的资源 需积分: 0 68 浏览量
2013-05-02
20:42:22
上传
评论 4
收藏 155KB PDF 举报 
图像分割是图像分析的关键步骤，是一种低层次的计
算机视觉技术。图像分割通过分离目标、提取参数和测量参
数将原始图像转化成更抽象的形式，便于图像的分析和理
解。图像分割可以借助集合概念来定义
[2]
。
由于图像分割的重要性和困难性，虽然从世纪年代
2070
起就已经引起人们的高度重视，但目前还没有找到一个通用
的方法和评判图像分割结果的客观标准。人们提出了大量的
算法，这些算法大多是基于灰度图像的，大致可以分成两大
类：基于区域的算法和基于边缘检测的算法
[3]
。由于区域内
部像素一般具有灰度相似性，这是基于区域分割算法的基本
思想。同时在区域之间的边界上一般具有灰度不连续性，因
此基于边缘检测的算法由此而生。基于边缘检测的算法中有
局部图像函数法、图像滤波、多尺度方法和基于反应扩散
-
方程的方法等
[4]
。
由于彩色图像的大量存在，对彩色图像的分割显得尤为
重要。本文从统计模式识别的角度出发，将彩色图像的各个
像素点的色彩分量值看作待分类样本，进行迭代动态聚类。
算法属于一种动态聚类算法，较均值算法有更
ISODATAC-
好的适应性和灵活性。由于彩色图像含有丰富的色彩信息，
从多个信息面描述了图像中的物体特征，能够充分发挥非监
督聚类算法的优势，根据色彩提供的大量信息自动形成各个
聚类，各个聚类能较好地与图像中本来物体吻合。并且在聚
类的分析过程中就完成了物体的标号，达到分割的目的。
动态聚类算法描述
1 ISODATA
算法是统计模式识别中非监督动态聚类算法
ISODATA
中的一种。通过设定初始聚类中心和聚类数，定义相似度准
则函数将全部样本调整完毕后重新计算样本均值作为新的聚
类中心；在调整样本过程中完成聚类分析，动态地进行类的
合并和分裂，从而得到类数比较合理的各个聚类。
""""
作为一种动态聚类算法，要解决如下问题：
ISODATA
确定样本间的相似度函数：
(1)
||||),( yxyx
−
=
D
确定评价聚类结果质量的准则函数，在这里采用误差平方和
(2)
准则函数：
∑ ∑
= =
−=
C
i
N
j
e
j
J
1 1
||||
ij
mx
给定某个初始分类和一些初始条件，然后应用迭代算法找
(3)
出使准则函数取得最小值的最好聚类结果。
算法可按如下几步进行：
确定初始控制参数：
1)
K
期望得到的聚类数
--
θ
N
个聚类中最少样本数
--
θ
S
标准偏差参数
--
θ
C
类间合并参数
--
L
每次迭代允许合并的最大聚类对数
--
I
允许迭代的次数
--
按定义的相似度准则函数，将样本归入最有可能的类。
2)
根据步骤的分类结果更新聚类中心。
3) 2)
计算各类中每个样本与其中心的相似度δ
4)
j
以及所有样本与其
相应聚类中心的平均相似度δ，每个聚类内样本分量的标准偏差
:
б
j
б
=[
jr
，б
jg
，б
j b
。
]
根据步骤的计算结果决定是否进行分裂以及分裂策略。
5) (4)
根据当前聚类中心之间的相互相似度决定是否进行合并以及
6)
合并策略。
若这是最后一次迭代，则程序终止；若需按经验改变参数，
7)
作者简介：
万建～，，硕士生，研究方向：图像处理，模
(1977)
式识别；王继成，博士、教授、博导
收稿日期：
2001-07-04
基于算法的彩色图像分割
ISODATA
万建，王继成
（同济大学计算机系，上海）
200092
摘要：
基于统计模式识别中非监督学习动态聚类算法算法
ISODATA
[1]
，将彩色图像（空间）中由像素的、、分量组成的三维矢量
RGBRGB
看作待分类的模式样本，定义相似度函数作为类间合并和分裂的依据，通过设定初始参数进行迭代，考虑聚类算法应用于图像分割的一些具
体问题并加以改进，最后将图像分割成互不相交的区域，取得了良好的效果。
关键词：
；动态聚类；图像分割；相似度
ISODATA
Color Image Segmentation Based on ISODATA
WAN Jian, WANG Jicheng
(Department of Computer Science and Engineering, Tongji University,Shanghai 200092)
【】
AbstractThis paper applies an unsupervised dynamic clustering algorithm named ISODATA in statistical pattern recognition theory to
segment color images. Basing on this algorithm,this paper considers the color pixels(RGB) as the pattern samples to be classified and defines
the similarity function for converging and splitting clusters.At last,the color image is segmented into several regions which independently
represents the objects in the image by iteration.Good results have been achieved.
【】；；；
Key words ISODATADynamic clusteringImage segmentationSimilarity
第卷 第期
285
№
Vol.28 5
计 算 机 工 程
Computer Engineering
年月
20025
May 2002
·人工智能及识别技术·
中图分类号：
TP 391.41
文章编号：———
10003428(2002)05 0013502
文献标识码：
A
——
135
资源评论
xiaofeizd2014-05-15看着还不错，有程序就好了
meiha1234562014-04-01很好的一篇文章，详细介绍了基于ISODATA算法的彩色图像分割方法
