基于组织进化的聚类算法及其在sar图像分割中的应用

基于组织进化的聚类算法及其在sar图像分割中的应用

ID:34551363

大小:1.73 MB

页数:83页

时间:2019-03-07

基于组织进化的聚类算法及其在sar图像分割中的应用_第1页
基于组织进化的聚类算法及其在sar图像分割中的应用_第2页
基于组织进化的聚类算法及其在sar图像分割中的应用_第3页
基于组织进化的聚类算法及其在sar图像分割中的应用_第4页
基于组织进化的聚类算法及其在sar图像分割中的应用_第5页
基于组织进化的聚类算法及其在sar图像分割中的应用_第6页
基于组织进化的聚类算法及其在sar图像分割中的应用_第7页
基于组织进化的聚类算法及其在sar图像分割中的应用_第8页
基于组织进化的聚类算法及其在sar图像分割中的应用_第9页
基于组织进化的聚类算法及其在sar图像分割中的应用_第10页
资源描述:

《基于组织进化的聚类算法及其在sar图像分割中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于组织进化的聚类算法及其在SAR图像分割中的应用作者姓名唐瑞祺学校导师姓名、职称刘静教授领域电子与通信工程企业导师姓名、职称强勇高工申请学位类别工程硕士提交学位论文日期2014年11月学校代码10701学号1202121293分类TN82号TP75密级公开西安电子科技大学硕士研究生毕业论文基于组织进化的聚类算法及其在SAR图像分割中的应用作者姓名:唐瑞祺领域:电子与通信工程学校导师姓名、职称:刘静教授企业导师姓名、职称:强勇高工提交日期:2014年11月OEABasedClusteringAlgorithmsandItsApplicationonSARImageSe

2、gmentationsAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByTangruiqiSupervisor:LiujingQiangyongNovember2014西安电子科技大学毕业论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢

3、中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。本论文与资料若有不实之处,本人承担一切的法律责任。本人签名:日期:西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用毕业论文的规定,即:研究生在校学习期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。

4、同时本人保证,毕业后结合毕业论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本论文属于保密,在年解密后适用本授权书。本人签名:导师签名:日期:日期:摘要摘要合成孔径雷达(SAR)图像正在获得越来越广泛的应用,SAR传感器可以穿透云层,在恶劣的天气情况下和夜间情况下也依然能够工作,而光学传感器则做不到这些。SAR图像应用中的一个重要环节就是对图像进行正确的分割,它是实现SAR图像理解的基础,像图像变化检测、目标识别等技术都离不开良好的图像分割结果。聚类分析是一项常用的挖掘数据间关系的技术,它能够根据数据之间的相似性分布把数据集划分

5、为数个聚类,使得在每个聚类内的数据都具有相似的属性,而不同聚类间的数据则差异较大。基于聚类分析的这一功能,把聚类分析应用于图像分割中已成为一个热门的研究方向。以下是本文在这一研究方向上的主要工作:1、传统的模糊c均值(FCM)聚类算法易陷于局部最优解,对初始值敏感,且应用于图像分割时没有考虑图像的局部信息,对噪声的抑制能力较差。为了改进上诉缺点,本文提出了基于组织进化算法的FCM聚类算法(OEA-FCM),该算法利用组织进化(OEA)的全局搜索能力解决传统FCM算法易陷入局部最优解和对初始值敏感的缺陷,同时引入了图像中的空间信息,有效的抑制了噪声的干扰。2、迭代自组织

6、算法(ISODATA)是一个经典的聚类算法,它在K-means算法的基础上引入了对聚类的分裂操作和融合操作,从而可以自动的调整聚类中心和聚类的个数。然而该算法对分裂操作的阈值和融合操作的阈值极为敏感,且该阈值参数不易设定。为了解决这一问题,本文提出了基于组织进化的ISODATA聚类算法(OEA-ISODATA),该算法利用OEA的解空间搜索能力去搜索ISODATA聚类算法参数的最优值,同时OEA-ISODATA算法引入了像素块的策略,能够利用有效的空间信息,滤除无用的空间信息,从而提高了算法对噪声干扰的鲁棒性。3、由于单个聚类有效性指标在设计时仅考虑聚类的某一或某些方

7、面特性,没有某一聚类有效性指标能够适用于全部数据类型,因此采用单个聚类有效性指标做为评价函数的单目标进化算法在搜索解空间时就能力有限。为了解决这一问题,我们将DMEA多目标进化算法应用于聚类分析中,提出了基于DMEA多目标进化算法的聚类算法(DMECA)。DMECA在产生新个体时同时考虑种群多样性和收敛能力,此外还构建、更新一个外部档案用于存储非支配解,此外在更新档案和种群时都尽量使得非支配解在pareto曲线上均匀的分布。关键词:组织进化,DMEA,聚类,图像分割,去噪论文类型:应用基础技术I西安电子科技大学硕士学位论文IIABSTRACTABST

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。