毕业设计（论文）ppt答辩基于聚类分析的图像分割的研究和应用课件

《毕业设计（论文）ppt答辩基于聚类分析的图像分割的研究和应用课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于聚类分析的图像分割的研究和应用姓名：指导老师：2008年6月9日陈述内容研究背景和意义研究动态研究的主要内容图像分割系统实现分割系统的应用总结与展望研究背景和意义图像分割是图像理解、模式识别和计算机视觉领域中一个十分重要的问题图像分割是计算机视觉技术中首要的关键步骤聚类分析把数据按照相似性归纳成若干类别，使同一类中的数据彼此相似，不同类中的数据相异研究动态对图像分割的方法，可分为四类:基于邻域的方法基于直方图的方法颜色聚类的方法结合特定理论工具的方法研究的主要内容了解数据挖掘的相关概念，熟悉聚类分

2、析的思想和算法，特别掌握K-means算法，实现图像分割系统将图像分割系统应用于遥感图像分割，并对分割结果进行分析图像分割系统的实现经过分析，把系统为以下四个模块：图像分割系统图片提取模块聚类分析模块图片显示模块空间转换模块图像分割系统的实现系统整体处理流程开始选择目标图片RGB?输入K值束结RGB转换成HSV空间聚类分析算法实现NY图像分割系统的实现图片提取模块通过C++Builder中的控件OpenDialog1来选择图片的位置,打开并读取图片像素信息通过“与”操作和移位操作，获取R、G、B的值并

3、保存，作为以下各步骤处理的原始数据对象图像分割系统的实现空间转化模块本模块的主要功能是实现颜色空间RGB和HSV的相互转换由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于颜色处理和识别，人的视觉系统经常采用HSV颜色空间，它比RGB颜色空间更符合人的视觉特性图像分割系统的实现聚类分析模块（本模块主要用K-means算法实现聚类分析）其算法描述如下：任意选择k个对象作为初始的簇中心Repeat根据簇中对象的平均值，将每个对象重新赋给最类似的簇更新簇的平均值，即计算每个簇中对象的平均值Un

4、til各簇的中心点不再发生变化图像分割系统的实现图片显示模块RGB的值转换成Pixels[x][y]的形式,具体转换过程如下：pBitmap->Canvas->Pixels[x][y]=R+(G<<8)+(B<<16)通过函数Image->Canvas->Draw()来实现显示图片，从而实现本模块的功能实例验证选取下面一副图片进行简单的验证原图实例验证在RGB颜色空间下当K=4、5、6时的效果图如下所示：原图K=4K=5K=6实例验证在HSV颜色空间下当K=4、5、6时的效果图如下所示：原图K=4K=

5、5K=6分割系统的应用图片特性：遥感图像地区：东营大小：162×151分辨率:30米分辨率分割系统的应用在RGB颜色空间下，当K=4,5,6时的效果图如下所示：K=6K=4K=5原图分割系统的应用在HSV颜色空间下，当K=4,5,6时的效果图如下所示：原图K=4K=5K=6图像分割效果比较从图像分割后区域内的杂点数来说，HSV空间下的效果更好些从视觉效果上看，HSV颜色空间比RGB颜色空间能更好的符合原来图像的特点要求，它能更好的对原图的同类事物进行分类综上所述，HSV空间能更好的满足图像分割要求总结

6、与展望利用聚类分析中的K-means算法实现图像分割系统实现HSV颜色空间下的分割系统完成对遥感图像的应用Thanksforyourtime谢谢