基于空间邻域加权的模糊核c-均值图像聚类及其应用研究

《基于空间邻域加权的模糊核c-均值图像聚类及其应用研究》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、分类号!旦窆!：垒!UDC004当高号!Q2里殳SQ墨Q墨!QZ江蒜大擎硕士学位论文基于空间邻域加权的模糊核C．均值图像聚类及其应用研究ResearchonKernel--basedFuzzyC--meansalgorithmbasedonthespatialweightedforimageclusteringanditsApplication申请学位级别亟±专业名称槿式迟曼』皇萱篚丕统论文提交日期至Q!!生曼旦论文答辩B期至Q】!生鱼旦昼旦学位授予单位和日期江菱太堂至Q】!堡鱼旦答辩委员会主席评阅人独

2、创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已注明引用的内容以外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果，也不包含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：岔甬敞豇日日驻"7沙lt年6月f玉日学位论文版权使用授权书江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期：FIJ(光盘版)电子杂志社

3、有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致，允许论文被查阅和借阅，同时授权中国科学技术信息研究所将本论文编入《中国学位论文全文数据库》并向社会提供查询，授权中国学术期刊(光盘版)电子杂志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。论文的公布(包括刊登)授权江苏大学研究生处办理。本学位论文属于不保密口。甬匆父江苏大学硕士研究生毕业论文摘要图像聚类已成为图像识别的一种关键技术。医学图像识别是医学图像

4、分析和理解的重要内容，在医学临床诊断中具有重要作用。研究适合于图像识别的图像聚类算法具有重要意义。本文试图研究基于空间邻域加权的模糊核C一均值聚类并应用于医学图像。本文研究了模糊C．均值聚类(FCM)、图像的空间信息和核聚类的方法，构造了空间邻域信息函数，在FCM算法的目标函数中引入核函数，提出了基于空间邻域加权的模糊核C．均值聚类算法。论文研究工作主要体现以下几个方面：1．针对FCM算法用于图像聚类时仅利用了像素的灰度信息，而忽视空间位置信息，导致在噪声区域和边界处有误分类现象，提出一种新的基于空间邻

5、域加权的模糊C．均值图像聚类法。首先，定义了一个空间邻域信息函数，该函数能够有力抑制噪声点，同时能够很好保留边界的特性；其次，设计了具有空间约束的样本邻域信息加权隶属度矩阵；最后，将该方法应用于人工合成图像和模拟MR脑图像的聚类。实验结果表明，该方法能够获得较好的聚类效果，同时具有较强的抑制噪声的能力。2．传统FCM算法没有对数据特征进行优化，而是直接利用样本特征进行聚类。这样其有效性很大程度上取决于样本的分布情况。针对此问题结合核聚类算法和FCM算法，提出了一种用内核诱导距离来代替欧式距离的聚类方法。

6、3．基于核函数的FCM算法亦未考虑到图像的空间信息，对有噪l江苏大学硕士研究生毕业论文声的图像进行分割时，效果不理想。本文提出利用空间信息的核FCM算法，其核心思想是定义一种新的距离计算方法，不仅考虑特征距离对聚类的影响，而且考虑像素的空间位置信息对聚类的作用，即基于空间邻域加权的模糊核C．均值聚类(SIKFCM)算法。4．在基于空间邻域加权的模糊核C．均值聚类算法中，高斯平滑参数和空问信息加权值的选择，直接影响聚类效果，本文利用调节因子自动选取这两个参数，提出一种白适应空间信息的模糊核C．均值聚类算法

7、(ASIKFCM)。实验结果表明，该方法可以有效的分割噪声图像。关键字：医学图像，图像聚类，模糊C．均值聚类，核聚类，空间信息，数据加权，调节因子H江苏大学硕士研究生毕业论文ABSTRACTImageclusteringhasbecomeakindofkeyimagerecognitiontechnology．Medicalimagerecognitionisimportantcontentofmedicalimageanalysisandunderstanding，whichplaysanimport

8、antpartinthefieldofmedicalclinicaldiagnosis．Thereisanimportantsignificancetoresearchimageclusteringalgorithmwhichissuitableforimagerecognition．Thispaperattemptedtoresearchthekernel—basedfuzzyC—meansclusteringalgorithmbased