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.ppt

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：,图像分割系统的实现,系统整体处理流程,开始,n,y,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 until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pixelsxy的形式,具体转换过程如下： pbitmap-canvas- pixelsxy= r+(gcanvas-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=4,k=5,k=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=4,k=5,k=6,分割系统的应用,图片特性：遥感图像 地 区：东营 大 小：162151 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=6,k=4,k=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=4,k=5,k=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,总结与展望,利用聚类分析中的k-