【《基于K-means算法的RGB彩图提取方法案例分析》1000字】_第1页
【《基于K-means算法的RGB彩图提取方法案例分析》1000字】_第2页
【《基于K-means算法的RGB彩图提取方法案例分析》1000字】_第3页
【《基于K-means算法的RGB彩图提取方法案例分析》1000字】_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于K-means算法的RGB彩图提取方法案例分析在灰度图像上进行图像分割，灰度值相近的不同物体在聚类时难免会造成混淆导致图像分割不清晰。红外图像将不同温度由不同的颜色显示出来，因此，本课题又提出一种基于彩色特征进行电力设备及高温区域的分割方法。1）K-means原理K-means聚类算法是一种比较基本的聚类划分算法，由J.B.MacQueen于1967年首次提出，并历经40多年的研究和发展，已经在红外图像分割中扮演者一个重要的角色。K-means算法的原理是将图片分成n个样本后从n个样本中选取k个样本作为初始聚类中心，对于剩下的样本计算样本与各个聚类中心的距离（欧氏距离，假设图像中有两个点A（x1，y1,），B（x2，y2），deK-means算法是一个利用计算机的高性能、运算速度快的特性对算法进行迭代的过程，再将迭代的数据进行分类整理，利用红外图像颜色的差异将图像分为几个不同的类别，相近颜色的类别归为一类，从而将需要的部分给提取出来。图1-15K-means聚类算法流程图一幅RGB彩图可以将他看成一个矩阵，假设红外图像的尺寸为i×j，则认为矩阵里有i×j个元素，每个元素都可以表示为（x,y,z)，矩阵中的每个元素都代表着这一部分的颜色，即x代表红色色度，y代表绿色色度，z代表红色色度，这样就完成了图像数字化，将图像中各个像素的颜色利用欧氏距离分类，像素越高，精度越高。聚类的测度函数使用各个点在坐标系上数值（x，y，z值）之和，具体步骤如下：(1)在Matlab中利用Imread指令读取红外热图像；(2)设定k值，即聚类数量；(3)初始化聚类中心为任意k个点，设第n个聚类中心为，；(4)选择一任意点，分别对k个聚类中心计算，选择dk值最小点与相应的聚类中心方向聚为一类；(5)计算这个点与聚类中所有点之和的平均值作为新的聚类中心，并不断重复这个过程，直到误差小于为止，具体如下：①假设m是聚类的点个数，Cm是某一聚类的聚类中心。rm=(i,j,1)，gm=(i,j,2)，bm=(i,j,3)。（式129）②计算（式130）③当与距离小于时，认定Cm为聚类中心，否则返回第(4)步，直到差小于为止。2）K-means分割结果与分析如图所示，利用K-means算法将红外图像聚类成k个颜色特征的集合。当k值越高时，聚类后的图像相似度越来越趋近于原图。分析前K=3K=5K=7K=10原图灰度图图1-16K-means算法实例K-means算法的核心思想是将数据集通过迭代过程分成不同类别，使其不断向标准测度函数收敛，具有简单便捷、对于大数据集效率高的优点。当类与类之间分布密集且类与类之间具有较大差异时K-me

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论