全球旧事资料 分类
实验一基于模糊聚类的图像分割
一,实验目的通过模糊c均值(FCM)聚类实现图像的分割。二,算法描述动态聚类方法的目的是把
个样本划分到c个类别中的一个,使各样本与其所在类均值的误差平方和最小。FCM聚类算法的目标函数为:
Mi
错误!未找到引用源。UZ
(1)其中m1是一个可以控制聚类结果的模糊程度的常数。在不同的隶属度定义方法下最小化式(1)的损失函数,就得到不同的模糊聚类方法。其中最有代表性的模糊C均值方法,要求一个样本对于各个聚类的隶属度之和为1,即(2)在条件(2)下求式(1)的最小值,令错误!未找到引用源。对错误!未找到引用源。和错误!未找到引用源。的偏导数为0,可得必要条件:
错误!未找到引用源。
(3)
三,变量说明P数据样本维数(灰度图像时为1);N像素点数目;X像素i特征(灰度图像时,表示灰度值);C图像分割类别数;U像素点i属于第j类的隶属度;Z第i类聚类中心;四算法步骤Step1设置目标函数精度ε,模糊指数m(m通常取2),最大迭代次数错误!未找到引用源。Step2初始化模糊聚类中心错误!未找到引用源。Step3由(3)式更新模糊划分矩阵U错误!未找到引用源。和聚类中心Z错误!未找到引用源。Step4若JtJt1ε或c错误!未找到引用源。则结束聚类;否则,tt1并转Step3Step5由所得U错误!未找到引用源。得到各像素点的分类结果。五,实验内容与要求(1)使用附录1的参考程序对无噪图像进行模糊聚类分割。(2)使用附录1的参考程序对各种加噪(高斯噪声,椒盐噪声及斑点噪声等)图像进行模糊聚类分割,并与(1)中的相应结果进行比较。(3)附录1的参考程序给出了图像分割为3类的FCM算法,请同学们进行分割为2类或4类的扩展,或者在理解例程或算法的基础上自己实现算法。
f参考程序代码:fu
ctio
fcmtmpimreadCDocume
tsa
dSetti
gsAdmi
istrator桌面fig8pgmIMtmp1IMim
oiseIMspeckle001IMim
oiseIMsaltpepper01IMim
oiseIMgaussia
0001IMdoubleIMfigure1imshowui
t8IMmaxXmaxYsizeIMIMMcat3IMIMIMcc18cc2100cc3200ttfcm0whilettfcm15ttfcmttfcm1c1repmatcc1maxXmaxYc2repmatcc2maxXmaxYc3repmatcc3maxXmaxYccat3c1c2c3reerepmat0000001maxXmaxYree1cat3reereereedista
ceIMMcdista
cedista
cedista
ceree1daoShu1dista
cedaoShu2daoShu1daoShu2daoShu3dista
ce1dista
ce1daoShu2u11dista
ce1dista
ce2dista
ce2daoShu2u21dista
ce2dista
ce3dista
ce3daoShu2u31dista
ce3r
好听全球资料 返回顶部