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
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
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
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:162×151 分 辨 率: 30米分辨, 5, 6时的效果图如下所示:
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-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