登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 计算机类 > 物联网工程 > 正文

基于BIRCH的图像超像素分割算法的实现及改进文献综述

 2020-04-26 11:51:35  

1.目的及意义

1.1研究背景

图像的研究和应用中,人们往往对图像中的某些部分感兴趣,这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域(可以对应单一区域,也可以对应多个区域),称之为目标或前景,而其他部分称为图像的背景。为了辨识和分析目标,需要把目标从一幅图像中孤立出来。

1.2目的及意义

在数字图像处理的大部分领域中,图像分割有着广泛的应用,如工业自动化、生产过程控制、在线产品检验、图像编码、文档图像处理、遥感和生物医学图像分析、保安监视,以及军事、体育等方面。因此,图像割一直是计算机视觉领域研究的重要内容,对各个行业都有非常广泛的应用,例如人脸识别等技术都要涉及到图像分割。

然而,将图像分割的技术应用到某一具体领域、某一台具体的设备上,会出现运行效率低下,结果产生不及时,内存利用率不高等情况,因此对图像分割算法的时间复杂度和空间复杂度都有新的需求。

1.3当前现状

在计算机视觉领域,图像分割指的是将数字图像细分为多个图像子区域的过程,这些区域是像素的集合,也被称作超像素。超像素由一系列位置相邻且颜色、亮度、纹理等特征相似的像素点组成的小区域。这些小区域大多保留了进一步进行图像分割的有效信息,且一般不会破坏图像中物体的边界信息。

从2003年超像素这一概念提出以来,国内外的很多学着提出很多基于超像素分割的算法。大致可分为两类:基于图论的方法和基于梯度下降的方法。基于图论的图像分割是一种自上而下的全局分割方法,其主要思想是把整幅图像看作一幅带权无向图,图像中每一个像素对应图中的一个节点,像素之间的相邻关系对应图的边,像素特征之间的差异或相似性对应边上的权重。然后在所建立的图上利用各种分割准则来对图中的节点进行划分,进而完成对图像的分割。对于基于梯度下降法,是由初始的粗聚类开始,并通过梯度下降方法不断地更新聚类,直到收敛为止。两类算法都可以得到很好地得到图像分割结果。

Birch算法是1996年由Tian Zhang提出的,该算法的全称是:利用层次方法的平衡迭代规约和聚类。该算法主要包括两个阶段: 阶段一:BIRCH扫描数据库,建立一棵存放于内存的初始CF树,它可以看作数据的多层压缩,试图保留数据的内在聚类结构。 阶段二:BIRCH采用某个(选定的)聚类算法对CF树的叶节点进行聚类,把稀疏的簇当作离群点删除而把稠密的簇合并为更大的簇。Birch算法基于距离的层次聚类,将内存空间考虑在内,减小数据集的输入输出,综合考虑聚类过程中的时间/空间的效率、数据的敏感性和最终聚类结果的精确性等各项因素,最大化的利用内存得到最优的聚类效果。


{title}

2. 研究的基本内容与方案

{title}

基本内容:

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图