部分内容展示

本文以基于K均值聚类的天空图像分割算法作为主要研究课题，以K均值聚类算法概念、流程以及存在的问题为基础，对K均值聚类算法进行了改进，基于改进的K均值聚类算法进行了天空图像分割，得知改进后的K均值聚类算法可以获得更为满意的分割效果，且改进的K均值聚类算法在收敛速度上优于传统K均值聚类算法。
随着人类社会的发展，人们每天都要接收到大量数据信息，这些数据信息大都来源于图像，人们从图像中获取信息的过程其实就是对图像加工的过程，经过加工可以获得有用的信息，这一技术就是图像分割。图像分割指的是根据图像中某种特征，把图像划分成若干个内部一致且有共同意义的连通区域的集合，这些特征可以是图像的灰度、颜色、边缘、纹理、区域等等，分割后的图像中同一区域内要具有一致性或相似性，不同区域之间具有明显的相异性。图像分割是图像分析和图像理解的前提，并且图像进一步的处理也由图像分割结果的优劣直接决定。在图像处理领域中，有关于图像的技术包含三个层次，从最底层的图像处理到中间层的图像分析，到最高层的图像理解。图像分割的结果直接影响着图像分析与图像理解，可见图像分析与图像理解首先需要解决的就是图像分割问题，因此图像分割是十分关键的一步，它在实际生活与工作中得到了广泛的应用。
从1970年以来国内外不少学者先后针对图像分割算法做出了一定的研究成果，但因为图像与图像之间会有一定的差异性与多样性，有关于图像的特征提取也没有统一的标准，因此很难有一个统一的算法实现图像分割。在学术研究领域当中，图像分割是一项前沿并具有重要意义的理论研究课题，例如每年举行的计算机视觉、图像处理、模式识别、机器学习、人工智能、信号处理等领域比较权威的国际会议中，都能看到有关图像分割的高水平论文。可见，图像分割在诸多领域中有着重要地位。目前图像分割的算法有很多种，但大多数都有一定的缺陷和不足，这些方法主要有基于阈值的、基于边缘的、基于聚类的、基于区域的等等。近年来，国内外学者针对这些传统算法的弊端，提出了不少改进思想与算法，使得图像分割算法变得更加多样化。