基于ISODATA聚类算法的图像分割.doc

摘要：图像的使用很广泛，所以人们对它进行了各种深入的探讨与研究。常常仅对图像里面某些区域感兴趣。把这些区域称为目标或前景，通常在对应区域中图像特征明显。为了辨识和分析目标，因此有必要将这些相关的领域分离出来，本文提出了一种基于ISODATA算法的图像分割新方法。该方法首先通过图像的读入,提取出图像中的每个像素点的纹理、位置等综合特征,形成特征向量空间。运用ISODATA算法手动确定初始聚类中心,然后将样本点分到各个聚类中心去，通过与样本点离开聚类中心的平均距离的比对，决定合并合还是分裂，最终将图像中的目标从背景中分离出来。实验结果表明,该方法能较好的分割，并且分割速度快，然后才有可能进一步的使用目标，具有较好的应用价值。本文主要介绍了ISODATA算法的基本原理，对算法的优点和缺点进行了分析，并利用MATLAB实现图像分割。

关键词：ISODATA算法;图像分割;初始聚类中心;样本点;聚类中心

目录

摘要

ABSTRACT

1  引言-1

2  图像分割综述-2

2.1  图像分割研究背景与意义-2

2.2  图像分割方法介绍-2

2.2.1  基于聚类的分割方法-2

2.2.2  基于阈值分割方法-4

2.2.3  边缘检测方法与活动轮廓方法-5

2.2.4  区域生长与分水岭法-6

2.3  MATLAB与图像聚类分割-7

2.3.1  MATLAB概述-7

2.3.2  图像聚类分割-9

3  基于ISODATA聚类算法的图像分割-11

3.1  ISODATA算法描述-11

3.1.1  算法特点-11

3.1.2  算法思想-11

3.1.4  ISODATA聚类算法与相似算法比较-14

3.2  实验结果与分析-16

3.2.1  实验介绍-16

3.2.2  图像示例实验-16

3.2.3  实验小结-19

4  总结与展望-21

致谢-22

参考文献-23