文档介绍：成绩
本科毕业论文(设计)
题目:基于K-均值聚类算法的
彩色图像分割改进算法
教务处制
二○一二年六月
诚信声明
本人郑重声明:本人所呈交的毕业论文(设计),是在导师的指导下独立进行研究所取得的成果。毕业论文(设计)中凡引用他人已经发表或未发表的成果、数据、观点等,均已明确注明出处。除文中已经注明引用的内容外,不包含任何其他个人或集体已经发表或在网上发表的论文。
特此声明。
论文作者签名:
日期: 年月日
摘要
在一幅图像中,景物往往有众多的目标组成,反映在图像中是众多的区域。图像分割属于图像处理中一种重要的图像分析技术。图像分割的传统方法是对灰度图像分割,处理图像的亮度分量,简单快速。但却忽略了图像中很大一部分信息:色彩,因此分割效果不佳。对彩色图像分割的研究一直是图像处理的焦点,它采用各种颜色空间模型,使得图像分割更全面,更精确。
本论文首先介绍了传统的图像分割与聚类算法分割,然后重点介绍一种基于K-均值聚类算法的图像改进分割方法。实验结果表明, 改进的分割方法能够实时稳定的对目标分割提取,分割效果良好。
关键词:K-均值聚类;图像分割; 聚类算法
Abstract
In an image, the scene is often a large number of targets, reflected in many  are-
 as in the image. Image segmentation is an important image analysis technique of with the ponent of the image,simple and fast. But it ignores a large 
part of the information in the image: color, so the poor segmentation
on color image segmentation has been the focus of image processing, which uses a 
variety of color space model, making the segmentation prehensive and more accurate.
This paper first describes the traditional image segmentation and clustering algorithm to partition, and then focuses on a segmentation method  based on the  K-
 means clustering algorithm for image improvement. The experimental results show that the segmentation method can improve real-time stability of segmentation to ext-
ract the target partition to good effect.
Key words: K-means clustering; image segmentation; clustering algorithm
目录
序言 1
1图像分割综述 1
图像分割技术的现状和发展情况 1
图像分割主要研究方法 2
2 K-均值聚类算法 2
聚类概念 2
K-均值聚类算法 2
3 基于K-均值聚类的彩色图像分割算法及改进 3
3
图像特征提取 4
颜色特征的提取 4
纹理特征的提取 4
K-均值聚类图像分割算法的研究与改进 5
实验结果与分析 6
总结与展望 8
工作总结 8
工作展望 8
参考文献 9
序言
在计算机视觉和图像分析中。如何把目标物体从图像中有效分割出来一直是个经典难题之一,它决定图像的最终分析质量和模式识别的判别结果。图像分割是指将图像中具有特殊意义的不同区域分开来,并使这些区域相互不相交,且每个区域应满足特定区域的一致性条件。图像一旦被分割,就可作进一步的处理,如基于内容的图像检索、分类及识别等。因此,图像分割是图像处理和模式识别中的一个重要研究领域。目前图像分割的算法主要有阈值分割法、边缘提取法、区域分割法、分水岭分割法等,这些分割算法各有优缺点。近年来,许多研究人员提出用聚类算法来分割图像,并取得了较好的实验结果。但如何