基于K-means聚类算法的图像区域分割
文献综述
【摘要】：图像分割方法是一种从图像中提取感兴趣信息的手段,已经成为从图像处理到图像分析的关键步骤。经历了几十年的发展与变化,基于各种理论的图像分割方法被提出。其中,基于K-means聚类分析的图像分割方法是随着聚类算法的不断发展而产生出来的一种图像分割方法。现将其相关文献进行总结归纳。
【关键词】：算法；图像；区域分割；文献归纳
【正文】：在基于区域的图像检索系统中, 图像区域的区域分割技术 是系统关键技术之一, 图像一旦被分割, 就可以进一步进行处 理, 如基于内容的图像检索、分类及识别等。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。图像分割也是 图像处理和模式识别的经典难题之一, 它决定图像的最终分析 质量和模式识别的判别结果。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
1. 关于K-means聚类算法
1.1 K-means聚类算法的提出
K-means聚类算法是在1955年由Steinhaus，1957年由Lloyd，1965年由Ballamp;Hall,1967年由McQueen分别在各自的领域内独立提出的。K-means聚类算法在被提出以后，在不同的科学领域被广泛的研究和运用，并发展出大量不同的改进算法。虽然其被提出已经有超过五十年了，但目前仍然是应用最广泛的划分聚类算法之一。
1.2 K-means聚类算法的原理
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
