應用模糊聚類與粒子演算法之色彩分群研究; Fuzzy clustering and particle swarm optimization applied to color clustering algorithm

NCU Institutional Repository > 資訊電機學院 > 通訊工程學系碩士在職專班 > 博碩士論文 > Item 987654321/48335

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/48335

题名:	應用模糊聚類與粒子演算法之色彩分群研究;Fuzzy clustering and particle swarm optimization applied to color clustering algorithm
作者:	游健忠;Chien-Chung Yu
贡献者:	通訊工程研究所碩士在職專班
关键词:	聚類演算法;粒子群演算法;群體智能;色彩分群;圖像分割;Image segmentation;Fuzzy C Means;Swarm Intelligence;PSO;Particle Swarm Optimization;Clustering Algorithms
日期:	2011-07-30
上传时间:	2012-01-05 14:51:49 (UTC+8)
摘要:	目前在影像處理的領域中，圖像分割算是重要的一項影像處理。圖像分割可以透過色彩分群的方法達到圖像分割的目的。而透過圖像分割可以讓我們容易得到我們需要的部分，並將分離出來的部分加以處理。模糊聚類演算法是屬於聚類演算法的一種，它是由K-Means改良而來的，它主要加上了模糊理論的概念，使得每一點的輸入向量以歸屬的程度來表現。但模糊聚類演算法本身有一些缺點，初始值的選擇會影像它分群的效果。所以我們利用群體智能粒子群優化演算法來找尋初始值，讓模糊聚類演算法來達到好的色彩分群效果。所以我們本論文將結合模糊聚類演算法、粒子群演算法這二種來做為色彩分群，讓粒子群演算法做為初始值的搜尋的方法來改善模糊聚類演算法的收斂速度、分割的品質。 Nowadays, image segmentation is an important technique in the image processing sector. We can easily extract the necessary parts from the entire image through this technique. Fuzzy C Means is a clustering algorithm coming from K-Means algorithm. The concept of fuzzy logic are applied to this method in which the performance on each point of the input vector has a degree of the belonging. The weakness of Fuzzy C Means is on the clustering effects when selecting the initial value of image. To achieve the good effect on image segmentation by using the Fuzzy C Means’ algorithm, we generate a method of intelligence particle swarm optimization algorithm to find the initial value. We used two algorithm methods in image segmentation technique which are Fuzzy C Means and particle swarm optimization algorithm. Both improved the convergence’s speed and the segmentation’s quality of Fuzzy C Means.
显示于类别:	[通訊工程學系碩士在職專班 ] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	952	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....