基于k均值聚类的图像分割研究

针对传统的直觉模糊c均值聚类算法进行图像分割时对聚类中心敏感导致最终聚类精度低、细节保留性差、时间复杂度较大等不足,提出了一种适用于电力设备红外图像分割的基于分布信息的直觉模糊c均值聚类算法。红外图像

针对极化SAR(PolSAR)遥感图像分割,提出了一种空间受限的核模糊C均值(SCKFCM)算法。 与经典的模糊C均值(FCM)算法相比,核方法可以执行从原始空间到核空间的非线性映射。 因此,SCKF

本资料属于机器学习领域的聚类问题，主要内容为：使用聚类方法来进行图像分割。

本程序为M文件，运行环境为matlab, 也可通过matlab转化为C++运行。实现功能：可实现医学图像的自动分割！

提出一种新的基于聚类的SAR 图像分割算法，能够提高分割精度。

适合毕业设计使用，进行FCM图像分割，与传统的canny算子，log算子进行比较，本科论文或者研究生论文都能使用。

图像分割是指将一幅图像分解成若干互不相交区域的集合,其实质是一个像素的聚类过程。本文以图像分割的聚类实质为线索,对近几年国内外最新的图像分割算法进行了综述,指出了聚类在这个领域的重要性。

K-means clustering (K-MEAN).rar

k均值聚类算法，k-means，实现

基于模糊聚类的彩色图像分割方法的研究