基于D-S证据理论与C均值聚类的图像分割

摘要

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于竹材图像纹理的分类。针对D-S进行图像数据分类时,需要用户设定训练样本问题,提出一种根据图像特征使用C-均值聚类算法自动获取D—S训练样本的方法。首先将图像分成几个区域,对每个区域利用小波分解去掉含有图像边缘的区域,然后对剩余的平滑区域计算能量均值作为特征值,使用C-均值聚类算法对平滑区域分类,将特征值与类别标记作为D-S的训练样本,最后用训练后的分类器对图像进行分割。实验结果表明提出的方法取得了很好的分割结果。