基于改进的K-means聚类算法水下图像边缘检测

基于改进的K-means聚类算法水下图像边缘检测-电气论文基于改进的K-means聚类算法水下图像边缘检测 赵凤娇，贺月姣 （中国海洋大学信息科学与工程学院，山东青岛266100

基于改进的K-means聚类算法水下图像边缘检测-电气论 文 基于改进的K-means聚类算法水下图像边缘检测 赵凤娇，贺月姣 （中国海洋大学信息科学与工程学院，山东青岛266100） 摘要：边缘检测被广泛用于图像分析与处理中，由于水的吸收和散射效应， 传统的边缘检测算法对于水下图像得不到较好的效果。在此应用一种新的方法来 得到较准确的水下图像边缘，首先，将原始图像使用暗原色先验算法进行处理得 到较清晰的水下图像；然后，使用梯度幅值边缘检测算法检测出初始边缘，在初 始边缘上检测出端点，使用改进的K?means聚类算法对端点进行分类，从而确 定背景和目标灰度值接近的区域作为窗口；最后，在窗口内使用梯度幅值检测边 缘，通过多个窗口的并集得到最终边缘。实验结果表明，边缘检测效果得到明显 的改善。 关键词：边缘检测；暗原色先验；图像分析；K?means 中图分类号：TN911.73?34文献标识码：A文章编号：1004?373X （2015）20?0089?03 图像边缘检测是图像处理与分析中最基础的内容之一，被广泛用于特征描 述、图像分割、图像增强、模式识别以及图像压缩等。因此，边缘检测在图像处 理与分析中成为一个研究热点，新的理论和方法不断地被提出。目前经常使用的 算法有Roberts，Sobel，Prewitt，LoG，Canny，Kirsch等，但这些经典的边 缘检测方法不能很好地用于水下图像。本文使用一种改进的边缘检测算法来得到 较准确的水下图像边缘。