更新时间：11-24 （小胖猫）提供原创文章
摘要：图像的使用很广泛，所以人们对它进行了各种深入的探讨与研究。常常仅对图像里面某些区域感兴趣。把这些区域称为目标或前景，通常在对应区域中图像特征明显。为了辨识和分析目标，因此有必要将这些相关的领域分离出来，本文提出了一种基于ISODATA算法的图像分割新方法。该方法首先通过图像的读入,提取出图像中的每个像素点的纹理、位置等综合特征,形成特征向量空间。运用ISODATA算法手动确定初始聚类中心,然后将样本点分到各个聚类中心去，通过与样本点离开聚类中心的平均距离的比对，决定合并合还是分裂，最终将图像中的目标从背景中分离出来。实验结果表明,该方法能较好的分割，并且分割速度快，然后才有可能进一步的使用目标，具有较好的应用价值。本文主要介绍了ISODATA算法的基本原理，对算法的优点和缺点进行了分析，并利用MATLAB实现图像分割。
关键词：ISODATA算法;图像分割;初始聚类中心;样本点;聚类中心
目录
摘要
ABSTRACT
1 引言-1
2 图像分割综述-2
2.1 图像分割研究背景与意义-2
2.2 图像分割方法介绍-2
2.2.1 基于聚类的分割方法-2
2.2.2 基于阈值分割方法-4
2.2.3 边缘检测方法与活动轮廓方法-5
2.2.4 区域生长与分水岭法-6
2.3 MATLAB与图像聚类分割-7
2.3.1 MATLAB概述-7
2.3.2 图像聚类分割-9
3 基于ISODATA聚类算法的图像分割-11
3.1 ISODATA算法描述-11
3.1.1 算法特点-11
3.1.2 算法思想-11
3.1.4 ISODATA聚类算法与相似算法比较-14
3.2 实验结果与分析-16
3.2.1 实验介绍-16
3.2.2 图像示例实验-16
3.2.3 实验小结-19
4 总结与展望-21
致谢-22
参考文献-23