1、“.....本文采取了区域均值的算法，以半径 的窗口矩阵为例，边缘像素的值近似的表示为与其相关的所有纹理特征值之平 均值。即 ，   其中，为的空间坐标。 均值聚类图像分割算法的研究与改进 均值聚类算法的基本思想随机选取个点作为初始聚类中心，计算各 个样本到聚类中心的距离，把样本归到离它最近的那个聚类中心所在的类，对 调整后的新类计算新的聚类中心。如果相邻两次的聚类中心没有任何变化，说 明样本调整结束，聚类准则函数已经收敛。 均值聚类算法中重要的步是初始聚类中心的选取，般是随机选取待 聚类样本集的个样本，聚类的性能与初始聚类中心的选取有关，聚类的结果 与样本的位置有极大的相关性。旦这个样本选取不合理，将会增加运算的 复杂程度，误导得全局最优解，就必须完 成，次聚类，找出其中使得最小的聚类结果......”。

2、“..... 采用欧氏距离进行距离测量，在维空间中欧氏距离的公式是  聚类中心再发生变化。 误差平方和局部最小。 将样本集划分成个类，这种划分使得下式最小  是第个类的质心，如果想要设计个算法求 个终止条件。终止条件可以是以下任何个 没有或最小数目对象被重新分配给不同的聚类。 没有或最小数目个聚类。旦全部对象都被分配了，每个聚类的 聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足 领域内比较常用的算法之。 先随机选取个对象作为初始的聚类中心。然后计算每个对象与各个种子 聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以 及分配给它们的对象就代表 改变分组，使得每次改进之后的分组方案都较前次好，而所谓好的标准 就是同分组中的记录越近越好，而不同分组中的纪录越远越好......”。

3、“.....而且这个分组满足下列条件每个分 组至少包含个数据纪录每个数据纪录属于且仅属于个分组对 于给定的，算法首先给出个初始的分组方法，以后通过反复迭代的方法 于密度的方法，基于网格的方法，基于模型的方法。 均值聚类算法是著名的划分聚类分割方法。划分方法的基本思想是给 定个有个元组或者纪录的数据集，分裂法将构造个分组，每个分 组就代表个集合，这些对象与同个簇中的对象 彼此相似，与其他簇中的对象相异。聚类分析又称群分析，它是研究样品或 指标分类问题的种统计分析方法。聚类分析计算方法主要有如下几种 划分方法，层次方法，基方法阈值分割方法及结合特定理论工 具的分割方法。 均值聚类算法 聚类概念 将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚 类。由聚类所生成的簇是组数据对象的过程，这些特性可 以是像素的灰度颜色纹理等提取的目标可以是对应的单个区域......”。

4、“.....图像分割方法有许多种分类方式，在这里将分割方法概括为 四类边缘检测方法区域生长 特定的具有独特性质的区域并提取出感兴趣目标的技术和统的图像分割方法存在着不足，不能满 足人们的要求，为进步的图像分析和理解带来了困难。 图像分割主要研究方法 图像分割是图像处理中的项关键技术，图像分割是把图像分割成若干个技术的现状和发展情况 图像分割算法的研究已有几十年的历史，直以来都受到人们的高度重视。 关于图像分割的原理和方法国内外已有不少的论文发表，但直以来没有种 分割方法适用于所有图像分割处理。传展到包括 数据文字图像视频等在内的多媒体形式。据统计，人类接受外界的信息 中有来自图像。图像分割技术是针对性很强的技术，它在人类生产和生活 的方方面面起到了越来越重要的作用。 图像分割分分类样本以及选择代表点将直接影响分割的效果。在以往的研究中......”。

5、“..... 图像分割综述 世纪是信息化的时代，信息的形式不再是单纯的语音，而是发域。目前图像分割的算法主要有阈值分割法边 缘提取法区域分割法分水岭分割法等，这些分割算法各有优缺点。近年来， 许多研究人员提出用聚类算法来分割图像，并取得了较好的实验结果。但如何 初始划分域。目前图像分割的算法主要有阈值分割法边 缘提取法区域分割法分水岭分割法等，这些分割算法各有优缺点。近年来， 许多研究人员提出用聚类算法来分割图像，并取得了较好的实验结果。但如何 初始划分分类样本以及选择代表点将直接影响分割的效果。在以往的研究中， 基于均值聚类及其改进算法的图像分割技术受到了广泛关注。 图像分割综述 世纪是信息化的时代，信息的形式不再是单纯的语音，而是发展到包括 数据文字图像视频等在内的多媒体形式。据统计，人类接受外界的信息 中有来自图像......”。

6、“.....它在人类生产和生活 的方方面面起到了越来越重要的作用。 图像分割技术的现状和发展情况 图像分割算法的研究已有几十年的历史，直以来都受到人们的高度重视。 关于图像分割的原理和方法国内外已有不少的论文发表，但直以来没有种 分割方法适用于所有图像分割处理。传统的图像分割方法存在着不足，不能满 足人们的要求，为进步的图像分析和理解带来了困难。 图像分割主要研究方法 图像分割是图像处理中的项关键技术，图像分割是把图像分割成若干个 特定的具有独特性质的区域并提取出感兴趣目标的技术和过程，这些特性可 以是像素的灰度颜色纹理等提取的目标可以是对应的单个区域，也可以是 对应的多个区域。图像分割方法有许多种分类方式，在这里将分割方法概括为 四类边缘检测方法区域生长方法阈值分割方法及结合特定理论工 具的分割方法......”。

7、“.....由聚类所生成的簇是组数据对象的集合，这些对象与同个簇中的对象 彼此相似，与其他簇中的对象相异。聚类分析又称群分析，它是研究样品或 指标分类问题的种统计分析方法。聚类分析计算方法主要有如下几种 划分方法，层次方法，基于密度的方法，基于网格的方法，基于模型的方法。 均值聚类算法是著名的划分聚类分割方法。划分方法的基本思想是给 定个有个元组或者纪录的数据集，分裂法将构造个分组，每个分 组就代表个聚类。而且这个分组满足下列条件每个分 组至少包含个数据纪录每个数据纪录属于且仅属于个分组对 于给定的，算法首先给出个初始的分组方法，以后通过反复迭代的方法 改变分组，使得每次改进之后的分组方案都较前次好，而所谓好的标准 就是同分组中的记录越近越好，而不同分组中的纪录越远越好。 均值聚类算法 算法是领域内比较常用的算法之......”。

8、“.....然后计算每个对象与各个种子 聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以 及分配给它们的对象就代表个聚类。旦全部对象都被分配了，每个聚类的 聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足 个终止条件。终止条件可以是以下任何个 没有或最小数目对象被重新分配给不同的聚类。 没有或最小数目聚类中心再发生变化。 误差平方和局部最小。 将样本集划分成个类，这种划分使得下式最小  是第个类的质心，如果想要设计个算法求得全局最优解，就必须完 成，次聚类，找出其中使得最小的聚类结果。而均值聚类则是个求 得局部最优解的算法。 采用欧氏距离进行距离测量......”。

9、“.....质心会发生变化，计算新质心以及值 重复和直到达到最大迭代次数或新计算的值与上次迭 代得到的值之间的差别小于个给定的阈值 基于均值聚类的彩色图像分割算法及改进 引言 均值聚类法在图像分割中得到广泛应用。在均值算法中，常规的 优化算法主要针对聚类数和聚类中心的选取，即通过些检测聚类有效性的 函数计算最佳聚类数，并在此基础上优化分割效果。近年的些研究 表明，融合多种图像特征更有利于获得较好的分割效果，文献的研究表明， 在对自然彩色图像进行分割时，考虑了像素的空间特征，算法有更好的鲁棒性。 图像特征提取 颜色特征的提取 颜色特征是在图像分割中应用最为广泛的视觉特征，在本文的彩色图像分割 算法中，我们采用了色彩模型。在模式下，图像的亮度信息和色彩信 息被分开保存，调整颜色通道时亮度通道将保持不变......”。