本論文中，我們提出一個影像分群法來解決影像分割的問題。我們的方法是以叢聚樹演算法為基礎，並加以修改而得來的。叢聚樹演算法是一種以決策樹為基礎的叢聚演算法。與現存的叢聚演算法大不相同的是它不需要事先的假設條件及參數輸入，即可以找到叢聚的描述。叢聚樹演算法採用進一步增益的方法來切割資料空間，使之成為資料密集分布區域以及資料稀疏散佈的區域。 由於叢聚結果的好壞是依據使用者主觀的判定，因此我們的方法將提 供三種影像分割的結果。由實驗顯示，這些影像分割結果都有很好的表現。 In this thesis, we propose an image clustering method based on CLTree for image segmentation. CLTree is a clustering algorithm that uses decision-tree technique. It’s quit different from existing clustering methods, and it finds clusters without making any prior assumptions or any input parameters. Whether a clustering is good or bad depends on the user's subjective judgment, so we offer three image segmentation results. The experimental results reveal that all of them perform well.
