基于類內(nèi)類間距離的模糊聚類算法及圖像分割應(yīng)用.pdf

1、圖像分割[1-4]是一種重要的圖像技術(shù)，其本質(zhì)是像素聚類問題，它是將圖像不同區(qū)域按照特殊涵義劃分，并且不同區(qū)域是互相不相關(guān)的，每個特定區(qū)域具有一致性。隨著模式分析與機器智能技術(shù)不斷發(fā)展，圖像分割引起了眾多學(xué)者的廣泛關(guān)注與研究，已成功應(yīng)用于模式識別[5]、機器學(xué)習(xí)[6]、對地遙感觀測[7-8]、生物醫(yī)學(xué)[9]等領(lǐng)域。由于圖像來源千差萬別且結(jié)構(gòu)復(fù)雜多變，未有普適性的分割模型和方法，針對不同類型圖像提出了相應(yīng)的分割方法，以便獲得滿意的分割效果

2、。聚類技術(shù)在目前來看是研究較為廣泛的圖像分割算法中較為普遍應(yīng)用的一類方法，長期以來備受相關(guān)領(lǐng)域?qū)W者高度重視。在眾多聚類技術(shù)中，模糊C-均值聚類算法[10](FCM)是一種采用迭代法實現(xiàn)樣本歸類的快速且存儲空間消耗少的重要方法，已成為解決圖像分割問題較為實用的分割技能。但是，由于該聚類分割算法沒有考慮到像素與其鄰域像素之間的相關(guān)性，不利于像素空間分布較為復(fù)雜的遙感和醫(yī)學(xué)等圖像分割需要。后來，學(xué)者們提出了大量其他模糊聚類分割算法，但是該類分

3、割算法大多是將樣本點到聚類中心的距離即類內(nèi)距離作為算法的測度，但該類分割算法只考慮了類內(nèi)之間的距離，沒有考慮類間的距離，使得對于某些圖像的分類不夠準(zhǔn)確，且噪聲較大。因此，本文研討了基于類內(nèi)類間距離的FCM算法及其對于圖像分割的應(yīng)用。主要工作如下:
　　1.針對以樣本與聚類中心之間類內(nèi)距離為基礎(chǔ)的模糊C-均值聚類方法存在的不足，通過融入聚類中心之間的類間距離且提出一種類內(nèi)和類間距離相結(jié)合的FCM算法且將其應(yīng)用于圖像分割。該算法在目標(biāo)

4、函數(shù)中將類內(nèi)距離與類間距離之差作為樣本聚類依據(jù)，使其不僅考慮到類內(nèi)緊密度而且同時也考慮到類間離散度，通過調(diào)節(jié)有關(guān)參數(shù)使得類內(nèi)緊密度和類間離散度均達(dá)到最優(yōu)值，從而提高了圖像分割的準(zhǔn)確性和魯棒性。通過大量不同種類圖像分割測試結(jié)果證實，該文所提出的新類內(nèi)類間聚類分割方法是有效的，尤其是對于噪聲較大圖片進(jìn)行分割時，其效果明顯優(yōu)于其他模糊聚類方法分割效果。
　　2.為了進(jìn)一步提高噪聲圖像分割的抗噪性和準(zhǔn)確性，提出一種結(jié)合類內(nèi)距離和類間距離的

5、改進(jìn)可能聚類新方法并且將它運用到圖像分割中。該算法采用可能測度描述隸屬度，避免了FCM算法中要求樣本點對于每個類的隸屬程度的總和值為1的概率約束，使其隸屬度適用于表征“典型性”和“兼容性”，且將類間距離引入聚類目標(biāo)函數(shù)使得類內(nèi)緊密度和類間離散度均達(dá)到最優(yōu)化，以便對不同的聚類結(jié)構(gòu)有很好的穩(wěn)定性和抵抗噪聲的能力。通過人工合成圖像和實際遙感圖像分割測試結(jié)果表明，該文所建議的改進(jìn)可能聚類算法是有效的，相比其他聚類算法能獲得更滿意的分割效果。

6、r>　　3.針對現(xiàn)有模糊C-均值聚類方法僅考慮樣本與聚類中心之間差異程度的不足，提出類內(nèi)和類間距離相融合的FCM算法并將其應(yīng)用于圖像分割。首先將歐式空間的類內(nèi)和類間距離相結(jié)合設(shè)計一種新的樣本聚類測度并構(gòu)造了相應(yīng)的FCM目標(biāo)函數(shù);其次利用拉格朗日乘子法獲取其迭代求解所對應(yīng)的隸屬度和聚類中心表達(dá)式，并對其收斂性問題進(jìn)行了研究;再次將其推廣至再生希爾伯特核空間并獲得核空間的類內(nèi)類間距離FCM算法;最后將其用于圖像分割并給出其快速分割算法。通過