結(jié)合空間信息的模糊聚類(lèi)圖像分割方法研究.pdf

1、圖像分割是構(gòu)成數(shù)字圖像處理最必不可少的部分之一，也是順利開(kāi)展圖像分析、圖像理解和圖像描述的核心技術(shù)之一。從一幅圖像中分離出人們感興趣目標(biāo)區(qū)域的技術(shù)和過(guò)程就是圖像分割技術(shù)，其被廣泛的應(yīng)用于眾多領(lǐng)域。
　　模糊聚類(lèi)分析在圖像分割算法里占據(jù)著非常重要的地位。模糊聚類(lèi)在圖像分割得到了廣泛的應(yīng)用，實(shí)現(xiàn)了很好的分割效果的主要原因是因?yàn)閳D像本身存在許多的不精確性和不確定性，而模糊理論正好對(duì)此有著相當(dāng)強(qiáng)大的描述能力，模糊C均值聚類(lèi)算法（即Fuzz

2、y C-Means clustering,簡(jiǎn)稱(chēng)FCM）就是其中特別被人們熟知的聚類(lèi)算法。FCM算法的優(yōu)點(diǎn)是收斂性很好，對(duì)事物不確定性的描繪能力也是極好。本文對(duì)FCM算法進(jìn)行了重點(diǎn)研究，主要內(nèi)容為：
　　(1)研究基于FCM的圖像分割算法及其存在的不足。FCM算法是模糊性和不確定性的代表，其優(yōu)點(diǎn)在于具有很強(qiáng)的收斂性和描述事物的模糊性。但是FCM算法依然存在著一些不足之處：對(duì)大數(shù)據(jù)模型運(yùn)算消耗的時(shí)間長(zhǎng)，分割得到的圖像邊緣不平滑；難以實(shí)

3、現(xiàn)對(duì)目標(biāo)部分與背景部分之間灰度水平相似區(qū)域分割等問(wèn)題。
　　(2)研究基于四叉樹(shù)和曲線擬合的FCM圖像分割算法。針對(duì)模糊C均值聚類(lèi)對(duì)初始聚類(lèi)中數(shù)據(jù)量大的圖像開(kāi)展分割時(shí)出現(xiàn)的耗時(shí)過(guò)長(zhǎng)的問(wèn)題，引入改進(jìn)的四叉樹(shù)分割算法。首先，求取圖像的四叉樹(shù)，將四叉樹(shù)節(jié)點(diǎn)集合作為模糊聚類(lèi)算法的樣本集，減小樣本空間，然后利用FCM算法實(shí)現(xiàn)圖像的邊緣分割；針對(duì)分割處理后的圖像帶來(lái)的鋸齒狀邊緣，再利用曲線擬合算法對(duì)圖像邊緣進(jìn)行平滑處理。在標(biāo)準(zhǔn)攝影師圖像和肝臟

4、核磁圖像的數(shù)據(jù)集上實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果可以看出算法提高了FCM的運(yùn)算速度，對(duì)醫(yī)學(xué)圖像具有更高的分割精度，便于為后續(xù)診斷和數(shù)據(jù)分析提供基礎(chǔ)。
　　(3)研究基于元胞自動(dòng)機(jī)的FCM圖像分割算法。為了提高FCM算法對(duì)目標(biāo)和非目標(biāo)部分之間灰度水平相似區(qū)域分割的效果，首先運(yùn)用元胞自動(dòng)機(jī)對(duì)圖像的對(duì)比度進(jìn)行增強(qiáng)，使用摩爾鄰域和相同演變規(guī)則的狀態(tài)轉(zhuǎn)換函數(shù)，接著利用FCM算法實(shí)現(xiàn)圖像的邊界分割。對(duì)一般的照片和醫(yī)學(xué)圖像進(jìn)行分割，實(shí)驗(yàn)結(jié)果可以看出算法增強(qiáng)了圖