基于模糊C-均值聚類與模糊支持向量機的自適應(yīng)圖像分割算法.pdf

1、圖像分割是圖像處理問題中的關(guān)鍵步驟，其準(zhǔn)確性對其后的圖像處理質(zhì)量至關(guān)重要.模糊C-均值聚類(FCM)及支持向量機方法(SVM)是解決圖像分割問題最為常見的兩類方法，尤其是模糊C-均值聚類算法，在醫(yī)學(xué)圖像的分割處理中有十分成功的應(yīng)用，然而，在圖像的采集、保存及前期處理過程中，難免會有部分圖像數(shù)據(jù)失真，即噪聲，這對算法得到高質(zhì)量分割效果十分不利，已有學(xué)者試圖利用圖像鄰域信息或松弛分割邊界等思想，改進(jìn)FCM及SVM算法，以減少噪聲影響，但這些

2、算法都存在著參數(shù)選取對噪聲敏感的問題，針對這一問題，本論文主要在算法參數(shù)選取對噪聲的自適應(yīng)性方面做了一些探索工作.下面將本論文的主要工作歸納如下:
　　為解決快速廣義FCM算法(FGFCM)鄰域半徑參數(shù)選取對噪聲敏感的問題，本文利用算法中間步中的像素隸屬度來度量鄰域的噪聲強度，進(jìn)而通過這一度量值來調(diào)節(jié)像素局部的鄰域半徑值，從而達(dá)到自適應(yīng)調(diào)整窗口大小以減少噪聲影響、并同時盡可能保留局部圖像信息的目的，根據(jù)這一思想提出了自適應(yīng)調(diào)節(jié)參數(shù)

3、的新算法—N-FGFCM算法.本文對人工合成和非人工圖像都做了大量的數(shù)值實驗用以比較經(jīng)典的FCM算法、FGFCM算法及本文提出的N-FGFCM算法，實驗結(jié)果表明新算法無論在分割準(zhǔn)確率、自適應(yīng)性及計算時間上都具有一定的優(yōu)勢，
　　針對已有模糊支持向量機(FSVM)模型模糊隸屬度參數(shù)選取計算復(fù)雜度大及對噪聲敏感問題，本文提出了一種基于N-FGFCM的新的自適應(yīng)FSVM算法—Auto-NFSVM算法.新算法利用N-FGFCM算法自動對樣