基于模糊聚類算法的圖像分割方法研究.pdf

1、圖像分割技術(shù)是圖像工程中的關(guān)鍵步驟,從興起的那刻就倍受科研界的關(guān)注。圖像分割技術(shù)應(yīng)用在圖像工程學(xué)中的各個(gè)層次,其廣泛的應(yīng)用領(lǐng)域是其成為熱點(diǎn)的重要原因。所謂的圖像分割,就是將感興趣的區(qū)域從圖像中找出,使目標(biāo)和背景區(qū)域達(dá)到分離的過程。
　　在圖像分割算法中,聚類分析扮演著非常重要的角色。聚類分析來源于數(shù)學(xué)集合的理論,興盛于多學(xué)科知識的互相滲透和發(fā)展。聚類的分析方法繁多,最具代表性的方法就是模糊 C均值聚類算法(Fuzzy C-Mean

2、s clustering，F(xiàn)CM)。FCM算法是模糊性和不確定性理論的代表,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。在實(shí)際應(yīng)用中,FCM也存在一定不足:對初值敏感;對大數(shù)據(jù)模型運(yùn)行過慢;對噪聲要求嚴(yán)格;容易收斂在局部極值等。本文針對 FCM算法存在的不足,對其進(jìn)行了部分改進(jìn),主要工作如下:
　　1. FCM算法對大數(shù)據(jù)空間存在分類速度過慢的問題,本文提出了基于四叉樹預(yù)分割的FCM改進(jìn)算法(QT-FCM),利用四叉樹分割算法分

3、類,縮小了傳統(tǒng) FCM算法的數(shù)據(jù)空間,將傳統(tǒng)的元素?cái)?shù)據(jù)空間轉(zhuǎn)換為集合空間。
　　2.基于灰度直方圖的FCM分割算法縮小了數(shù)據(jù)空間,在聚類效率上取得較大的改進(jìn),但其仍存在對大噪聲比較敏感的缺點(diǎn)。針對此不足,本文提出了基于鄰域信息的立體直方圖 FCM算法(HFCM),通過圖像疊加改變數(shù)據(jù)空間,從而充分利用圖像中像素的鄰域信息。具體方法是:結(jié)合含噪原始圖像和濾波處理后的圖像形成具有二維統(tǒng)計(jì)信息的立體灰度直方圖,且對統(tǒng)計(jì)數(shù)據(jù)中小概率事件刪