基于模糊聚類的紅外圖像目標(biāo)分割方法研究.pdf

1、紅外圖像目標(biāo)的檢測與識別是現(xiàn)代軍事武器系統(tǒng)中的核心技術(shù)之一，紅外面目標(biāo)的檢測主要依靠圖像分割技術(shù)，而圖像分割結(jié)果的精確度又決定了后續(xù)處理中圖像目標(biāo)提取與識別的準確性和可靠性?；谀：垲惖膱D像分割方法是將聚類問題轉(zhuǎn)化為帶一定約束的非線性規(guī)劃問題，通過求解和優(yōu)化得到圖像的模糊劃分和聚類。本文對基于模糊聚類的紅外圖像目標(biāo)分割方法進行了深入的研究并取得了以下研究成果：
　　首先，針對基于模糊C均值的紅外圖像分割算法、基于改進的FCM和均

2、值漂移的紅外圖像分割算法以及基于勢函數(shù)的自適應(yīng)模糊 C均值紅外圖像分割算法這三種基于模糊理論的紅外圖像分割方法進行了仿真實現(xiàn)，并分析了三種算法的優(yōu)勢及不足。此外，本文介紹了兩種算法分割質(zhì)量的客觀評價準則，為研究后續(xù)算法的性能提供了客觀依據(jù)。
　　其次，針對模糊聚類算法無法自適應(yīng)得到合理的聚類數(shù)目且該算法對目標(biāo)區(qū)域和背景區(qū)域灰度差異較大的紅外圖像分割率低的問題，本文提出了一種基于多閾值的自適應(yīng)模糊聚類紅外圖像分割算法。該算法基于一種

3、由粗到細的多級分割思想，首先采用能有效去除偽峰干擾的多閾值算法對待分割紅外圖像進行粗分割，然后結(jié)合能自適應(yīng)得到合理聚類數(shù)目的模糊聚類算法對粗分割后的圖像進行模糊聚類，最終得到更精細的分割結(jié)果。實測數(shù)據(jù)實驗結(jié)果表明，本文所提算法不僅保留了多閾值分割方法實現(xiàn)簡單、速度快的優(yōu)點，且提高了目標(biāo)區(qū)域和背景區(qū)域灰度差異較大的紅外圖像分割精確度。
　　最后，針對模糊聚類算法無法充分利用圖像的全部有用信息，容易陷入局部極小值且無法有效分割背景區(qū)域

4、和目標(biāo)區(qū)域灰度差異較小的紅外圖像問題，本文提出了一種基于模糊聚類的水平集紅外圖像分割算法。該算法結(jié)合了模糊聚類算法和水平集算法各自的優(yōu)點，先采用經(jīng)模擬退火算法優(yōu)化的模糊聚類算法對待分割紅外圖像進行初始聚類，并將聚類結(jié)果轉(zhuǎn)化為水平集分割的初始輪廓，再利用結(jié)合了鄰域信息的水平集演化控制參數(shù)對待分割紅外圖像進行水平集分割，最終得到目標(biāo)的分割結(jié)果。實測數(shù)據(jù)實驗結(jié)果表明，本文所提算法確保了模糊聚類得到全局最優(yōu)結(jié)果，且充分利用了圖像的邊緣、灰度和鄰