直覺(jué)模糊C均值聚類的圖像分割算法研究.pdf

1、模糊C均值聚類(FCM)圖像分割法是一種典型且常用的模糊聚類圖像分割算法，該方法原理簡(jiǎn)單，迭代過(guò)程能夠自適應(yīng)，但是該方法也存在一些明顯的缺陷：對(duì)噪聲敏感且對(duì)重疊部分圖像分割不準(zhǔn)確。鑒于此，在已有的改進(jìn)FCM算法的基礎(chǔ)上，本文將模糊集擴(kuò)展為直覺(jué)模糊集，并結(jié)合圖像的空間信息提出了一種基于直覺(jué)模糊 C均值聚類(IFCM)算法的圖像分割方法，直覺(jué)模糊集在模糊集上增加了非隸屬度函數(shù)，即用隸屬度及非隸屬度來(lái)描述集合的模糊性，這比經(jīng)典模糊集表示模糊性

2、更精確。
　　論文的具體工作及研究?jī)?nèi)容如下：
　　1、介紹了傳統(tǒng)的模糊 C均值聚類(FCM)算法并討論了其在圖像分割時(shí)存在的優(yōu)缺點(diǎn)。針對(duì)FCM算法只利用灰度信息導(dǎo)致圖像分割不準(zhǔn)確的缺點(diǎn)，討論了幾種結(jié)合空間信息的改進(jìn)FCM算法。
　　2、由于直覺(jué)模糊集(IFS)比模糊集(FS)更能準(zhǔn)確地刻畫(huà)數(shù)據(jù)的不確定性，本文構(gòu)造了一種直覺(jué)模糊集并將該直覺(jué)模糊集引入到模糊C均值聚類算法中，提出了一種直覺(jué)模糊C均值算法(IFCM)。通過(guò)實(shí)

3、驗(yàn)驗(yàn)證IFCM算法取得了較好的分割效果。
　　3、對(duì)現(xiàn)有的直覺(jué)模糊熵公式進(jìn)行了分類，并分析了各類公式的優(yōu)缺點(diǎn)。針對(duì)熵公式在處理隸屬度與非隸屬度相等的特殊情況時(shí)存在的問(wèn)題，本文提出了一種直覺(jué)模糊熵的嚴(yán)格化定義，在此基礎(chǔ)上給出了一種新的熵公式，驗(yàn)證了新的熵對(duì)這種特殊情況的處理更為合理。
　　4、為了克服現(xiàn)有FCM算法對(duì)噪聲敏感的缺點(diǎn)，本文在直覺(jué)模糊C均值算法(IFCM)中引入空間信息及改進(jìn)的直覺(jué)模糊熵，提出了一種基于改進(jìn)的直覺(jué)模