基于模糊聚类分析的木材缺陷CT图像分割

王丽艳，戚大伟

(东北林业大学 理学院，黑龙江 哈尔滨 150040)

木材是人们生产生活中不可缺少的物质资料。但是木材生长周期长，得不到及时的供给，增加了供需矛盾。而人们不合理的利用木材，更加剧了供需矛盾。为了更好的保护森林资源，节约能源[1]，木材缺陷检测有很大的价值。对木材缺陷CT图像的处理也是方法之一。木材缺陷CT图像分割的方法有很多种，实质都是将目标与背景分离，即将缺陷与背景分离[2]。由于事物之间具有或多或少的相似性即产生了模糊现象，给图像分割带来了困难。利用模糊数学聚类的图像分割方法就应运而生。而模糊C均值(Fuzzy C-Means,FCB)聚类算法是当今比较流行的一种算法[3]。它的特点是不需要有先知经验就可以将图像分割成几类，是一种无监督的聚类算法。它以这种强大的优势应用到生活的各个领域，例如医院、气象、经济管理等领域。

但是模糊C均值聚类算法并非十全十美，有很多问题需要改善。主要分为两大方面：一是图像分割过程中，模糊C均值算法各项参数的选择。二是模糊C均值算法对噪声敏感，分割图像时，不能完整的保留边缘细节，丢失很多信息。针对以上问题，许多学者从不同角度对算法进行改进。本文主要是针对模糊C均值算法各项参数的选择问题进行研究。

采用图论的图像分割算法[4]首先分析图像在不同FRFT域的能量分布特点，通过归一化剩余误差因子评估和分析图像所包含的信息，在采用最小生成树的方法对图像区域进行分割。……