一种基于模糊聚类的改进的图像分割算法

段青竹

(中北大学 信息与通信工程学院，山西 太原 030051)



一种基于模糊聚类的改进的图像分割算法

段青竹

(中北大学 信息与通信工程学院，山西 太原 030051)

摘要：模糊聚类技术在图像分割中得到了广泛应用。然而，由于标准的模糊C-均值(FCM)聚类算法不考虑任何空间信息，对噪声较敏感。本文结合空间邻域信息到一个新的相似性度量提出了一种新的FCM算法来克服这个缺点。通过实验测试，证明了文章提出的方法是有效的，该算法可以有效提高图像分割效果，对噪声具有更好的鲁棒性。

关键词：图像分割；模糊聚类；模糊c-均值；空间信息

图像分割一般是图像应用中的第一个步骤，在图像分析中起着关键的作用。图像分割的主要目的是将图像分割成一组不重叠的，具有相似属性，如强度，深度，颜色，纹理均匀的区域。已经出现各种分割技术，它们可以大致被分为五类：阈值分割法，基于边缘的分割方法，基于区域生长的分割方法，神经网络法和聚类方法[1，2]。模糊聚类是一种最常用的方法[2，3]，并已成功地应用于天文学等领域，地质学，医学等方面。在模糊聚类方法中，模糊c-均值(FCM)[4]算法是最常用的一种算法。因为传统的FCM算法没有考虑空间信息，所以它对噪声高度敏感，对噪声图像不能很好地分割。所以为了克服这一缺点，我们将空间邻域信息转换为一个新的相似性度量，提出了一种改进的FCM算法。空间信息取决于2个邻域因子：元素及其相邻元素的强度相似性和相对空间位置。……