快速自适应非局部空间加权与隶属度连接的模糊C-均值噪声图像分割算法

王小鹏 王庆圣 焦建军 梁金诚

(兰州交通大学电子与信息工程学院 兰州 730070)

1 引言

图像分割是一种将图像划分成若干个具有相似或相同特征(包括亮度、颜色、纹理等等)区域的重要过程。近年来，针对不同的应用场合，出现了多种图像分割算法[1-5]，其中，聚类方法[6]已广泛应用于图像分割领域[7]。模糊C-均值聚类(Fuzzy CMeans clustering, FCM)算法是一种基于模糊集合理论[8]的软聚类算法，与硬聚类算法不同，每个数据点对所有聚类簇均具有一定的隶属度，通过数次迭代，找出目标函数的最小值，输出此时每个数据点最大隶属度所在的聚类簇。虽然FCM聚类算法对无噪图像具有良好的分割性能，但其没有考虑像素以外的信息，对噪声图像分割效果有待提高。为此，国内外学者提出了许多FCM算法的变体，文献[9]提出了一种抑制式FCM算法(Suppressed FCM, S-FCM)，通过竞争学习机制，奖励隶属度最大的聚类簇，惩罚其他聚类簇，加快目标函数收敛速度并保持聚类效果；文献[10]针对噪声图像分割问题，提出了一种引入空间邻域限制项的FCM算法(Bias Corrected FCM, BCFCM)用于脑部医学图像分割，通过邻域空间限制项，对噪声具有一定鲁棒性；文献[11]提出了一种广义FCM算法(FCM with Generalized Improved Fuzzy Partitions,GIFP-FCM)，在FCM的目标函数添加了一个隶属度限制项，提高了聚类簇的分类效果，同时也提高了收敛速度；文献[12]提出了一种新的局部信息限制项，并将其加入FCM目标函数中，提出了一种模糊局部信息的FCM算法(Fuzzy Local Information C-Means, FLICM)，对噪声图像的分割效果较好；文献[13]针对仅考虑图像局部信息还不足以得到良……