融合噪声信息函数的改进FCM图像分割方法研究

张 昊

(中铁第一勘察设计院集团有限公司，陕西 西安 710043)

图像分割是指根据一定的相似性准则将图像划分成不同区域的过程，是计算机图像处理领域的基础性问题之一，是图像分类、物体检测、图像3D重构等任务的预处理环节[1]。目前的图像分割方法主要有基于阈值的分割、基于像素聚类的分割以及基于区域生长的分割[2]，其中基于像素聚类的分割方法因其准确性高而成为图像分割领域中的主流算法。

在基于像素聚类的图像分割方法中，基于模糊C均值聚类(Fuzzy C-means，FCM)的图像分割方法是根据图像中单个像素及像素之间的相互信息，将具有相近特征的相邻像素点聚到同一个区域，对每个像素点根据其特性采用不同的聚类规则实现分割，分割准确率较高，但是容易受到噪声的干扰[3-4]，为此，许多学者进行了改进研究。文献[5]提出一种利用包含度和隶属度的遥感影像模糊分割方法，该方法将包含度作为一种新测度来描述聚类与像素间的关系，并将包含度纳入目标函数中，通过迭代最小化目标函数来得到最优的隶属度和包含度，通过反模糊化隶属度和包含度之积实现带有几何噪声的遥感图像的分割；文献[6]提出一种改进的快速模糊C均值聚类的图像分割方法，将图像从像素空间映射至其对应的噪声直方图特征空间，实现了特征空间的数据聚类分析以减少聚类样本数量，依据噪声直方图特性，通过曲线拟合方法获得图像的聚类数及初始聚类中心；……