基于FCM算法的圖像分割技術(shù)研究.pdf

1、模糊聚類因其能較好地將具有不確定性的樣本點(diǎn)分類,從而在圖像分割中有著廣泛地應(yīng)用。本文對(duì)模糊聚類中最為經(jīng)典的方法—模糊c均值算法進(jìn)行了研究,并對(duì)它進(jìn)行了改進(jìn)和優(yōu)化,同時(shí)通過(guò)實(shí)驗(yàn)驗(yàn)證了方法的有效性。
　　首先,標(biāo)準(zhǔn)FCM算法中聚類數(shù)的確定是整個(gè)算法能執(zhí)行的必要條件,一般是人憑經(jīng)驗(yàn)主觀給定的。有學(xué)者利用灰度直方圖波峰的個(gè)數(shù)來(lái)確定聚類數(shù),但是由于噪聲的因素,各像素點(diǎn)確切地屬于某一灰度值是不能確定的,這就可能引起誤差。因?yàn)槟：碚撃苊枋龈鼽c(diǎn)

2、屬于某一灰度值的程度,所以本文提出對(duì)灰度圖像采用模糊直方圖,對(duì)彩色圖像采用模糊Histon直方圖的思想。
　　其次,對(duì)于灰度圖像,標(biāo)準(zhǔn)FCM算法只利用圖像的灰度信息,抗噪性差。Chen結(jié)合灰度信息和空間信息,對(duì)目標(biāo)函數(shù)進(jìn)行了改進(jìn)。Chen的方法認(rèn)為空間中像素點(diǎn)對(duì)中心像素點(diǎn)的貢獻(xiàn)是一樣的,但事實(shí)上各像素點(diǎn)對(duì)中心點(diǎn)的貢獻(xiàn)是不同的。針對(duì)這個(gè)問(wèn)題,本文提出修正的SFCM算法(MSFCM),使得分類更為有效。
　　再次,標(biāo)準(zhǔn)FCM算法