基于改進(jìn)的FCM算法在圖像分割中的研究與應(yīng)用.pdf

1、圖像是對(duì)客觀對(duì)象的一種相似的、生動(dòng)的描述，是人類(lèi)用來(lái)獲取、表達(dá)和傳遞信息的重要手段，約有75％的信息是以圖像的形式呈現(xiàn)在人們面前。為了有效的利用圖像中的信息，需要將關(guān)鍵的部分從圖像中提取出來(lái)，然后才能加以測(cè)量、分析等?？梢?jiàn)圖像分割結(jié)果直接影響后續(xù)的圖像分析和理解。然而由于各個(gè)行業(yè)使用的圖像具有不同的特性，導(dǎo)致現(xiàn)在沒(méi)有一種圖像分割方法對(duì)所有的圖像都適用，所以，研究人員盡可能多的提出不同類(lèi)型的分割方法來(lái)滿足實(shí)際的分割要求。因此，圖像分割方法

2、仍然是圖像處理領(lǐng)域研究的重點(diǎn)內(nèi)容。目前，圖像分割方法的改進(jìn)策略主要分為兩種：一是從算法自身出發(fā)，通過(guò)更新數(shù)學(xué)表達(dá)式或者添加新的約束條件來(lái)改進(jìn)自身的不足；二是借助新理論和新方法提出新的圖像分割方法，或者新理論與現(xiàn)有的分割方法相融合產(chǎn)生新的圖像分割方法。模糊C均值聚類(lèi)(Fuzzy C-Means，F(xiàn)CM)算法就是其中典型代表，因其能很好的解決圖像像素分類(lèi)的不確定性問(wèn)題，而得到廣泛的關(guān)注和研究。本文對(duì)FCM算法進(jìn)行了深入研究，針對(duì)FCM算法的

3、不足提出了改進(jìn)的策略，本文所做的主要工作如下：
　　首先，針對(duì)FCM算法對(duì)初始聚類(lèi)中心敏感的缺點(diǎn)，利用量子粒子群優(yōu)化算法搜尋最優(yōu)解，解碼全局最優(yōu)解作為FCM算法的初始聚類(lèi)中心。粒子群優(yōu)化算法全局尋優(yōu)能力較強(qiáng)，但容易陷入局部最優(yōu)，為此借助量子理論，將粒子“量子化”，通過(guò)量子旋轉(zhuǎn)門(mén)來(lái)更新粒子移動(dòng)，利用量子非門(mén)來(lái)增加種群的多樣性，改善粒子群優(yōu)化算法的局部搜尋能力，增強(qiáng)算法的全局尋優(yōu)能力。通過(guò)實(shí)驗(yàn)仿真，表明改進(jìn)算法具有較好的分割效果。

4、r>　　其次，針對(duì)FCM算法對(duì)噪聲敏感的缺點(diǎn)，提出一種自適應(yīng)加權(quán)空間信息的FCM算法來(lái)改善其抗噪性。通過(guò)自適應(yīng)加權(quán)系數(shù)來(lái)降低噪聲數(shù)據(jù)對(duì)其中心數(shù)據(jù)的影響程度。為此，引入空間約束項(xiàng)，重新定義目標(biāo)函數(shù)，并進(jìn)行了推導(dǎo)，求取聚類(lèi)中心和隸屬度矩陣的更新表達(dá)式。通過(guò)仿真實(shí)驗(yàn)，表明改進(jìn)的算法有著較好的噪聲抑制能力。
　　最后，本文將改進(jìn)的FCM算法應(yīng)用到道岔缺口圖像的分割中。針對(duì)道岔缺口圖像灰度較暗，易受到噪聲的影響，首先利用量子粒子群優(yōu)化算法尋