基于空間信息的模糊聚類圖像分割算法研究.pdf

1、圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。它是低級計算機視覺中最基本最重要的研究內(nèi)容, 是成功進行圖像分析、理解與描述的關(guān)鍵技術(shù)之一, 因為圖像分割結(jié)果的質(zhì)量直接影響爾后進行的分析、識別和解釋的質(zhì)量。圖像分割在計算機視覺、圖像編碼、模式識別、醫(yī)學(xué)圖像分析等很多領(lǐng)域有著實際的應(yīng)用。 圖像自身存在許多不確定性和不精確性，人們發(fā)現(xiàn)模糊理論對于圖像的這種不確定性有很好的描述能力，而圖像分割問題恰好是將圖像的象素

2、進行分類的問題，近年來一些學(xué)者致力于將模糊聚類應(yīng)用于圖像分割中，效果要好于傳統(tǒng)的圖像分割方法。但是經(jīng)典的模糊聚類分割方法仍然存在一些問題，主要是分割結(jié)果對噪聲非常敏感，分析認(rèn)為導(dǎo)致這種情況的原因之一就是沒有充分利用圖像的空間信息。論文對如何合理利用空間信息進行了重點研究，主要涉及了以下幾個內(nèi)容： 1)對標(biāo)準(zhǔn)的模糊C均值聚類圖像分割算法進行了深入的探討，研究了模糊聚類圖像分割方法的初始類別數(shù)的選取、初始類中心和初始隸屬度矩陣的確

3、定等問題。 2)對現(xiàn)有的基于灰度信息和空間信息二維特征的FCM圖像分割算法進行了研究，指出灰度信息和空間信息的權(quán)重不應(yīng)該是固定的，而應(yīng)該由各個圖像本身的信息確定。在此基礎(chǔ)上提出了基于灰度信息和空間信息特征加權(quán)的FCM圖像分割算法，該算法利用聚類有效性函數(shù)作為演化策略的優(yōu)化目標(biāo)函數(shù)對灰度信息和空間信息的權(quán)重進行了優(yōu)化。將該算法用于人工圖像和實際圖像的分割實驗，將其分割得到的結(jié)果和標(biāo)準(zhǔn)的FCM算法以及基于二維特征的FCM算法得到的