资源描述：
《一种基于模糊c均值聚类的图像区域分割方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第24卷第4期广西师范大学学报:自然科学版Vol.24No.42006年12月JournalofGuangxiNormalUniversity:NaturalScienceEditionDec.2006一种基于模糊C均值聚类的图像区域分割方法1,2122周咏梅,徐德智,阳爱民,柳萍(1.中南大学信息科学与工程学院,湖南长沙410083;2.湖南工业大学计算机系,湖南株洲412008)摘要:提出一种基于模糊C均值聚类的彩色图像区域分割方法。该方法首先选用适当的彩色空间对图像中的每个像素抽取颜色、纹理及空间位置等综合特征;然后,利用模糊C均值聚类方
2、法进行聚类,利用提出的确定最佳聚类簇数的方法,确定聚类簇数、中心等参数;根据每个像素的隶属函度,将像素初步划归不同的组,利用连接原理对图像区域进一步分割,并提供了图像描述特征。实验结果表明,该方法分割效果很好。关键词:模糊C均值聚类;区域描述;图像分割中图分类号:TP391.41文献标识码:A文章编号:1001-6600(2006)04-0203-04[1][1～3]彩色图像分割是目前图像处理和模式识别中的一个重要研究领域。本文利用模糊集合理论提出了一种基于模糊C均值聚类(FCM)的彩色图像区域分割方法。首先,对图像中的像素抽取颜色、纹理及空间
3、位置等特征;然后,利用模糊C均值聚类方法,对像素确定最佳的聚类数、聚类中心等参数,根据像素的隶属函度,将像素初步划分;最后,利用连接原理对图像区域进行进一步划分,给出实验结果分析。1基于像素的图像综合特征抽取***根据Lab空间的L分量,选用不同的高斯函数的窗口尺寸参数,对像素极性特性分析,得到较佳的窗口尺寸参数,然后根据这些参数计算各像素点的对比度和各向异性的特征。纹理特征是指像素的极[4]性、对比度、各向异性。C+-C-定义1像素点极性p的定义为:p=,C+=w(x,y)[G·n]+,C-=w(x,y)C++C-x,y∈
4、x,y∈Gx[G·n]-,G=。Gy***式中,Gx,Gy表示分别在Lab空间中,L分量沿x行方向和y行方向的梯度;n是与正交的单位向量,是梯度向量(Gx,Gy)最相一致的方向,[·]+,[·]-分别表示向量乘积为非负和负向量;表示高斯窗口(高斯函数宽度数为)所对应的梯度向量(也称为梯度池),w(x,y)表示梯度池中各梯度向量在宽度参数为时,高斯函数的值;C+,C-可以分别看作在窗口w(x,y)下有多少个梯度向量处于“正方向”或“负方向”;p∈[0,1],它随着的变化而变。根据定义1中极性p的计算公式,计算每个像素(x,y
5、)的p′k(x,y)的值。根据p′k(x,y)的值选择的值,选择准则为:p′(k+1)-p′k≤2%。这样可得窗口参数=k/2。[5]T图像中,一个像素点的二阶动差矩阵SMM为:SMM′(x,y)=w′(x,y)×(G)(G)。求出SMM′(x,y)的特征值!1和!2(!1≥!2),两个纹理特征为:con=2!1+!2,ani=1-!2/!1。像素点其他特征的抽取可按如下方法进行。设图像的像素为m×n,像素(x,y)位置特征X,Y可表示如下:X=wxy×(x/max(m,n)),Y=wxy×(y/max(m,n)),其中,
6、max(·)表示取最大值,wxy一般在(0,1]取值,为空间位置特征的权重。像素的颜色特征进行高斯平滑处理后,作为像素特征值。一幅图像像素点收稿日期:2006-05-31基金项目:湖南省自然科学基金资助项目(05JJ40101)作者简介:周咏梅(1971—),女,湖南永州人,湖南工业大学副教授,硕士;徐德智(1963—),男,湖南株洲人,中南大学教授,博士。204广西师范大学学报:自然科学版第24卷的特征向量(用I表示)可以表示为:I=(labL,labA,labB,p,con,ani,X,Y)。式中,I的值域为[0,1]。2基于区域的彩色图
7、像分割2.1基于像素特征的模糊C-均值聚类dN设图像数据集可以表示为:{IkI∈R}k=1,式中,d=8,表示I的维数,N表示像素的个数。又设图像数据集可以被聚类成c簇。其中c的取值一般为:2≤c≤Cn=[N/3],且一般c≤8。cN[3]m2c标准的FCM算法的目标函数可以表示为:Jm=uikIk-CCi。其中,{CCi}i=1是各簇的簇中i=1k=1心,∀ik称为隶属度,表示第k个像素属于第i簇的程度。隶属度和簇中心的刷新表达式分别为:2-1/(m-1)(1/Ik-CCi)uik=c,(1)2-1/(m-1)(1/Ik
8、-CCj)j=1nnmmCCi=uikIk/uik。(2)k=1k=1FCM算法如下:输入:簇的数目c,最大迭代次数tmax,设定m>1和#>0
