《采用模糊C-均值聚类的自适应图像分割算法》.pdf

《《采用模糊C-均值聚类的自适应图像分割算法》.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第29卷第6期重庆理工大学学报(自然科学)2015年6月Vo1．29No．6JournalofChongqingUniversityofTechnology(NaturalScience)Jun．2015doi：10．3969／j．issn．1674-8425(z)．2015．06．018采用模糊C一均值聚类的自适应图像分割算法杨漫，苏亚坤(渤海大学a．大学基础教研部；b．学报编辑部，辽宁锦州121000)摘要：改进的FCM算法利用图像的邻域信息分割图像以减少噪声对分割效果的影响，但这些改进的算法都存在着参

2、数选取对噪声敏感的问题。为解决快速广义FCM算法(FGFCM)中邻域半径参数选取对噪声敏感的问题，利用像素隶属度来度量邻域的噪声强度，进而通过这一度量值来调节像素局部的邻域半径值，从而达到自适应调整窗口大小以减少噪声影响，同时尽可能保留局部图像信息的目的。根据这一思路提出了自适应调节参数的新算法：N-FGFCM算法。对人工合成和非人工合成图像进行了大量的数值实验用以比较经典的FCM算法、FGF．CM算法及N．FGFCM算法的分割效果。实验结果表明：新算法无论在分割准确率、自适应性及计算时间上都具有一定的优势

3、。关键词：模糊隶属函数；模糊C一均值聚类；图像分割中图分类号：TP39文献标识码：A文章编号：1674—8425(2015)06—0094—06AdaptiveAlgorithmBasedonFuzzyC—MeansforImageSegmentaionYANGMan，SUYa—kun(a．TeachingandResearchDepartmentofBasicCourses；b．EditorialDepartmentofJournal，BohaiUniversity，Jinzhou121000，China

4、)Abstract：Inordertoreducetheinfluenceofnoises，someresearchershaveattemptedtoutilizethelocalin—formationofimagetoenhancethede-noisingabilityofFCMalgorithms．However，choosingappropriateparametersintheenhancedalgorithmsisanimportantproblemsincetheyareverysensi

5、—tivetonoises．Forresolvingthisproblem，thisthesiswasdevotedtomodifythesealgorithmsbyprovi—dingmoreadaptiveparameters．ToovercometheproblemofnoisesensitiveofneighborhoodradiusinFastGeneralizedFCM，fuzzymembershipsobtainedbyFGFCMalgorithmwereutilizedtomeasureth

6、enoiseintensityaroundapixel，accordingtowhich，onecanadjusttheradiusofthecorrespondinglo—calwindow．Duetothisautomaticallyadjusting，theinfluenceofnoiseinimagesegmentationcanbereducedandmoreimageinformationcanbereserved．AnewadaptivealgorithmandN-FGFCMalgo一收稿日期

7、：2015—04—25基金项目：辽宁省教育厅基金资助项目(L2014446)作者简介：杨漫(1989一)，女，辽宁朝阳人，硕士，主要从事模糊理论与图像分割研究。引用格式：杨漫，苏亚坤．采用模糊C一均值聚类的自适应图像分割算法[J]．重庆理工大学学报：自然科学版，2015(6)：94—99．Citationformat：YANGMan，SUYa—kun．AdaptiveAlgorithmBasedonFuzzyC—MeansforImageSegmentaion{J1．JoumalofChongqingUni

8、versityofTechnology：NaturalScience，2015(6)：94—99．杨漫，等：采用模糊c一均值聚类的自适应图像分割算法95rithmwasproposedbasedontheseideas．Theexperimentresultshowsthatthenewalgorithmcangetbettersegmentationaccuracy，strongeradaptationandi