基于HSI空间模糊聚类的彩色图像分割新方法

2011-07-28管一弘

网络安全与数据管理 2011年22期

关键词：方法

邱磊,管一弘

（昆明理工大学理学院,云南昆明 650093）

图像分割就是将相似属性的像素进行分类的过程,是图像处理的第一步。由于彩色图像比灰度图像具有更多的信息，而且近年来随着计算机处理能力的提高，彩色图像处理得到了人们越来越多的关注。彩色图像处理方法一般是借助于灰度图像的处理方法，因为灰度图像的研究起步较早，算法相对成熟,而对彩色图像的研究则起步晚，仍有很多有待改进的地方，彩色图像的分割算法一直是近年研究的热点[1]。常见的彩色图像分割方法有阈值法、边缘检测法、聚类法、基于区域的方法和神经元网络法等。本文讨论基于HIS颜色空间的模糊聚类法。

最常见的颜色空间是 RGB空间，由于R、G、B三分量相关性非常高，分割时往往不能得到所需要的结果（如亮度不同但颜色相同的区域会被分成不同区域）。而HIS空间是RGB空间的非线性变换，去掉了三分量之间的相关性，而且此空间更符合人眼视觉特点，颜色信息H、S和亮度信息I被分开，如果只需要对色调进行分割时，可以单独使用色调H分量来进行分割。模糊C均值FCM(Fuzzy C-Mean)聚类是一种无监督的分割方法，它不需要训练样本。但传统的模糊聚类由于只考虑了灰度或颜色信息，没考虑空间信息，因此对噪声比较敏感。本文提出了一种结合空间信息和HSI色彩信息的多维模糊C均值聚类方法，此方法对含噪声的图像有较好的去噪效果。