仲崇峰, 刘 智, 杨 阳, 刘 丹

(长春理工大学 a. 电子信息工程学院； b. 光电工程学院, 长春 130022)

0 引 言

图像分割是指将图像分成各具特性的区域并提取感兴趣目标的技术和过程[1], 是从图像预处理到图像识别和分析理解的关键步骤, 在图像处理中占据重要位置。在目前所有的分割算法中, 如阈值法、 边界检测、 区域提取和模糊方法等, 由于模糊方法本身具有的易实现、 分割效果好等优点, 在图像分割中占据重要的地位[2]。尤其是模糊C均值(FCM： Fuzzy C-Means)聚类算法是该类算法中最经典的图像分割算法, 其本质是借助目标函数求解问题, 即利用均方逼近理论构造带约束的非线性规划函数进行迭代优化, 通过迭代选择合适的模糊隶属度矩阵和聚类中心, 使目标函数达到最小值, 从而得到最佳的分割效果。

传统FCM图像分割算法由于在聚类过程中没有考虑像素的空间邻域信息, 从而导致对噪声较敏感, 在分割信噪比较低的图像时将会产生较大误差[3-6]。为了在图像分割过程中有效地抑制噪声, 很多学者对传统FCM算法做了改进。文献[7]是基于目标函数添加空间平滑约束, 但其需要交叉验证, 对参数的设置有较强的依赖性。文献[8]是基于空间模式聚类的图像分割方法, 能有效地抑制噪声, 但目标函数计算较复杂, 且分割效果受权重因子影响较大。文献[9]能有效地分割含噪声的图像, 但该算法的结果对参数有很强的依赖性。文献[10]将空间邻域信息加入其中, 能有效地抑制噪声, 但它是一种特殊模型, 且运算量较大, 耗时较长。……