改进的模糊C-均值算法在图像分割中的应用
2014-05-04周丹肖满生刘丽红姚慧丹
湖南工业大学学报 2014年5期
关键词:有效性
周丹,肖满生,刘丽红,姚慧丹
(湖南工业大学计算机与通信学院,湖南株洲412007)
改进的模糊C-均值算法在图像分割中的应用
周丹,肖满生,刘丽红,姚慧丹
(湖南工业大学计算机与通信学院,湖南株洲412007)
针对传统的模糊C-均值算法在图像分割中存在的缺陷,提出了一种基于点密度函数加权的模糊C-均值聚类算法。将图像像素的点密度函数作为权值,并依据类间相关度定义了一个聚类有效性函数用以确定最佳聚类数,结合聚类有效性完成对图像的分割。理论分析和对比试验表明,该算法在一定程度上克服了模糊均值算法的缺陷,在图像分割中具有良好的分类精度。
模糊C-均值;点密度函数;聚类有效性;图像分割
0 引言
在对图像的研究和应用中,往往需要从复杂的图像背景中将感兴趣的目标分割出来,这些部分一般对应于图像中具有独特性质的区域,如像素的灰度值、物体轮廓曲线、纹理等。图像分割的好坏直接影响计算机视觉对图像的理解[1],图像分割[2-4]的方法已有上千种,典型的分割方法大致可分为基于阈值的方法、基于区域生长和基于边缘检测的方法等。由于视觉对色差的模糊性,模糊聚类分析受到了人们普遍的关注,模糊C-均值聚类[5](fuzzy C-means,FCM)是当今最流行的模糊聚类算法之一。它把聚类归结成一个带约束的非线性规划问题,通过优化求解获得数据集的模糊划分和聚类,但该算法只考虑了图像中的数值特征信息,而忽略了样本矢量间对聚类结果的影响。……
登录APP查看全文
