基于二维直方图的中智模糊聚类分割方法
2016-07-01吴成茂崔西希
西安邮电大学学报 2016年1期
吴成茂, 崔西希
(西安邮电大学 电子工程学院, 陕西 西安 710121)
基于二维直方图的中智模糊聚类分割方法
吴成茂, 崔西希
(西安邮电大学 电子工程学院, 陕西 西安 710121)
摘要:加入邻域像素均值,对中智模糊聚类分割算法加以改进,以提高其抗噪性能。将各像素与其邻域像素均值相结合,形成二元数组,统计其出现的频次,由此构造二维直方图。通过对此二维直方图进行中智模糊聚类,实现图像分割。对标准灰度图像添加椒盐噪声和高斯噪声,用以验证改进算法的性能。视觉效果及分割图像的峰值信噪比均显示,改进算法相比原中智模糊聚类分割法具有更好的抗噪能力和分割效果。
关键词:图像分割;模糊C-均值聚类;中智模糊聚类;二维直方图
模糊聚类算法可用于图像分割[1-4]。其中,模糊均值聚类(FuzzyC-meansClustering,FCM)算法[5-6]未考虑像素的空间邻域信息,对噪声和灰度不均匀较为敏感且抗噪性能较差;邻域信息约束的模糊C-均值聚类算法[7]需要计算像素与其所有邻域像素到类中心的距离,复杂性较高,不适合实时性要求较高的场合;改进的FCM_S算法[8]虽然利用了像素点的邻域灰度信息,但未考虑邻域像素空间信息;空间信息约的快速FCM算法[9]具有较强的抑制噪声能力,但无法改善分割性能;另一种结合空间信息的FCM算法[10]引入了新的模糊因子并将空间信息和灰度信息相融合,可改善算法对噪声的鲁棒性,但仍存在一定局限性;将核空间引入FCM算法[11],利用邻域像素权因子可改善其抗噪性能和鲁棒性,但计算复杂度高,不适合大幅面遥感图像和医学图像;……
登录APP查看全文
