兰　蓉, 马姣婷

(西安邮电大学 通信与信息工程学院, 陕西 西安 710121)



基于直觉模糊C-均值聚类算法的图像分割

兰蓉, 马姣婷

(西安邮电大学 通信与信息工程学院, 陕西 西安 710121)

基于直觉模糊集理论对模糊C-均值(Fuzzy C-Means，FCM)聚类算法进行改进。采用模糊补算子生成非隶属度，得出相对应的直觉模糊集犹豫度，用于更新模糊C-均值聚类算法中的模糊隶属度值。针对常用测试图像的仿真实验结果显示，在分割的视觉效果几乎一致的情况下，改进算法在迭代效率上相对于原FCM聚类算法有一定提高。

直觉模糊集；模糊C-均值；模糊补；犹豫度

图像分割是把人们感兴趣的图像根据灰度、纹理、形状、颜色等特定准则划分成若干个具有相同性质的类别的过程[1]，是由图像处理到图像分析的关键步骤。现今国内外广泛使用的图像分割方法有区域生长法、基于边缘检测的方法、模糊聚类法和阈值化法等[2]。

在基于聚类分析的众多图像分割算法中，基于模糊C-均值(Fuzzy C-Means，FCM)聚类的图像分割是应用最为广泛的算法之一。该算法原理简单，能自适应迭代获得最终的分割结果，是一种无监督的聚类方法，但与此同时，该方法也存在着许多缺陷。文[3]运用划分隶属度构造相对熵理论，提出相对熵FCM聚类分割算法，解决了无法获得复杂图像的细节信息问题；文[4]就FCM聚类对含噪图像分割时未充分考虑空间信息的问题，提出一种改进的FCM聚类算法；文[5]针对FCM运行速度远比硬C-均值(Hard C-Means，HCM)聚类慢的问题，采用奖励样本点的最大隶属度，同时降低其他隶属度的方式提出了抑制式FCM聚类算法；……