高晋凯，侯 文，杨冰倩，王贇贇

(中北大学 信息与通信工程学院, 太原 030051)



·信号处理·

基于蚁群算法的模糊C均值聚类的改进研究

高晋凯，侯 文，杨冰倩，王贇贇

(中北大学 信息与通信工程学院, 太原 030051)

在图像分割的研究中，模糊C均值(FCM)聚类算法较之前的硬聚类有了很大的改进，是一种基于函数最优方法的聚类算法，然而传统的FCM算法的聚类中心及个数难以确定，搜索过程易陷入局部最优。因此，提出一种基于蚁群算法的改进的FCM聚类算法。该算法利用了蚁群算法全局优化特征以及较强鲁棒性的特点，将通过蚁群算法得到的聚类中心及个数应用到传统FCM算法中，弥补了传统FCM聚类算法的不足。该算法对图像进行分块处理，并引入多尺度梯度，提高了图像分割的准确性，最后通过实验验证了该算法的有效性及实用性。

图像分割；蚁群算法；模糊C均值聚类；梯度

0 引 言

图像分割是指把一幅图像分成若干互不交叠、有意义的、具有相同性质的区域，并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤[1-2]。

模糊C均值(FCM)聚类算法应用于图像分割时，是基于目标函数式的一种局部搜索算法，该算法对初值敏感且容易陷入局部极值，很难得到全局最优解。因此，无法对图像进行准确分割。而且聚类过程中，该算法计算量很大，计算耗时。另外，传统FCM算法仅依据图像的灰度特征来建立目标函数，而图像的特征是多样的。因此，基于灰度特征建立的目标函数式无法完整地描述图像，即难以准确地刻画图像特征。……