程国建　范鹏召

摘要；岩石组分识别是岩石图像分析中的重要工作之一。该文先提取岩石图像区域颜色特征，再分别使用k均值和模糊C均值两种聚类算法进行聚类，实验表明，通过提取区域颜色特征进行聚类能划分岩石组分，从而为后期的岩石组分识别奠定基础。

关键词：岩石图像；k均值聚类；模糊C均值聚类；岩石组分

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）07-0250-02

图像分析是人们获取信息的一种重要手段。聚类是通过机器学习算法将相似的对象聚在一起组成一个集合，不相似的对象分离开，并要集合内对象具有较高的相似性，而集合与集合之间的对象具有较高的互异性。目前已有很多学者对K均值（k-means）聚类算法和模糊C均值聚（FCM）类算法及其在图像分析中的而应用进行了研究，如：曾山、严峻等对FCM算法进行了研究，朴尚哲对FCM算法进行了有效性评价；聂生东使用FCM分割算法对磁共振颅脑图像进行了研究与分析；彭立军使用FCM研究了遥感图像的分割方法等。蒋帅、樊宁等研究了k-means聚类算法；李丹丹、刘靖明等在HIS空间下使用K-means方法研究了彩色图像的分割；廖松有_10]对比研究了FCM与K-means聚类算法等。为了方便岩石组分分析，本文分别使用K-means聚类算法与FCM聚类算法对岩石组分进行了聚类，并有效的划分了岩石组分，为后期岩石组分分析奠定了基础。

1K-means聚类算法

K-means聚类算法是麦克奎因（J.B MacQueen）于1967年提出的。该算法简单易行，广泛应用于科学及工业领域。它是将含有n个实体的集合X=（x₁，x₂，…，x_n）划分为k个簇（类）。……