向灿群，欧先锋，张国云，湛西羊，罗百通，潘建武，李交杰

(1．湖南理工学院 a.信息与通信工程学院；b．复杂系统优化与控制湖南省普通高等学校重点实验室，湖南 岳阳 414006；2．深圳大学 信息工程学院，广东 深圳 518060)

基于目标函数的直觉模糊聚类图像分割方法

向灿群1a,1b，欧先锋1a,1b，张国云1a,1b，湛西羊2，罗百通1a,1b，潘建武1a,1b，李交杰1a,1b

(1．湖南理工学院 a.信息与通信工程学院；b．复杂系统优化与控制湖南省普通高等学校重点实验室，湖南 岳阳 414006；2．深圳大学 信息工程学院，广东 深圳 518060)

针对模糊C-均值聚类分割算法易丢失图像细节的问题，提出一种改进的直觉模糊C-均值聚类算法。该算法将纹理特征和直觉指数引入到目标函数，并给出改进的聚类目标函数，对其聚类目标函数最优化推导并得到新的隶属度和聚类中心迭代表达式，并设计相应的图像分割算法，实验结果表明了算法的有效性。

直觉模糊C-均值聚类；直觉模糊集；纹理特征；图像分割

图像分割是图像处理与识别的前提。图像分割是通过特定的相似性准则，把图像分成若干个、独立的区域，其本质是基于像素间的相似性对所有像素点进行分类。但现实中图像的形状、轮廓、和边缘等都是模糊和不确定的，对固定位置的像素点难以进行精确的分类。对图像中这种模糊和不确定的信息，用模糊集合来表示，可以更好地进行分割。模糊C均值[1](Fuzzy C-means，FCM)是一种基于目标函数的模糊聚类算法，广泛应用于模式识别，尤其是图像分割领域[2-6]。但FCM算法对图像分割时也存在一些不足，如容易陷入局部极值点、对初始值敏感、抗噪性不强等问题。……