郑晓霞，曹建芳，赵青杉

(忻州师范学院，山西 忻州 034000)

0 引言

图像分割是图像进行后续分析处理的基础，它将图像分成不同特征部分并获得所需目标，广泛应用于诸多领域.彩色多目标图像具有更为丰富的图像信息，目标色彩较多，且同一色彩的目标有时具有不连续性，图像分割方法中比较常见的有阈值法、边缘检测法以及边界跟踪法等，这类方法并不能取得有效的分割.近年来不少学者用聚类算法对图像进行分割，并取得了一定成果.

随着模糊理论的出现，模糊C均值聚类(FCM)分割算法由于其高效简捷得到了广泛应用.它能够将所需分割图像的信息进行很好的保留[1]，但FCM聚类会出现局部最优、对噪声和孤立点敏感等.基于此，国内外学者提出了许多FCM改进算法和相关图像处理方法.许超[2]结合粒子群算法和FCM进行图像分割，能够实现彩色图像的准确分割，比FCM分割结果更好.胡学刚等人[3]针对FCM聚类的不足，采用区域分裂合并法实现了彩色图像的自适应分割，取得了良好的分割结果，并提高了抗噪性能.邱磊等人[4]将图像在HIS颜色空间采用邻域均值进行FCM聚类，实现了噪声图像的处理.邓廷权等人[5]将模糊Histon直方图用于模糊C聚类中实现了图像的自适应聚类分割，对目标进行了较准确的提取.

本文在分析彩色多目标图像特点的基础上，利用模糊C均值聚类算法，通过合理设置参数，选取与设备无关的Lab均匀颜色空间进行图像聚类，并用实验验……