王 龙 梅英杰 王 霄 杨 靖

(贵州大学电气工程学院 贵州 贵阳 550025)

0 引 言

随着科学技术的发展，人们对彩色图像分割越来越重视，聚类方法也广泛地运用于图像分割。常见的聚类分割方法有Mean Shift算法、K-means算法、Fuzzy C-mean算法等[1]。Bezdek基于模糊集提出模糊C均值理论[2]，模糊C均值(FCM)算法是目前应用最为广泛的算法之一，它可以保留比硬聚类更多的图像信息，但是它不考虑空间信息，因而对噪声和其他成像比较敏感。

为了解决这些问题，Zhang等[3]提出了一种结合局部空间和灰度信息约束的自适应模糊局部信息C均值聚类方法，利用新的模糊局部相似度测度，自动实现对噪声不敏感和边缘模糊伪影减少之间的平衡，以保持图像细节。Zhao等[4]提出基于泰森多边形法(VT)和隐马尔可夫随机场(HMRF)的模糊C均值(FCM)算法纹理图像分割，该算法结合了鲁棒区域HMRF和基于FCM的聚类分割的优点。Jing等[5]提出了一种基于模糊聚类和空间金字塔的图像分割算法，该算法具有较好的精度和时间复杂度。Fan等[6]利用神经动态优化的两相模糊聚类算法，并将其应用于极化合成孔径雷达遥感图像的分割，该聚类算法具有一定的有效性和优越性。

尽管现有基于模糊聚类改进的方法的图像分割技术有较好的效果，但也存在一些不足之处，图像分割不仅要保持图像细节的处理，又要保证图像分割的精度。本文利用多维相似性，克服欧氏距离依靠时间而忽视趋势特征的缺陷，在聚类过程中引入烟花算法，防止陷入局部最优，使算法达到全局最优。……