刘旭东，李云红，屈海涛，苏雪平，谢蓉蓉

(1.西安工程大学 电子信息学院，陕西 西安 710048；2.哈尔滨市产品质量监督检验院，黑龙江 哈尔滨 150036)

0 引 言

图像分割作为图像理解分析及计算机视觉的重要步骤，被大量应用于遥感图像分析、医学图像研究等领域[1-2]。常用的图像分割算法包括阈值法[3]、基于模型的分割算法[4]、基于超像素的分割算法[5]、基于聚类的分割算法[6-8]等。

采用非此即彼聚类方式的分割算法不符合实际图像的不确定性特征，图像分割效果不理想。相比这种传统聚类算法，DUNN提出结合模糊理论的FCM算法可利用更多图像信息，图像分割效果更好[9]。FCM算法作为一种简单、高效且无监督的聚类算法，已被大量用于图像分割领域[10]。但FCM算法仅引入图像灰度信息而未考虑图像空间特征信息，算法抑制噪声能力较弱。为此，学者们提出多种结合局部空间信息的改进型FCM算法：如AHMED等将像素点的邻域空间约束信息引入目标函数，提出基于空间约束的模糊C均值(fuzzy c-means with spatial constraints，FCM_S)聚类算法[11]。CHEN等将FCM_S算法利用的邻域像素用滤波处理得到的像素替换[12]，提出FCM_S的2种改进型算法，提升原有FCM_S算法的分割效果和运行效率。为解决FCM_S及其改进算法受人工设置参数影响的问题，进一步提升算法的分割效果，KRINIDIS等引入包含邻域空间像素信息且无需人工设置参数的模糊因子[13]，提出FLICM算法，实验结果表明，FLICM算法能够保留较多图像细节，图像分割效果得到改善。GONG等引入核距离测度[14]，提出KWFLICM算法，算法对图像数据的优化处理能力增强，同时算法抑制噪声的能力得到提升。……