核模糊聚類算法及其在圖像分割中的應(yīng)用.pdf

1、在數(shù)字圖像處理中，圖像分割占有重要地位，得到了廣泛深入的研究。在對圖像的研究和應(yīng)用中，人們往往只對圖像中的某部分感興趣。這些部分常稱為目標(biāo)或前景(其它部分稱為背景)，它們一般對應(yīng)圖像中特定的具有獨特性質(zhì)的區(qū)域。為了辨識和分析目標(biāo)，需要將這些區(qū)域分離提取出來。圖像分割是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。圖像分割從本質(zhì)上來說是一個對圖像上所有像素進(jìn)行分類的過程，因此人們也常把空間聚類算法用來進(jìn)行圖像分割。用特征空間聚

2、類的方法進(jìn)行圖像分割可看作是對閾值分割概念的推廣。它將圖像空間中的元素按照從它們測得的特征值用相應(yīng)的特征空間點表示，通過特征空間的點聚集成對應(yīng)不同區(qū)域的類團(tuán)，然后再將它們劃分開，并映射回原圖像空間以得到分割的效果。 本文從核聚類算法和模糊C-均值聚類算法出發(fā)，把模糊的概念引入到核聚類中，利用模糊化矩陣來更新核函數(shù)的參數(shù)，這樣就避免了核函數(shù)更新參數(shù)時，求聚類樣本平均值帶來的聚類中心的不合理性。同時利用核聚類可以適合任意形狀分布的樣

3、本的優(yōu)點，來修正模糊聚類只適應(yīng)于球類樣本的缺點。綜合兩者優(yōu)點，提出了一種新的聚類算法：核模糊聚類算法，并將其應(yīng)用于圖像分割，取得了較好的分割效果。算法的主要思想就是把模糊的概念引入到核函數(shù)，通過對核函數(shù)參數(shù)的模糊化來達(dá)到良好的聚類效果。同時利用滿足Mercer條件的核函數(shù)，把樣本數(shù)據(jù)映射到高維空間，擴(kuò)大樣本間的類別差異，來達(dá)到樣本線性可分的目的，同時利用核函數(shù)的性質(zhì)來簡化距離計算。應(yīng)用于圖像分割時，與一般常用的閾值分割相比，本算法避免了