基于鄰域信息和模糊聚類的圖像分割算法研究.pdf

1、圖像分割是圖像處理中的一個關(guān)鍵步驟，是從初始圖像中提取目標(biāo)區(qū)域的過程，是獲得好的圖像分析，描述與理解結(jié)果的重要步驟之一。圖像分割的效果直接關(guān)系到后續(xù)所要進行的圖像分析的質(zhì)量，因此快速且有效地將目標(biāo)區(qū)域從復(fù)雜的初始圖像中分割提取出來具有非常重要的研究意義。本文針對已提出的圖像分割算法的分割正確率低，魯棒性差等缺點做出了研究，主要內(nèi)容包括：
　　1.提出了基于免疫克隆和模糊核聚類的圖像分割的新算法。在該算法中，為了解決傳統(tǒng)的模糊聚類算

2、法易陷入局部最優(yōu)的問題，利用免疫克隆算法優(yōu)化得到初始聚類中心，降低了算法陷入局部最優(yōu)的概率；圖像的空間信息被引入到傳統(tǒng)的模糊聚類算法的目標(biāo)函數(shù)中，增強了算法對噪聲的魯棒性；在算法計算圖像中像素點到聚類中心的距離時使用基于高斯核函數(shù)的非歐式距離，使分割的正確率提高。
　　2.提出了基于均值漂移和鄰域信息的模糊C均值的圖像分割算法。在該算法中，為了解決聚類算法中必須給出初始的聚類中心和數(shù)目才能進行迭代的問題，使用均值漂移算法對圖像初始

3、分割得到聚類中心和聚類數(shù)目；計算像素點的鄰域圖像塊的加權(quán)均值代替模糊C均值算法中的像素點的值，在目標(biāo)函數(shù)中添加加權(quán)模糊因子，加權(quán)模糊因子的權(quán)值中包括距離權(quán)值和強度權(quán)值，完整的使用了空間鄰域信息；在聚類迭代中使用圖像的鄰域信息對隸屬度矩陣進行平滑。算法充分利用了圖像的鄰域信息，使算法對噪聲的魯棒性更好，圖像的分割正確率更高。
　　3.提出了基于粗糙集的快速抑制模糊C均值圖像分割算法。在該算法中，使用圖像的空間信息得到重構(gòu)圖像，圖像中