改進(jìn)的約束模糊聚類圖像分割算法研究.pdf

1、圖像分割是圖像處理到圖像分析的關(guān)鍵步驟之一，其主要應(yīng)用于醫(yī)學(xué)圖像處理、遙感圖像處理、模式識(shí)別和計(jì)算機(jī)視覺(jué)等領(lǐng)域。近年來(lái)，圖像分割技術(shù)受到了許多學(xué)者的廣泛關(guān)注。隨著對(duì)圖像分割技術(shù)的研究，學(xué)者們提出了大量的分割方法，其中模糊聚類是最為廣泛研究和應(yīng)用的重要方法之一。在現(xiàn)有的模糊聚類算法中，模糊C-均值算法(FCM)的應(yīng)用最為廣泛并且比較成功。但FCM算法對(duì)噪聲和孤立點(diǎn)比較敏感，同時(shí)沒(méi)有考慮圖像的空間鄰域信息，在處理被噪聲干擾的圖像時(shí)常會(huì)得到不

2、理想的分割結(jié)果。為了改善這些缺陷，學(xué)者們提出了大量的FCM改進(jìn)算法。模糊局部信息C-均值算法(FLICM)提出一種模糊因子將局部空間信息和局部灰度信息聯(lián)系在一起，提高了算法的魯棒性和抗噪性。為了進(jìn)一步改善該聚類算法的分割性能，將其推廣至再生核空間并對(duì)其模糊權(quán)因子采用像素鄰域方差信息修正，并獲得具有較強(qiáng)魯棒性和抗噪性的核空間模糊局部信息C-均值算法(KWFLICM)，但是對(duì)于對(duì)比度較弱的灰度圖像，其分割和抗噪效果比較差?；谔摂M焦點(diǎn)的模糊

3、C-均值算法(FCMFP)在FCM算法的聚類目標(biāo)函數(shù)中引入一個(gè)觀察點(diǎn)構(gòu)成一個(gè)正則項(xiàng)，正則因子控制著觀察點(diǎn)的位置（觀察點(diǎn)相當(dāng)于光學(xué)透鏡中的焦點(diǎn)），通過(guò)調(diào)節(jié)正則因子則可以獲得不同的分割效果，提高了算法的魯棒性。
　　本文研究了模糊聚類中頗為流行的模糊C-均值算法和核空間模糊局部信息C-均值算法，針對(duì)FCM算法和KWFLICM算法的不足進(jìn)行了改進(jìn)。本文主要完成了以下工作:
　　1、針對(duì)核空間模糊局部信息C-均值算法對(duì)低對(duì)比度灰度圖

4、像抗噪性差的不足，提出一種基于噪聲距離的核空間鄰域信息模糊聚類算法。該算法在現(xiàn)有KWFLICM算法的基礎(chǔ)上改變隸屬度約束條件并引入噪聲距離δ獲得一種改進(jìn)的聚類目標(biāo)函數(shù)，并借鑒現(xiàn)有噪聲聚類思想構(gòu)造出具有良好抗噪性的模糊聚類迭代隸屬度和聚類中心表達(dá)式，最后給出相應(yīng)的聚類算法。最后通過(guò)實(shí)驗(yàn)結(jié)果證明，對(duì)于椒鹽噪聲干擾的對(duì)比度較弱的灰度圖像，該改進(jìn)算法比KWFLICM算法更有優(yōu)勢(shì)。
　　2、針對(duì)模糊C-均值算法對(duì)灰度不均勻圖像分割模糊的不足

5、，提出一種基于虛擬焦點(diǎn)的正則化模糊聚類算法，并將其推廣到直方圖上，獲得與其等價(jià)的直方圖快速聚類算法。該算法借鑒FCMFP算法的思想，通過(guò)對(duì)FCM算法的聚類目標(biāo)函數(shù)中引入一個(gè)正則項(xiàng)，構(gòu)造一種改進(jìn)的聚類目標(biāo)函數(shù)，同時(shí)推導(dǎo)出聚類迭代求解的隸屬度和聚類中心表達(dá)式，最后給出相應(yīng)的聚類算法。最后通過(guò)實(shí)驗(yàn)結(jié)果證明:該改進(jìn)算法有效改善了FCM算法的分割性能，可以準(zhǔn)確地將目標(biāo)分割出來(lái)，分割效果較好。
　　3、針對(duì)基于虛擬焦點(diǎn)的正則化模糊聚類算法抗噪