模糊聚類及其在圖像分割中的應(yīng)用.pdf

1、圖像分割是指把圖像分為各具特性的不重疊區(qū)域以提取出感興趣目標(biāo)的技術(shù)和過程，是數(shù)字圖像處理技術(shù)中的關(guān)鍵技術(shù)之一，也是計(jì)算機(jī)視覺中的一個(gè)經(jīng)典問題。圖像分割是對(duì)圖像進(jìn)行分析理解的基礎(chǔ)，在計(jì)算機(jī)視覺、模式識(shí)別、目標(biāo)跟蹤和醫(yī)學(xué)圖像處理等領(lǐng)域已經(jīng)得到了廣泛應(yīng)用。
　　 由于圖像在成像過程中受到各種因素的影響，導(dǎo)致待提取目標(biāo)和背景之間具有一定的相似性和不確定性，而模糊理論和模糊圖像處理技術(shù)適合于處理這種帶有不確定性的問題。模糊聚類方法是處理圖

2、像分割問題的一個(gè)重要理論分支。目前在實(shí)際應(yīng)用中廣泛使用的是模糊C-均值（Fuzzy C-means，F(xiàn)CM）算法，它將聚類歸結(jié)為一個(gè)帶有約束的非線性規(guī)劃問題，通過對(duì)目標(biāo)函數(shù)的優(yōu)化求解獲得數(shù)據(jù)集的模糊劃分。
　　 本文在對(duì)FCM基本理論及半監(jiān)督學(xué)習(xí)深入研究的基礎(chǔ)上，針對(duì)傳統(tǒng)算法中存在的問題和在圖像分割領(lǐng)域中存在的實(shí)際困難，將如何改善算法的初始聚類中心和提高算法對(duì)有噪聲圖像的處理能力作為研究重點(diǎn)，提出了自己的解決方法。本文主要獲得以

3、下研究成果：
　　 （1）提出了一種新的基于約束的半監(jiān)督模糊C-均值算法，以少量標(biāo)記數(shù)據(jù)組成約束信息集，將約束集中心作為算法的初始類中心并求取初始隸屬度矩陣，提高算法的收斂速度，減少迭代次數(shù)，同時(shí)盡可能避免陷入局部最優(yōu)。
　　 （2）在將FCM算法用于圖像分割時(shí)，本文主要考慮空間分布信息對(duì)算法抗噪聲性能的重要影響，有選擇的利用部分鄰域信息，在FCM 目標(biāo)函數(shù)中加入空間約束，并推導(dǎo)出最終的迭代優(yōu)化公式。在標(biāo)準(zhǔn)圖像和實(shí)際圖像