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，也是計算機視覺中的一個經(jīng)典問題。圖像分割是對圖像進行分析理解的基礎(chǔ)，在計算機視覺、模式識別、目標跟蹤和醫(yī)學圖像處理等領(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、像分割問題的一個重要理論分支。目前在實際應(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)為一個帶有約束的非線性規(guī)劃問題，通過對目標函數(shù)的優(yōu)化求解獲得數(shù)據(jù)集的模糊劃分。
　　 本文在對FCM基本理論及半監(jiān)督學習深入研究的基礎(chǔ)上，針對傳統(tǒng)算法中存在的問題和在圖像分割領(lǐng)域中存在的實際困難，將如何改善算法的初始聚類中心和提高算法對有噪聲圖像的處理能力作為研究重點，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，本文主要考慮空間分布信息對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。在標準圖像和實際圖像