基于混沌粒子群和模糊聚類的圖像分割算法研究.pdf

1、圖像分割是圖像分析的重要前期過程,同時(shí)也是整個(gè)圖像處理工程中最基本的技術(shù)之一。由于圖像本身存在著很多的不確定性及復(fù)雜性,而模糊聚類理論對(duì)圖像的這種特性具有很好的表述能力。近年來,許多學(xué)者努力將模糊聚類理論應(yīng)用到圖像分割當(dāng)中,事實(shí)證明,用該方法處理得到的分割效果要明顯好于傳統(tǒng)的圖像分割方法。
　　模糊C均值聚類算法(Fuzzy C Means clustering,FCM)是基于目標(biāo)函數(shù)中最經(jīng)典的一種算法,同時(shí)也是理論最為完善、應(yīng)用

2、最為廣泛的一種算法。它通過把聚類問題轉(zhuǎn)化為一個(gè)帶約束的非線性規(guī)劃問題,采用內(nèi)外迭代的方式來不斷更新模糊隸屬度矩陣和聚類中心,從而獲得聚類目標(biāo)函數(shù)的最小值。將FCM算法應(yīng)用于圖像分割,可以巧妙的避免傳統(tǒng)算法中的多分支分割難題,同時(shí)其作為一種無監(jiān)督的聚類分析算法,不需要人工設(shè)定閾值,適合于實(shí)際應(yīng)用自動(dòng)化操作。因此,將FCM算法應(yīng)用于圖像分割已成為圖像處理工程領(lǐng)域內(nèi)的研究焦點(diǎn),并具有一定的實(shí)用價(jià)值。
　　本文圍繞FCM聚類算法在圖像分割

3、中的應(yīng)用以及算法改進(jìn)進(jìn)行了深入研究,其主要工作和創(chuàng)新點(diǎn)可概括為以下幾點(diǎn):
　　(1)總結(jié)了模糊聚類算法應(yīng)用于圖像分割的研究現(xiàn)狀,并對(duì)常用的分割算法(閾值法、邊緣檢測(cè)法、區(qū)域生長(zhǎng)及分裂合并法、結(jié)合其他特定理論的分割算法)的理論及其基本思想進(jìn)行了介紹。
　　(2)針對(duì)FCM算法對(duì)初值很敏感,很大程度上依賴于初始聚類中心的選擇。當(dāng)初始聚類中心嚴(yán)重偏離全局最優(yōu)聚類中心時(shí),或因某些粒子在迭代過程中出現(xiàn)停頓而造成算法早熟,都很可能使算法

4、陷入局部最優(yōu)值。本文借助混沌運(yùn)動(dòng)具有遍歷性、隨機(jī)性等特點(diǎn),結(jié)合粒子群的尋優(yōu)特性,通過采用混沌初始化粒子群來改善個(gè)體質(zhì)量,并利用混沌擾動(dòng)避免某些粒子在迭代過程中因停頓而使算法陷入局部最優(yōu)值,提出了基于混沌粒子群模糊C均值聚類算法(Fuzzy C Means clustering based on Chaos Particle Swarm Optimization,CPSO-FCM)。實(shí)驗(yàn)證明,用該算法分割圖像可得到很好的分割效果,并具有很