基于模糊聚類的圖像分割方法的研究.pdf

1、圖像分割指的是根據(jù)圖像的一些特征，如灰度、顏色、紋理和形狀等特征，并通過某種技術(shù)（聚類算法等等）把圖像劃分成若干不重疊的區(qū)域，在同一區(qū)域內(nèi)相似，而在不同區(qū)域間有明顯的差異。它是圖像處理的基石，其處理的好壞對后面的圖像分割處理結(jié)果有非常大的影響。圖像分割在機器視覺，人臉識別，衛(wèi)星圖像定位和醫(yī)學影象等很多領(lǐng)域成效顯著。
　　由于圖像本身具有很多的不確定性和不精確性，而且圖像分割本身就是把圖像按照某種特征進行分裂的過程，這和聚類算法具有

2、很多共同點，所以近幾年來一些學者把模糊聚類理論應用到圖像分割中去，效果比較明顯。在這些模糊聚類算法中，應用比較廣泛的一種算法是模糊C-均值（FCM)聚類算法，很多人都對它進行研究和改進，應用到圖像分割中去。本文也提出了一種新的分割算法，將增量式聚類和FCM結(jié)合，本文主要涉及以下幾個內(nèi)容：
　　1）對圖像分割理論和傳統(tǒng)的FCM圖像分割算法進行深入學習和研究，尤其是重點對傳統(tǒng)的FCM圖像分割算法出事類別c的選取、初始化隸屬度矩陣和初始

3、化類中心的確定進行了深入的研究，并實現(xiàn)傳統(tǒng)的FCM圖像分割算法。
　　2）為了提高算法的抗噪性和加快算法的收斂速度，在傳統(tǒng)FCM圖像分割算法的基礎(chǔ)上，對基于空間信息的FCM進行改進，該改進算法除了考慮了自身的灰度值，也把每個像素點的鄰域信息考慮進去，如該像素的鄰域均值、方差、熵值等。
　　3)將2）中改進的FCM算法和增量式聚類算法進行結(jié)合，提出了一種新的基于FCM的增量式算法，它提高了圖像分割的效率，也增強了圖像的動態(tài)處理