基于模糊聚類算法的圖像分割問題研究.pdf

1、當(dāng)前圖像分割技術(shù)越來越受到人們的重視。很多研究者針對(duì)圖像分割技術(shù)設(shè)計(jì)出了不計(jì)其數(shù)的方法。圖像分割技術(shù)已經(jīng)涉及到許多范疇，并且逐漸成為了許多領(lǐng)域的基礎(chǔ)技術(shù)之一。圖像分割技術(shù)在當(dāng)今時(shí)代具有極其重要的地位，研究如何提高它的運(yùn)算結(jié)果仍然十分具有價(jià)值。
　　很多事物自身存在模糊性，傳統(tǒng)的聚類方法多是硬劃分，不能夠理想的處理這類事物的問題。在圖像分割領(lǐng)域內(nèi)的眾多方法中，有一類以模糊聚類技術(shù)為基礎(chǔ)的方法，能夠較好地分析處理客觀事物內(nèi)在的模糊性，

2、因而逐步作為了運(yùn)用最普遍的分割方法和研究熱點(diǎn)課題之一。模糊聚類分析是典型的軟劃分方法，它能夠很好地處理事物內(nèi)在的模糊性，因此，比傳統(tǒng)的聚類分析更適合現(xiàn)實(shí)中的事物處理。
　　在模糊聚類分析的眾多方法中，具有代表性的應(yīng)用最普及的一類是FCM算法及它的系列改進(jìn)算法。雖然FCM算法應(yīng)用最普遍，但是它本身也存在一定的問題，因此近年來研究人員不斷對(duì)其進(jìn)行改進(jìn)，提出了很多改進(jìn)算法，一個(gè)比較典型的改進(jìn)算法是KWFLICM算法。KWFLICM算法是