基于模糊C均值的圖像分割算法研究.pdf

1、圖像分割是根據(jù)一定準(zhǔn)則把一幅輸入圖像分割成若干具有相同性質(zhì)的類(lèi)別，提取人們感興趣的部分，它是圖像特征提取和識(shí)別等圖像分析理解的基礎(chǔ)。常用的圖像分割方法有閾值化法、基于邊緣檢測(cè)的方法、區(qū)域生長(zhǎng)法、模糊聚類(lèi)法等，這些方法都各有優(yōu)缺點(diǎn)，能適合所有圖像的分割方法還未提出。
　　在模糊聚類(lèi)圖像分割算法中，最具代表性的是模糊C均值圖像分割法，該方法原理簡(jiǎn)單且能自適應(yīng)迭代獲得最終分割結(jié)果，但同時(shí)該方法也存在明顯缺陷，一方面，需要預(yù)先知道圖像分割

2、的類(lèi)別數(shù)，并為每一類(lèi)人為設(shè)定聚類(lèi)中心，另一方面，它沒(méi)有考慮像素點(diǎn)的空間信息，即沒(méi)有考慮鄰域像素點(diǎn)對(duì)分類(lèi)結(jié)果的影響。典型的閾值化法有最大類(lèi)間方差法、最大熵法、最小誤差法等，其中最大類(lèi)間方法只考慮了兩類(lèi)之間的距離，沒(méi)有考慮類(lèi)內(nèi)之間的距離，雖然新的閾值分割方法層出不窮，但閾值的選擇始終是一個(gè)未解的難題。論文重點(diǎn)研究了考慮空間信息的模糊C均值圖像分割算法，在此基礎(chǔ)上改進(jìn)了模糊C均值圖像分割算法和最大類(lèi)間方差法，主要內(nèi)容為：
　　(1)提出

3、一種將馬爾科夫隨機(jī)場(chǎng)引入模糊C均值圖像分割的新方法，馬爾科夫隨機(jī)場(chǎng)能很好的描述像素點(diǎn)與其鄰域像素點(diǎn)的關(guān)系，解決了模糊C均值圖像分割法沒(méi)有考慮空間像素的缺陷，同時(shí)在目標(biāo)函數(shù)加入權(quán)重因子α用于調(diào)整局部鄰域像素點(diǎn)的先驗(yàn)分割對(duì)分割結(jié)果的影響權(quán)重。
　　(2)考慮像素空間信息的另一方法是在模糊 C均值聚類(lèi)算法目標(biāo)函數(shù)中加入帶鄰域信息的懲罰項(xiàng)，像素點(diǎn)與其相鄰像素點(diǎn)的灰度值組成若干序列，計(jì)算各序列灰色關(guān)聯(lián)度，通過(guò)灰色關(guān)聯(lián)度的值設(shè)定懲罰項(xiàng)的參數(shù)值