模糊C均值圖像分割算法及其應用研究.pdf

1、模糊C均值(FCM)是一種經(jīng)典的聚類算法,廣泛地應用于圖像分割。近年提出的局部約束改進FCM算法僅利用了局部圖像像素的統(tǒng)計信息，而忽視了相應的結構信息，導致算法在去除噪聲時會破壞圖像細節(jié)，因此，無法同時在去除噪聲和保存圖像細節(jié)上取得最優(yōu)。
　　為使算法在有效地去除噪聲干擾同時能保留圖像細節(jié)，本文通過引入方向微結構信息提出一種新的對噪聲魯棒的FCM改進算法。在局部圖像區(qū)域中，由于存在圖像紋理細節(jié)，使得局部圖像像素可以組合成很多的微型

2、結構。位于同一個微結構中的像素之間具有更高的相似度，而微結構中的像素與其他的局部區(qū)域像素之間則具有較低的相似度?；谝陨霞僭O，本文提出一個稱為相對方向方差的概念來定義圖像局部區(qū)域的微結構約束，并在相對方向方差和現(xiàn)有局部圖像統(tǒng)計性相似性測度基礎上定義了一個新的圖像局部像素相似性測度—微結構相似度。新的相似性測度不僅能夠有效地反映了局部圖像像素的空間、灰度的統(tǒng)計信息，而且可以有效地反映相應的結構信息。
　　首先本文把局部圖像中的像素分

3、為若干個方向，將每個方向上像素的方向方差和垂直于該方向的所有方向方差的平均值的比值定義為相對方向方差。在FCM開始迭代之前，本文應用微結構相似度測度來識別出局部圖像存在的方向微結構，并將該方向微結構中的像素自適應地賦以較大的約束權值。然后應用相對方向方差的最小值作為開關變量，用于檢測沖擊噪聲點，以便于去除這些噪聲的時候減少圖像模糊。接著，本文執(zhí)行基于直方圖的FCM迭代。在FCM迭代之后，基于隸屬度函數(shù)本文定義了方向微結構檢測變量，用于判