加權(quán)模糊c均值算法在圖像分割中的應(yīng)用

1、加權(quán)模糊加權(quán)模糊C均值算法在圖像分割中的應(yīng)用均值算法在圖像分割中的應(yīng)用基于模糊C均值聚類的圖像分割方法是圖像分割領(lǐng)域中廣泛應(yīng)用的算法。FCM算法的本質(zhì)上是一種局部搜索尋優(yōu)技術(shù)，它是通過極小化目標(biāo)函數(shù)來求得最優(yōu)解?；谀：鼵均值聚類的圖像分割方法適合解決灰度圖像中存在的模糊和不確定性的問題。但是，在實際的圖像中，由于噪聲等干擾因素的影響，使得利用傳統(tǒng)的聚類方法進行圖像分割得不到滿意的結(jié)果。鑒于此，本文提出了一種基于二維直方圖加權(quán)的塔形模糊

2、c均值聚類算法。二、加權(quán)FCM算法模糊C均值聚類算法（FCM），是用隸屬度確定每個數(shù)據(jù)點屬于某個聚類的程度的一種聚類算法。它早期作為硬均值聚類（HCM）算法的一種改進，在1973年，由Bezdek提出。FCM算法可如下描述：初始化：給定聚類別數(shù)c，2cnn是數(shù)據(jù)個數(shù)，設(shè)定迭代停止閾值，初始化聚類中心，設(shè)置迭代計數(shù)器b=0。步驟1：用式（1.1）計算或更新劃分矩陣。對于如果，則有（1.1）如果，使得則有，且對jr（1.2）步驟2：用式（1

3、.3）更新聚類原型模式矩陣。的分解，當(dāng)分解得到的每個聚類均為單峰分布時，表明峰態(tài)分解完全。此時得到的聚類數(shù)目最合適。反之就需要繼續(xù)分解。另外，如果所得到的圖像的直方圖為單峰分布，就說明基于直方圖無法實現(xiàn)圖像的分割。這時就無需用WFCM進行圖像分割。為此，提出了基于統(tǒng)計檢驗指導(dǎo)的多閾值圖像分割方法?；诮y(tǒng)計檢驗指導(dǎo)的多閾值圖像分割方法步驟為：步驟1：統(tǒng)計得到圖像的一維或二維直方圖。步驟2：對直方圖進行單峰分布的統(tǒng)計檢驗。步驟3：如果待分析

4、的圖像的直方圖檢驗出為單峰分布，則圖退出圖像分割。步驟4：如果待分析的圖像的直方圖檢驗出為多峰分布，則令聚類數(shù)目C為2然后用基于直方圖的WFCM算法對圖像進行聚類，對得到的C個類別分別進行單峰檢驗，只要還有一個子集不滿足顯著性經(jīng)驗，就說明還存在可分性。步驟5：令C=C1重新聚類，直到所有C個子集都不具有可分性后，說明每個類都是單峰分布了，就能輸出令人滿意的閾值數(shù)目和理想的圖像分割結(jié)果了。四、基于二維直方圖的塔形加權(quán)FCM圖像分割算法基于