具有抗噪性的模糊聚類算法及其應用研究.pdf

1、根據(jù)圖像的抽象程度和對圖像進行處理方法的差別，圖像技術被人們分為圖像處理、分析和理解三個層次。處于最低層次的圖像處理的主要操作對象是圖像各個像素。在現(xiàn)有的圖像處理技術中比較有代表意義的技術是圖像編碼、降噪以及分割。
　　圖像分割在圖像工程中占據(jù)十分重要的地位，其本質是指把一幅待分割的圖像分割成為相異區(qū)域，且任意區(qū)域都具有獨特的特性，然后提取出感興趣的目標。圖像分割涉及的應用領域十分廣泛，例如在機器視覺、交通控制系統(tǒng)以及模式識別等都

2、需要利用圖像分割的技術處理實際問題?？墒怯捎趫D像在成像時受到各式各樣客觀因素的影響，圖像本身存在了各種不確定性的問題，而模糊理論可以很好地解決這類問題。因此近年來借助模糊理論的圖像分割算法獲得了學者們的眾多關注和研究。
　　圖像分割作為圖像技術第二三層次的基礎，是一種極其關鍵的圖像處理技術。然而圖像分割技術一直都是圖像理論發(fā)展的難題之一，但圖像分割技術應用的領域一直在不斷增多，所以對這類技術的研究顯得尤其重要。
　　本論文主

3、要是在已有的模糊聚類圖像分割算法上，著重研究了部分分割算法所存在的問題，并通過分析和實驗得到了改進算法。本文的主要工作如下:
　　1.為了提高基于二維直方圖的模糊C-均值聚類分割算法(FCM)的抗噪性和普適性，提出了屬性加權二維直方圖FCM分割新方法。針對基于二維直方圖的FCM算法存在閾值參數(shù)選取不當導致抗噪性能差的不足，將屬性加權引入基于二維直方圖的FCM算法，以此有效解決了每維屬性聚類貢獻度的問題。新算法相比基于二維直方圖的F

4、CM分割法的抗椒鹽噪聲性能和抗高斯噪聲性能平均提高了2至3db;同時，相比模糊局部C-均值聚類分割法(FLICM)抗椒鹽噪聲性能平均提高了2至3db且抗高斯噪聲性能稍差大約1db，但新算法相比FLICM的速度平均提高了大約40倍。實驗結果表明:新算法相比現(xiàn)有的基于二維直方圖的FCM算法更適合有噪圖像分割;同時，相比FLICM算法更有利于實時性要求較高場合的目標跟蹤和識別等需要。同時從大量圖像的仿真測試得出，新算法對于一般人工合成圖像，智

5、能交通圖像及遙感圖像等具有普遍適用性。
　　2.針對Krinidis等人提出的魯棒模糊局部C-均值聚類系列算法存在聚類中心迭代公式缺乏嚴格數(shù)學理論基礎的不足，于是將其聚類目標函數(shù)及其約束條件采用拉格朗日乘子法進行嚴格數(shù)學推導，從而獲得最優(yōu)解逼近的隸屬度和聚類中心迭代表達式，并通過多次循環(huán)迭代實現(xiàn)圖像聚類分割。實驗結果表明，本文所建議的魯棒模糊局部C-均值聚類分割算法是有效的，相比現(xiàn)有魯棒模糊局部C-均值聚類分割算法更適合復雜遙感等

6、圖像的分割需要。
　　3.針對模糊局部C-均值聚類算法計算復雜度高對大數(shù)據(jù)樣本集進行聚類時極為耗時的特點，提出了快速的模糊局部C-均值聚類分割算法。該算法將目標像素點與其鄰域像素點構成的共生矩陣引入模糊局部C-均值算法，得到新的聚類隸屬度和聚類中心表達式。對像素分類時利用鄰域像素隸屬度進行濾波處理，進一步改善了算法的抗噪性。實驗結果表明，該算法滿足了圖像分割有效性的需求，相較于模糊局部C-均值聚類算法本文算法具有更好的分割性能和實

7、時性的優(yōu)點，能更好地滿足實際場合圖像分割需要。
　　4.針對核空間模糊局部C-均值聚類分割算法時間復雜性過大而不適合實時場合圖像分割需要的問題，提出了一種核空間局部模糊C-均值聚類分割的快速算法。首先利用像素與其鄰域像素之間的空間距離信息和灰度方差信息構造一種加權共生矩陣，其次將圖像像素的一維直方圖以及像素與鄰域像素之間的二維共生直方圖相結合構造了一種新的核空間模糊C-均值聚類分割目標函數(shù)，并對其推導獲得隸屬度和聚類中心迭代表達式