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

2、的類別數(shù)，并為每一類人為設定聚類中心，另一方面，它沒有考慮像素點的空間信息，即沒有考慮鄰域像素點對分類結果的影響。典型的閾值化法有最大類間方差法、最大熵法、最小誤差法等，其中最大類間方法只考慮了兩類之間的距離，沒有考慮類內(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未解的難題。論文重點研究了考慮空間信息的模糊C均值圖像分割算法，在此基礎上改進了模糊C均值圖像分割算法和最大類間方差法，主要內(nèi)容為：
　　(1)提出

3、一種將馬爾科夫隨機場引入模糊C均值圖像分割的新方法，馬爾科夫隨機場能很好的描述像素點與其鄰域像素點的關系，解決了模糊C均值圖像分割法沒有考慮空間像素的缺陷，同時在目標函數(shù)加入權重因子α用于調(diào)整局部鄰域像素點的先驗分割對分割結果的影響權重。
　　(2)考慮像素空間信息的另一方法是在模糊 C均值聚類算法目標函數(shù)中加入帶鄰域信息的懲罰項，像素點與其相鄰像素點的灰度值組成若干序列，計算各序列灰色關聯(lián)度，通過灰色關聯(lián)度的值設定懲罰項的參數(shù)值