基于Type-2模糊聚类的图像分割算法

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

个新的隶属度函数，并用该函数对图像进行分割。实验结果表明，该算法准确性较高，且具有良好的抗噪能力。
模糊理论，以提高算法的分割准确性和鲁棒性。该算法对模糊ｃ均值算法中每一个样本的隶属度进行分段线性拉伸，利用拉仲的结果作为
一
关键词：图像分析；图像分割；模糊聚类；二型模糊；隶属函数
ｌ…，一），１个子集，要求同子集的样本尽量相似。ｄ为第ｋ设ｉ个样本到第ｉ的距离，距离公式为：类
ｄｌＩｘ —Ｖ）（ — ）＝ｌ一ＶＩ＝（ｋｉ．Ｘ２（）１
图像分割方法，其中，像素聚类方法是最常用的图像分割方
ＩａｅＳｇｅｔｔｏｇｒｔｍｓｄ０ｙｅ２ＦｕｚｕｔｒｎｍｇｅｍｎａｉｎＡｌｏｉｈＢａｅｎＴｐ一ｚｙＣｌｓｅｉｇ
ＺＨＯＵａ－ｕ．Ｕｅ－ｉＷｎｈｉＬＩＷｎｐｎｇ
好的效果。
２ＦＭ算法Ｃ
设数据集ｘ中含有ｎ个样本，表示为（＝，，ｎ１。０１ …，） —
它是模式识别、图像理解、计算机视觉等技术的基础环节。图像分割多年来一直得到人们的高度重视，至今已提出多种
聚类问题是将中的ＲＸ，）区分为ｃ（０：ｏ …，，，＝
法。模糊Ｃ均值（ｕｚ — ａｓＦＭ）ＦｚｙＭｅｎ，Ｃ算法是由Ｂｚｅ出Ｃｅｄｋ提的一种模糊聚类法，利用该算法对图像像素进行聚类进而实现图像分割。该算法来源于Ｒｓｌ在１６ａｐｉ９９年提出的ＣＭｅｎ — ａｓ算法思想，Ｃ算法与ＣＭｅｎ聚类算法不同之处在于它不ＦＭ — ａｓ将样本分成明子集，它以最小类内平方误差和为聚类准则，计算每个样本属于各模糊子集的隶属度，但原算法仅当分割的图像不合噪声或噪声很低时能得到较好的分割结果，然而图像在成像过程中会不可避免地受到不同噪声的干扰，因此，该算法在很大程度上降低了图像处理的精度与抗噪能力，抑制了该算法在图像处理领域内的适应性。对ＦＭ聚类算法针Ｃ的种种缺点，国内外已有很多学者陆续提出了多种改进算法，
第３卷第２期６４
Ｖ０．Ｉ３６
・
计
算
机
工
程
２１００年ｌ２月
Ｄｅｅｂｅ０１ｃｍｒ２０
ＮＯ２．４
ＣｏｐｅｍｕｔｒＥｎｇｎｅｒｎｇｉｅｉ
图形图像处理・
文章编号：ｌ（－２【１）＿１３文献标识码：０卜３８０ｏ４２１０４２２ —０Ａ
ｉａｅｓｇｎａｉｎａｇｏｉｈｉｏｏｅｉｎｏｉｒｖｈｅｍｅｔｔｎｐｅｉｉｎａｏｕｔｅｓｏｅＦＣＭｌｏｉｈｂｎｒｄｃｎｈｍｇｅｍｅｔｔｌｒｔｍｓｐｒｐｓｄａｍｉｇｔｍｐｏｅｔｅｓｇｎａｉｒｃｓｏｎｄｒｂｓｎｓｆｔｏｏｈａｇｒｔｍｙｉｔｏｕｉｇｔｅ
中图分类号：Ｐ１．Ｔ３１２５
基于Ｔｐ・糊聚类的图像分割算法ｙｅ２模
周晚辉，刘文萍
（北京林业大学信息学院，北京ｌ０８）０３０
摘
要：模糊 Hale Waihona Puke Baidu均值算法是图像分割的常用方法，但该算法对噪声非常敏感。为此，出一种新算法，提在模糊ｃ均值算法基础上引进．ｐ一ｒｅｙ２
ｕｉｇｔｅＦｓｎｈＣＭｌｏｉｍ．ｅｒｓｌｏｔｅｃｉｇｄｆｎｓａｎｗｍｂｒｈｉｕｃｉｎｗｈｃｓｕｅｏｍａｅｓｇｎａｉｎＥｘｅｉｎａｅｕｔａｇｒｔｈＴｈｅｕｔｆｓｒｔｈｎｅｉｅｅｍｅｅｓｐｆｎｔｏ，ｉｈｉｓｄｆｒｉｇｅｍｅｔｔｏ．ｐｒｍｅｔｌｓｌｓｒｓｏｗｅａｇｒｔｍａｉｈｒｍａｅｓｇｍｅｔｔｏｃｕａｙａｄｂｔｒｎｓｍｍｕｅａｉｉ．ｈｔｌｏｉｈｈｈｓｈｇｅｉｇｅｎａｉｎａｃｒｃ＇ｎｅｔｏｉｅｉｅｎｂｌｙｔ
（ｏｌｅｏｆｒｔｎＢｅｉｇＦｒｓｙＵｎｖｒｉ，ｅｊｇ１０８，ｈｎ）Ｃｌｇｆｎｏｍａｉ，ｉｎｏｅｔｉｅｓｙＢｉｎ００３ＣｉａｅＩｏｊｒｔｉ
［ｓａｔＴｅＦｚｙＣ— ａｓＣａｇｒｈｉｏｅｆｈｓｐｐｌｇｅｍｅｔｔｎｍｅｈｄ，ｕｅＦＡｂｔｃ｜ｈｕｚＭｅｎ（Ｍ）ｌｏｉｍｎｅｍｏｔｏｕａｉｅｓｇｎａｉｔｏｓｂｔｈＣＭｎｉｖｏｓｅｒＦｔｓｏｔｒｍａｏｔｉｓｓｉｅＯｎｉＡｎｗｓｅｔｔｅ
［ｙｗｏｄｉｉｇｎｌｓ；ｍａｅｅｍｅｔｔｎｆｚ）ｃｕｔｒｇｐ一ｚｙｍｅｅｓｉｎｔｎＫｅｒｓｍａｅａｙｉｉｇｇｎａｉ；ｕｚ＇ｌｓｉ；ｅ２ｆｚ；ｍｂｒｈｐｆｃｉａｓｓｏｅｎｕｕｏ
１概述
图像分割是把图像分成各具特性的区域的技术和过程，
丁ｐ一ｕｚｅｒＡｐｅｅｓ—ｎａｔｔｈｎｔｏｐｌｄｔｅｍｅｅｓｉａｕｓｏａｈｐｘ１Ｔｅｅｍｅｅｓｉａｕｓｒｅｉｅｙｅ２ｆｚｙｔｏｙｉｗｉｌｅｒｒｃｉｇｍｅｄｉａｐｉｔｍｂｒｈｐｖｌｅｒｃｉｅ．ｈｓｍｂｒｈｐｖｌｅｅｄｒｄ．ｈ，ｃｅｉｓｅｈｓｅｏｈｆｅａｖ