区间二型模糊C均值聚类在图像分割中的应用
合集下载
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)。
Ｉ２ Ｃ 和 Ｆ Ｍ 算 法 的 分 割 效 果 ，实 验 证 明 Ｉ２ Ｃ 较传 统 Ｆ Ｍ 有 更 好 的 抗 噪 性 。 ＴＦ Ｍ Ｃ ＴＦ Ｍ Ｃ
关键词 ：区间二型模糊 集；均值 聚类算法 ； 图像分 割
中 图分 类 号 ：Ｔ １．；Ｔ ３ １ Ｎ９ ９８ Ｐ ９ ． ４ 文 献 标 识 码 ：Ａ
Ｃ Ｍｅ ｎ （ Ｃ ａｇ ｒ ｈ ｓａｃａ ｓｃａｇ ｒ ｈ ｎｃｕ ｔｒ ｎ ｌｓｓ Ｈｏ ｅ ｅ ，Ｆ Ｍ ｓ ｏ ｎ ｅ ｔ ｙ ｅ １ ａ ｓＦ Ｍ） ｌｏ ｉ ｍ ｉ ｌｓｉ ｌｏ ｉ ｍ ｉ ｌｓｅ ａｙ ｉ． ｗ ｖ ｒ Ｃ ｉ ｆｕ ｄ ｄｗｉ Ｔ ｐ － ｔ ｔ ａ ｈ
第 ９ 卷 第 Βιβλιοθήκη Baidu 期
２１年 １ ０１ ２月
信 息 与 电 子 工 程
Ｉ ＮＦ０ＲＭ ＡＴ１ ０Ｎ ＡＮＤ ＥＬＥＣＴＲ０ＮＩ ＥＮＧＩ Ｃ ＮＥＥＲＩ ＮＧ
ＶＯ１ ９． ． ＮＯ． ６ Ｄｅ ． ０１ ｅ． ２ ｌ
文 章 编 号 ：１ ７ — ８ ２ ２ １ ） ６０ ５ ．５ ６ ２ ２ ９ （ ０ １０ －７ ４ ０
一
型模 糊集采用 确定 的数 值作为隶 属度 以描述模 糊集 的不确定性 ，传统 的模 糊系统基 于一型模糊 集来构造 ，
运用 相应 的模 糊逻辑 推理和精 确化来实 现特定系统 功能 ，但 一型模糊集 在处理实 际对象 的不 确定性 时有 局限性 。 增 强系统方 法 的模糊 性可 以提 高系统处 理不确定性 的能力 ， ａ ｅ Ｚ ｄｈ在提 出模 糊集 的概念时 曾提 及集合 的模 糊性程 度 问题 ， 一型模糊 集合扩展 ，给 出集合 中隶属度 值 的模糊 程度 ，从 而使描述 的集合有更强 的模糊性 ，这种扩 展 对 的模 糊集称 为二型模 糊集 。Ｍｅ ｄ ｌＪＭ 在二型模糊集 的基础 上提 出完 整的二型模糊 系统方法 ，使二 型模 糊系统 ｎｅ 有 更 广 泛 的 应 用 前 景 ［。模 糊 聚 类 是 模 糊 理 论 的 重 要 研 究 方 向 ，在 图 像 分 割 中 已证 明拥 有 良好 的 分 割 效 果 ，其 中 １ １ 模 糊 Ｃ 均值算法（ Ｃ 是模糊 聚类 中应用 最广泛 的方 法【。传 统 Ｆ Ｍ 算法是基 于像素分类 的 图像分 割方法 ，利 Ｆ Ｍ） ２ ］ Ｃ 用 图像 的灰度信 息进行分类 以达 到分 割效果 。然而实 际应用 中 ，由于 图像存 在着各种 类型 的不确定性 ，Ｆ Ｍ 算 Ｃ 法本身参 数的选择也 存在不确 定性 ，传 统 Ｆ Ｍ 算 法 以一 型模 糊理论 为基础 ，并 不能很好地处 理这些 不确定性 问 Ｃ
ｆ ｚ ｓ ｔ ，ｗｈｉ ｈ ａ ｎ ｔ ｕｚ ｙ ｅ ｓ ｃ ｃ ｎ ｏ ｈａ ｄ ｅ ｈ ｕ ｃ ｒ ａ ｎ ｉ ｓ ｘ ｓ ｉ ｇ ｎ ａ ａ ａ ｄ ｌ ｏ ｉｈ ｎ ｌ ｔ ｅ ｎ ｅ ｔ ｉ ｔｅ ｅ ｉ ｔｎ ｉ ｄ ｔ ｎ ａ ｇ ｒｔ ｍ ｉｓ ｌ ．Ｔｈ ｓ ａ ｅ ｔｅｆ ｉ ｐ ｐ ｒ
Ｓ ｕｈ ｓ Ｊａ ｔｎ ｉｅｓｔ ， Ｃ ｅ ｇ ｕＳｃ ｕ ｎ６ ０ ３ ， Ｃ ｉａ ｏ ｔｗｅｔ ｉｏｏ ｇＵｎｖｒｉ ｙ ｈ ｎ ｄ ｉｈ ａ １０ １ ｈｎ ） Ａｂｓｒ ｃ ：Ｃｌ ｓｅ ｎ ｌ ｓｓｉ ｎ ｉ ｏ ｔｎ ｒ ｎ ｈ ｏ ｏ －ｕ ｅ ｖ ｓｏ ａｔ ｒ ｅ ｏ ｎ ｔｏ ｔａ ｔ ｕ ｔｒａ ａｙ ｉ ｓ ａ ｍｐ ｒａ ｔｂ ａ ｃ ｆｎ ｎ ｓ ｐ ｒ ｉｉｎ ｐ ｔｅ ｎ ｒ ｃ ｇ ｉｉｎ， ａ ｄ Ｆ ｚ ｙ ｎ ｕ ｚ
ｂ ｔｅ ｅ ｆ ｒ ｎ ｅ ｏ ｎ ｌｎ ｎ ｅ ｔｉ ｔｅ ｈ ｎ Ｔ ｐ 一 ｕ ｚ ｅ ． Ｔ２ ｅｔ ｒｐ ｒｏ ｍａ ｃ ｎ ｈａ ｄ ｉ ｇ ｕ ｃ ｒａｎ ｉ ｓｔ ａ ｙ ｅ １ ｆ ｚ ｙ ｓ ｔ Ｉ ＦＣＭ ｎｄ ＦＣＭ ｒ ｓ ｄ ｆｒｉ ｇ ａ ａ ｅｕ ｅ ｏ ｍａ ｅ
Ａｎ Ｉ ｔ ｒ ａ ｙ ｅ－ ｕ ｚ － ａ ｓａ ｇ ｒｔ ｍ ｏ ｇ ｅ ｍｅ ｔ ｔｏ ｎ ｅ ｖ ｌＴ ｐ ・ Ｆ ｚ ｙ Ｃ— ２ Ｍｅ ｎ ｌ ｏ ｉｈ ｆｒｉ ｍａ ｅ ｓ ｇ ｎ ａｉ ｎ
ＱＩ ｕ —ｏ ｇ Ｉ ｉｎ Ｕ Ｃ ｎｙ ｎ ，Ｘ ＡＯ Ｊａ
区 间 二 型 模 糊 Ｃ均 值 聚 类 在 图 像 分 割 中 的 应 用
邱 存 勇 ， 肖 建
（ 南交 通 大学 电气 工程 学 院 ，四川 成 都 ６ ０ ３ ） 西 １０ １
摘 要 ：聚类分析 是非监 督模 式识别 的重要分 支 ，模糊 ｃ均值聚 类算法（Ｃ 是 其 中的一类经 Ｆ Ｍ） 典算 法 ，然 而该算 法 以一型模糊 集为基 础 ，无法处理 数据 集 以及 算法 中的不确定 性 ，为此 引入 区 间二型模 糊 ｃ 均值 聚类算法（ ２ Ｃ ） 二型模糊集处 理不确定 性 的能力 强于一 型模 糊集 ，基 于二 Ｉ Ｆ Ｍ。 Ｔ 型模糊 集 的 Ｉ２ Ｃ 在处 理不 确定性 时效果优 于 Ｆ Ｍ 算法 。文章 以 图像分 割为应用 对象 ， 比较 ＴＦ Ｍ Ｃ
ｉｔｏ ｕ ｅ ｈ ｎｅｖ ｌ ｙ ｅ２Ｆ ｚｙＣ Ｍｅ ｎ （Ｔ２ Ｃ ｎｒ ｄ ｃ ｓｔｅＩ ｔｒ ａ Ｔ ｐ － ｕ ｚ － ａ ｓＩ Ｆ Ｍ） ｌｏｉ ｍ， ｈ ｓ ｏｅｉ ｔｐ － ｚｙｓｔ ｈ ｔ ａ ａｇ ｒ ｈ ｗ ｏ ｅｃ ｒ ｙ ｅ ２ｆ ｚ ｅ ａ ｓ ｔ ｓ ｕ ｔ ｈ
ｓｇ ｅ ｍｅ ｔ ｔｏ ｔ ｃ ｍｐ ｒ ｔ ｅ ｒ ｅ ｍｅ ｔ ｔｏ ｒ ｓ ｌｓ Ｔｈ ｅ ｐ ｒｍｅ ｔ ｈ ｗｓ ｈ ｔ Ｔ２ ｎ ａｉ ｎ ｏ ｏ ａ ｅ ｈ ｉ ｓ ｇ ｎ ａ ｉ ｎ ｅ ｕ ｔ ． ｅ ｘ ｅ ｉ ｎ ｓ ｏ ｔ ａ Ｉ ＦＣＭ ｈ ｓ ｅ ｔ ｒ ａ ｂ ｔｅ
ｐ ｒｏ ｍａ ｃ ｎ ｓ ｐ ｒ ｓ ｉ ｏｓ ｎ ｅ ｔｒｅｆ ｃｓｏ ｅ ｍ ｅ ｔｎ ｍａ ｅ ｏ ａ ｅ ｔ ｅ ｆｒ ｎ ｅｏ ｕ ｐ ｅ ｓｎｇｎ ｉｅ ａ ｄ ｂ ｔｅ ｆｅ ｔ ｎ ｓ ｇ ｎ ｉ ｇ ｉ ｇ ｓｃ ｍｐ ｒ ｄ ｗｉｈ ＦＣＭ． Ｋｅ ｒ ｓ ｎ ｅ ｖ ｌ ｐ － ｚ ｙ ｓ ｔ Ｆｕ ｚ Ｍ ｅ ｎ ｌ ｏ ｉｈ ； ｉ ａ ｅ ｓ ｇ ｎ ａｉ ｎ ｙｗｏ ｄ ：Ｉ ｔ ｒ ａ Ｔｙ ｅ ２Ｆｕ ｚ ｅ ； ｚ ｙＣ－ ａ ｓａｇ ｒｔ ｍ ｍ ｇ ｅ ｍｅ ｔｔｏ
关键词 ：区间二型模糊 集；均值 聚类算法 ； 图像分 割
中 图分 类 号 ：Ｔ １．；Ｔ ３ １ Ｎ９ ９８ Ｐ ９ ． ４ 文 献 标 识 码 ：Ａ
Ｃ Ｍｅ ｎ （ Ｃ ａｇ ｒ ｈ ｓａｃａ ｓｃａｇ ｒ ｈ ｎｃｕ ｔｒ ｎ ｌｓｓ Ｈｏ ｅ ｅ ，Ｆ Ｍ ｓ ｏ ｎ ｅ ｔ ｙ ｅ １ ａ ｓＦ Ｍ） ｌｏ ｉ ｍ ｉ ｌｓｉ ｌｏ ｉ ｍ ｉ ｌｓｅ ａｙ ｉ． ｗ ｖ ｒ Ｃ ｉ ｆｕ ｄ ｄｗｉ Ｔ ｐ － ｔ ｔ ａ ｈ
第 ９ 卷 第 Βιβλιοθήκη Baidu 期
２１年 １ ０１ ２月
信 息 与 电 子 工 程
Ｉ ＮＦ０ＲＭ ＡＴ１ ０Ｎ ＡＮＤ ＥＬＥＣＴＲ０ＮＩ ＥＮＧＩ Ｃ ＮＥＥＲＩ ＮＧ
ＶＯ１ ９． ． ＮＯ． ６ Ｄｅ ． ０１ ｅ． ２ ｌ
文 章 编 号 ：１ ７ — ８ ２ ２ １ ） ６０ ５ ．５ ６ ２ ２ ９ （ ０ １０ －７ ４ ０
一
型模 糊集采用 确定 的数 值作为隶 属度 以描述模 糊集 的不确定性 ，传统 的模 糊系统基 于一型模糊 集来构造 ，
运用 相应 的模 糊逻辑 推理和精 确化来实 现特定系统 功能 ，但 一型模糊集 在处理实 际对象 的不 确定性 时有 局限性 。 增 强系统方 法 的模糊 性可 以提 高系统处 理不确定性 的能力 ， ａ ｅ Ｚ ｄｈ在提 出模 糊集 的概念时 曾提 及集合 的模 糊性程 度 问题 ， 一型模糊 集合扩展 ，给 出集合 中隶属度 值 的模糊 程度 ，从 而使描述 的集合有更强 的模糊性 ，这种扩 展 对 的模 糊集称 为二型模 糊集 。Ｍｅ ｄ ｌＪＭ 在二型模糊集 的基础 上提 出完 整的二型模糊 系统方法 ，使二 型模 糊系统 ｎｅ 有 更 广 泛 的 应 用 前 景 ［。模 糊 聚 类 是 模 糊 理 论 的 重 要 研 究 方 向 ，在 图 像 分 割 中 已证 明拥 有 良好 的 分 割 效 果 ，其 中 １ １ 模 糊 Ｃ 均值算法（ Ｃ 是模糊 聚类 中应用 最广泛 的方 法【。传 统 Ｆ Ｍ 算法是基 于像素分类 的 图像分 割方法 ，利 Ｆ Ｍ） ２ ］ Ｃ 用 图像 的灰度信 息进行分类 以达 到分 割效果 。然而实 际应用 中 ，由于 图像存 在着各种 类型 的不确定性 ，Ｆ Ｍ 算 Ｃ 法本身参 数的选择也 存在不确 定性 ，传 统 Ｆ Ｍ 算 法 以一 型模 糊理论 为基础 ，并 不能很好地处 理这些 不确定性 问 Ｃ
ｆ ｚ ｓ ｔ ，ｗｈｉ ｈ ａ ｎ ｔ ｕｚ ｙ ｅ ｓ ｃ ｃ ｎ ｏ ｈａ ｄ ｅ ｈ ｕ ｃ ｒ ａ ｎ ｉ ｓ ｘ ｓ ｉ ｇ ｎ ａ ａ ａ ｄ ｌ ｏ ｉｈ ｎ ｌ ｔ ｅ ｎ ｅ ｔ ｉ ｔｅ ｅ ｉ ｔｎ ｉ ｄ ｔ ｎ ａ ｇ ｒｔ ｍ ｉｓ ｌ ．Ｔｈ ｓ ａ ｅ ｔｅｆ ｉ ｐ ｐ ｒ
Ｓ ｕｈ ｓ Ｊａ ｔｎ ｉｅｓｔ ， Ｃ ｅ ｇ ｕＳｃ ｕ ｎ６ ０ ３ ， Ｃ ｉａ ｏ ｔｗｅｔ ｉｏｏ ｇＵｎｖｒｉ ｙ ｈ ｎ ｄ ｉｈ ａ １０ １ ｈｎ ） Ａｂｓｒ ｃ ：Ｃｌ ｓｅ ｎ ｌ ｓｓｉ ｎ ｉ ｏ ｔｎ ｒ ｎ ｈ ｏ ｏ －ｕ ｅ ｖ ｓｏ ａｔ ｒ ｅ ｏ ｎ ｔｏ ｔａ ｔ ｕ ｔｒａ ａｙ ｉ ｓ ａ ｍｐ ｒａ ｔｂ ａ ｃ ｆｎ ｎ ｓ ｐ ｒ ｉｉｎ ｐ ｔｅ ｎ ｒ ｃ ｇ ｉｉｎ， ａ ｄ Ｆ ｚ ｙ ｎ ｕ ｚ
ｂ ｔｅ ｅ ｆ ｒ ｎ ｅ ｏ ｎ ｌｎ ｎ ｅ ｔｉ ｔｅ ｈ ｎ Ｔ ｐ 一 ｕ ｚ ｅ ． Ｔ２ ｅｔ ｒｐ ｒｏ ｍａ ｃ ｎ ｈａ ｄ ｉ ｇ ｕ ｃ ｒａｎ ｉ ｓｔ ａ ｙ ｅ １ ｆ ｚ ｙ ｓ ｔ Ｉ ＦＣＭ ｎｄ ＦＣＭ ｒ ｓ ｄ ｆｒｉ ｇ ａ ａ ｅｕ ｅ ｏ ｍａ ｅ
Ａｎ Ｉ ｔ ｒ ａ ｙ ｅ－ ｕ ｚ － ａ ｓａ ｇ ｒｔ ｍ ｏ ｇ ｅ ｍｅ ｔ ｔｏ ｎ ｅ ｖ ｌＴ ｐ ・ Ｆ ｚ ｙ Ｃ— ２ Ｍｅ ｎ ｌ ｏ ｉｈ ｆｒｉ ｍａ ｅ ｓ ｇ ｎ ａｉ ｎ
ＱＩ ｕ —ｏ ｇ Ｉ ｉｎ Ｕ Ｃ ｎｙ ｎ ，Ｘ ＡＯ Ｊａ
区 间 二 型 模 糊 Ｃ均 值 聚 类 在 图 像 分 割 中 的 应 用
邱 存 勇 ， 肖 建
（ 南交 通 大学 电气 工程 学 院 ，四川 成 都 ６ ０ ３ ） 西 １０ １
摘 要 ：聚类分析 是非监 督模 式识别 的重要分 支 ，模糊 ｃ均值聚 类算法（Ｃ 是 其 中的一类经 Ｆ Ｍ） 典算 法 ，然 而该算 法 以一型模糊 集为基 础 ，无法处理 数据 集 以及 算法 中的不确定 性 ，为此 引入 区 间二型模 糊 ｃ 均值 聚类算法（ ２ Ｃ ） 二型模糊集处 理不确定 性 的能力 强于一 型模 糊集 ，基 于二 Ｉ Ｆ Ｍ。 Ｔ 型模糊 集 的 Ｉ２ Ｃ 在处 理不 确定性 时效果优 于 Ｆ Ｍ 算法 。文章 以 图像分 割为应用 对象 ， 比较 ＴＦ Ｍ Ｃ
ｉｔｏ ｕ ｅ ｈ ｎｅｖ ｌ ｙ ｅ２Ｆ ｚｙＣ Ｍｅ ｎ （Ｔ２ Ｃ ｎｒ ｄ ｃ ｓｔｅＩ ｔｒ ａ Ｔ ｐ － ｕ ｚ － ａ ｓＩ Ｆ Ｍ） ｌｏｉ ｍ， ｈ ｓ ｏｅｉ ｔｐ － ｚｙｓｔ ｈ ｔ ａ ａｇ ｒ ｈ ｗ ｏ ｅｃ ｒ ｙ ｅ ２ｆ ｚ ｅ ａ ｓ ｔ ｓ ｕ ｔ ｈ
ｓｇ ｅ ｍｅ ｔ ｔｏ ｔ ｃ ｍｐ ｒ ｔ ｅ ｒ ｅ ｍｅ ｔ ｔｏ ｒ ｓ ｌｓ Ｔｈ ｅ ｐ ｒｍｅ ｔ ｈ ｗｓ ｈ ｔ Ｔ２ ｎ ａｉ ｎ ｏ ｏ ａ ｅ ｈ ｉ ｓ ｇ ｎ ａ ｉ ｎ ｅ ｕ ｔ ． ｅ ｘ ｅ ｉ ｎ ｓ ｏ ｔ ａ Ｉ ＦＣＭ ｈ ｓ ｅ ｔ ｒ ａ ｂ ｔｅ
ｐ ｒｏ ｍａ ｃ ｎ ｓ ｐ ｒ ｓ ｉ ｏｓ ｎ ｅ ｔｒｅｆ ｃｓｏ ｅ ｍ ｅ ｔｎ ｍａ ｅ ｏ ａ ｅ ｔ ｅ ｆｒ ｎ ｅｏ ｕ ｐ ｅ ｓｎｇｎ ｉｅ ａ ｄ ｂ ｔｅ ｆｅ ｔ ｎ ｓ ｇ ｎ ｉ ｇ ｉ ｇ ｓｃ ｍｐ ｒ ｄ ｗｉｈ ＦＣＭ． Ｋｅ ｒ ｓ ｎ ｅ ｖ ｌ ｐ － ｚ ｙ ｓ ｔ Ｆｕ ｚ Ｍ ｅ ｎ ｌ ｏ ｉｈ ； ｉ ａ ｅ ｓ ｇ ｎ ａｉ ｎ ｙｗｏ ｄ ：Ｉ ｔ ｒ ａ Ｔｙ ｅ ２Ｆｕ ｚ ｅ ； ｚ ｙＣ－ ａ ｓａｇ ｒｔ ｍ ｍ ｇ ｅ ｍｅ ｔｔｏ