各向异性权重的模糊C均值聚类图像分割

摘要：

传统的模糊C均值聚类算法(FCM)在图像分割中未考虑各个点的灰度特征及其邻域像素的关联程度,导致其对于噪声十分敏感.而各种改进算法虽然较好地克服了图像噪声的影响,但由于使用均值滤波等方法导致分割图像边缘模糊.为此,提出一种基于各向异性权重的FCM图像分割方法,通过引入新的邻域窗口权重的计算方法,使得中心点邻域内各点具有各向异性的权重;并使用基于灰度级的快速算法,提出了各向异性权重的模糊C均值聚类算法.实验结果表明,文中方法具有较强的抗噪性,对于噪声具有良好的稳定性,分割精度较高.

关键词：图像分割、模糊C均值聚类、各向异性权重、抗噪性、局部空间信息

所属期刊栏目：21

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金60805003,60773172;江苏省自然科学基金BK2008411;江苏省博士后基金AD41158

在线出版日期：2009-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1451-1459,1466