摘要: 模糊C均值算法是图像分割中应用最为广泛的一种模糊聚类算法。然而,传统的模糊C均值算法并没有考虑到任何空间信息,这使得传统的模糊C均值算法对噪声非常的敏感。近些年,许多改进的模糊C均值算法都是基于空间信息的。但是,大多数改进算法中都有一个至关重要的用于调节空间信息影响程度的因子,这些因子都需要人为的设定,使得这些算法不能广泛的应用在实际生活中。而且这些改进的算法虽然在一定程度上增加了对噪声的鲁棒性,但是它们对强噪声仍缺乏足够的鲁棒性。针对上述问题,本文提出一种基于FCM隶属度约束的图像分割算法,算法根据图像中的像素点自身的隶属度信息来自动调节算法对噪声的鲁棒性和对图像细节保持性的平衡度,不需要人为的设定空间信息的影响程度。通过本算法和其它FCM的改进算法在自然图像的实验分割效果比较,验证了本文提出的算法在去除强噪声的同时能够保持更多的图像细节,从而实现较理想的图像分割结果。
中图分类号: