結(jié)合空間信息的模糊聚類圖像分割方法研究.pdf

1、圖像分割是構(gòu)成數(shù)字圖像處理最必不可少的部分之一，也是順利開展圖像分析、圖像理解和圖像描述的核心技術(shù)之一。從一幅圖像中分離出人們感興趣目標區(qū)域的技術(shù)和過程就是圖像分割技術(shù)，其被廣泛的應(yīng)用于眾多領(lǐng)域。
　　模糊聚類分析在圖像分割算法里占據(jù)著非常重要的地位。模糊聚類在圖像分割得到了廣泛的應(yīng)用，實現(xiàn)了很好的分割效果的主要原因是因為圖像本身存在許多的不精確性和不確定性，而模糊理論正好對此有著相當強大的描述能力，模糊C均值聚類算法（即Fuzz

2、y C-Means clustering,簡稱FCM）就是其中特別被人們熟知的聚類算法。FCM算法的優(yōu)點是收斂性很好，對事物不確定性的描繪能力也是極好。本文對FCM算法進行了重點研究，主要內(nèi)容為：
　　(1)研究基于FCM的圖像分割算法及其存在的不足。FCM算法是模糊性和不確定性的代表，其優(yōu)點在于具有很強的收斂性和描述事物的模糊性。但是FCM算法依然存在著一些不足之處：對大數(shù)據(jù)模型運算消耗的時間長，分割得到的圖像邊緣不平滑；難以實

3、現(xiàn)對目標部分與背景部分之間灰度水平相似區(qū)域分割等問題。
　　(2)研究基于四叉樹和曲線擬合的FCM圖像分割算法。針對模糊C均值聚類對初始聚類中數(shù)據(jù)量大的圖像開展分割時出現(xiàn)的耗時過長的問題，引入改進的四叉樹分割算法。首先，求取圖像的四叉樹，將四叉樹節(jié)點集合作為模糊聚類算法的樣本集，減小樣本空間，然后利用FCM算法實現(xiàn)圖像的邊緣分割；針對分割處理后的圖像帶來的鋸齒狀邊緣，再利用曲線擬合算法對圖像邊緣進行平滑處理。在標準攝影師圖像和肝臟

4、核磁圖像的數(shù)據(jù)集上實驗，實驗結(jié)果可以看出算法提高了FCM的運算速度，對醫(yī)學圖像具有更高的分割精度，便于為后續(xù)診斷和數(shù)據(jù)分析提供基礎(chǔ)。
　　(3)研究基于元胞自動機的FCM圖像分割算法。為了提高FCM算法對目標和非目標部分之間灰度水平相似區(qū)域分割的效果，首先運用元胞自動機對圖像的對比度進行增強，使用摩爾鄰域和相同演變規(guī)則的狀態(tài)轉(zhuǎn)換函數(shù)，接著利用FCM算法實現(xiàn)圖像的邊界分割。對一般的照片和醫(yī)學圖像進行分割，實驗結(jié)果可以看出算法增強了圖