基于类间极大化的PCM聚类技术的图像分割方法

• 作者: 彭茜 杨文静 狄岚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图像分割 聚类 PCM聚类 类间距极大化 纹理图像
• 年，卷（期）: 2016,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 142-148
• 页数: 7页
• 分类号: TP391
• 字数: 6075字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1410-0281

摘要

在图像分割的多种方法中，模糊C均值（FCM）聚类是最简单有效的。可能性C-均值算法（PCM）作为FCM的同类算法具有更佳的聚类性能和概率解释性，但无论是FCM还是PCM均受隶属度的约束影响使其对噪声点和野值点较为敏感。针对以上问题，提出了一种新的称之为类间极大化的PCM算法（MPCM）聚类算法。该算法考虑了对类间的惩罚，通过调控参数λ，拉大类中心之间的距离，实现图像中像素点的最佳分类。给出了人工合成纹理图像、真实图像以及带有椒盐噪声的真实图像的实验，结果表明算法在图像分割效果上优于传统的聚类分析算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	狄岚	江南大学数字媒体学院	25	56	4.0	6.0
2	彭茜	江南大学数字媒体学院	2	2	1.0	1.0
3	杨文静	江南大学数字媒体学院	2	2	1.0	1.0