一种融合邻域信息的模糊C-均值图像分割算法

• 作者: 何锐波 刘海涛 狄岚
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 模糊C-均值 图像分割 空间信息 局部信息 非局部信息 多测度模型 邻域隶属度 惩罚项
• 年，卷（期）: 2019,（2）
• 页码范围: 273-280
• 页数: 8页
• 分类号: TP391.4
• 字数: 5400字
• 语种: 中文
• DOI: 10.11992/tis.201712035

摘要

模糊C-均值算法(fuzzy C-means,FCM)对图像噪声敏感,只考虑了图像数值信息而忽略了邻域空间信息,造成最终的图像分割结果不精确.为了克服FCM存在的问题,将图像局部信息与非局部信息融人到多测度模型中,扩充了原本聚类的单一测度.另外将先验概率引入隶属度矩阵中,使得每次迭代前,隶属度矩阵中像素点的邻域信息都被充分考虑,最后添加一个邻域隶属度惩罚项修正聚类结果.实验证明:该算法对噪声鲁棒性强,能够获得较为理想的图像分割效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘海涛	江南大学数字媒体学院	7	28	3.0	5.0
2	狄岚	江南大学数字媒体学院	25	56	4.0	6.0
3	何锐波	江南大学数字媒体学院	4	5	1.0	2.0