基于鲁棒性的广义FCM图像分割算法

摘要：

模糊C均值(FCM)是一种有效的图像分割算法,由于忽略了图像的邻域信息,所以对噪声图像缺乏足够的鲁棒性,传统FCM算法的目标函数是由欧式距离与模糊隶属度相乘所得,而该广义FCM是由这两项通过求广义平均值所得,同时模糊隶属度和聚类中心包含了邻域信息的广义平均值,在组合距离中引入了局部空间信息和观察信息,因此广义FCM算法对噪声图像有较好的鲁棒性,实验结果表明,该算法比FCM、HMRF有更好的鲁棒性和较高的运算效率.

关键词：FCM、广义平均值、图像分割、空间约束

所属期刊栏目：12

分类号：TP311(计算技术、计算机技术)

在线出版日期：2016-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：185-186