基于领域灰度的模糊C均值图像分割算法
模糊C均值(FCM)聚类算法对图像局部灰度值不均匀和噪声十分敏感,提出一种基于像素点灰度补偿校正和邻域信息的FCM新算法.通过预先假定像素点存在加性或乘性噪声,再将像素点的邻域信息引入到噪声模型,经反复迭代调整像素点的噪声值直至最优.在FCM反复迭代的过程中,对算法进行上下截集半模糊化处理,从而提高分类的速率和准确率.实验结果表明,本文算法对局部厌度值不均匀区域有较好的补偿作用,能有效地抑制噪声,分割质量明显提高,运算速度较标准FCM和MFCM算法更快.
模糊C均值(FCM)、灰度不均匀、聚类、空间信息、航拍图像
22
TP391.41(计算技术、计算机技术)
国家国际科技合作专项基金;教育部促进与美大地区科研合作与高层次人才培养项目
2011-09-08(万方平台首次上网日期,不代表论文的发表时间)
469-473