融入图像块和类信息量的无损检测图像分割
在图像分割中,考虑邻域信息的模糊C均值算法能够有效地降低噪声对图像的干扰,但这类算法需额外引入参数,且无损检测图像的较大类间差异易导致分割失败.为此,提出基于图像块的类间差异不敏感的模糊C均值算法.利用像素所在的图像块代替像素进入聚类进程,图像块内像素的权重由像素的空间距离和灰度大小自适应确定.基于信息量的概念,给出类信息量表征形式并将其引入目标函数以改善常见模糊C均值算法对类间差异敏感的缺陷.基于新构建的目标函数得到新的隶属度和聚类中心表达式,并给出算法流程.最后,利用类间差异较大的无损检测图像对所提算法进行测试,结果表明:与其他模糊聚类算法相比,本文算法具有更高的分割准确率和更好的视觉效果.
图像处理、图像分割、图像块、模糊C均值、邻域信息量
58
TP391.4(计算技术、计算机技术)
河北省高等学校科学技术研究项目;河北省高等学校科学技术研究项目;河北省高等学校科学技术研究项目;博士科研启动基金;河北地质大学校内科研计划项目;基本科研业务费项目
2021-08-25(万方平台首次上网日期,不代表论文的发表时间)
共10页
130-139