结合隶属度与像素交替引导滤波的鲁棒模糊聚类算法

摘要：

模糊局部信息C-均值(FLICM)聚类算法是目前应用较广泛的图像分割算法,然而仅适用于处理低噪声图像.FLICM算法与像素引导隶属度滤波的结合在一定程度上提高了噪声抑制能力,但仍无法满足强噪声图像的分割需求.联合引导滤波与基于核度量的加权模糊局部信息C-均值(KWFLICM)聚类算法,提出一种隶属度与像素值交替引导的核模糊聚类算法.将像素引导隶属度滤波模块和隶属度引导像素滤波模块引入KWFLICM算法,构造一种引导滤波约束的多目标核模糊聚类优化模型,采用最小二乘法对该模型进行迭代求解.在迭代过程中,通过像素引导隶属度滤波和隶属度引导像素滤波,分别修正输入图像的隶属度和像素值,进一步提高核模糊聚类算法对含噪图像的鲁棒性.实验结果表明,与同类核模糊聚类算法相比,该算法在莱斯噪声干扰下的误分率、精确度、峰值信噪比、Jaccard相似系数等评价指标上表现突出,具有更好的分割性能和更强的鲁棒性.

关键词：图像分割、引导滤波、模糊聚类、核函数、局部信息、隶属度、最小二乘法

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省自然科学基金;陕西省自然科学基金

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：224-233