基于快速模糊C均值聚类算法的红外图像分割
针对模糊C均值(FCM)聚类图像分割需要预先知道类别数及计算量较大的问题,提出了新的快速FCM改进方法.首先,利用边缘信息进行邻域搜索得到种子像素;通过区域生长快速获得区域分割类别数和对应的聚类中心值,并将图像分成确定类别的区域和未确定类别的区域;最后利用所得的聚类中心值和FCM算法对未确定类别区域进行聚类.实验证明,本文提出的改进方法大大减少了计算量,显著提高了图像分割速度,而且由于聚类考虑了相邻像素点的关系,图像分割结果能够清晰地保留目标轮廓,提高了图像分割的质量.
模糊C均值聚类、图像分割、区域生长、红外图像、模式识别
23
TP391(计算技术、计算机技术)
国防科技基础研究基金
2011-12-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
1467-1470