10.13682/j.issn.2095-6533.2018.03.008
基于稀疏自表示的模糊聚类图像分割算法
为了提高噪声污染图像分割的鲁棒性,提出一种基于稀疏自表示的模糊C均值聚类图像分割算法.该算法首先将图像过分割为超像素,以超像素作为图像基元,对每一块超像素进行特征提取,所有超像素的特征组成图像的特征矩阵;其次建立特征矩阵的稀疏自表示模型,将其以自身为字典时的表示系数作为表示样本间相关性的判别特征矩阵;最后利用模糊C均值聚类算法聚类图像的判别特征矩阵,得到图像的分割结果.对人造图像、自然图像和遥感图像添加高斯噪声和椒盐噪声,实验结果表明,改进算法对噪声污染的图像有较好的分割质量,有一定的抗噪鲁棒性.
图像分割、模糊C-均值聚类、超像素、稀疏自表示
23
TP391(计算技术、计算机技术)
国家自然科学基金重点资助项目61671377;陕西省自然科学基金资助项目2014JM8331,2014JQ5183,2014JM8307;陕西省教育厅科学研究计划资助项目2015JK1654
2018-11-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
52-58