自适应灰度加权的鲁棒模糊C均值图像分割

摘要：

针对传统模糊C均值(fuzzy C-means,FCM)算法以及结合空间信息的相关改进算法分割精度较低、对噪声敏感的问题,提出一种自适应灰度加权的鲁棒模糊C均值图像分割算法.首先,通过定义像素间的局部灰度相似性测度来反映各像素对局部邻域的影响程度,并根据邻域窗口中各像素的灰度差异,利用指数函数进一步控制邻域像素的影响权重,实现像素灰度的自适应加权,从而提高像素灰度计算的准确性.其次,构造出一种改进的距离测度代替传统的欧氏距离,用于计算各像素与聚类中心之间的相似距离,增强算法对噪声和异常值的鲁棒性.最后,将提出的自适应灰度加权方法与改进的距离测度应用到FCM算法中,实现图像分割.实验结果表明,该算法需根据图像噪声的强度适当地选取邻域窗口大小,在此条件下算法能够取得较优的分割效果和运行效率,且对噪声具有较强的鲁棒性.

关键词：模糊C均值、图像分割、自适应灰度加权、空间信息、相似距离、抗噪性

所属期刊栏目：13

分类号：TP391.4(计算技术、计算机技术)

资助基金：江苏省普通高校研究生科研创新计划项目KYLX16_0781,KYLX16_0782;江苏高校优势学科建设工程资助项目

在线出版日期：2018-08-15（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：584-593