融入类贡献抑制因子的灰度级模糊C均值图像分割
基于灰度级模糊C均值图像分割算法具有分割速度快的优势.由于无损检测图像中背景类和目标类差异较大,该算法不能有效地将目标分割出来,故提出改进的基于灰度级的模糊C均值算法.构建了一种与类大小反向相关的类贡献抑制因子表达式,将之融入目标函数后能够降低较大类对目标函数的贡献,这可避免较小类的聚类中心受较大类的影响而靠近较大类的聚类中心.最小化新的目标函数可得新形式的隶属度和聚类中心表征形式.采用类大小差异较大的无损检测图像进行试验,结果显示本文算法得到的分割图像视觉效果良好,而且指标G_mean也更高,进一步提升了基于灰度级模糊C均值算法适应能力.
模糊C均值算法;图像分割;灰度级;空间信息;无损检测图像;去噪;聚类中心;目标函数
16
TP391(计算技术、计算机技术)
河北省高等学校科学技术研究项目QN2020263
2021-09-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
641-648