融入局部信息的直觉模糊核聚类图像分割算法

摘要：

针对传统直觉模糊C均值聚类(Intuitionistic Fuzzy C-means,IFCM)的图像分割算法对噪声和初始聚类中心敏感,导致聚类精度不高和迭代次数多的问题,提出一种结合局部信息的直觉模糊核聚类的图像分割算法.在该算法中,首先采用基于直方图的方法确定聚类中心初始值,解决算法对聚类中心的初始值敏感的问题;其次,利用核函数将待分类数据集映射到高维非线性空间,改善数据的线性可分性,同时在目标函数中引入局部灰度信息和局部空间信息,提高直觉模糊聚类的分类精度.实验结果表明,提出算法能减少迭代次数,提高聚类精度,能有效对图像进行分割;无论在对图像分割还是在聚类有效性上,提出算法都要优于传统的模糊聚类算法,如模糊C均值聚类(Fuzzy C-means,FCM)、模糊核均值聚类(Kernel-based fuzzy c-means,KFCM)、引入空间信息的直觉模糊C均值聚类(Intuitionistic Fuzzy C-means with spatial constraints,IFCM-S)、模糊空间聚类(Fuzzy Local Information C-means,FUCM)、直觉模糊C均值聚类(Intuitionistic Kernel-based Fuzzy C-means,IFKCM)等.

关键词：图像分割、直觉模糊集、局部信息、核函数

所属期刊栏目：33

分类号：TP391.41(计算技术、计算机技术)

资助基金：国防预研基金项目资助课题9140C800501140C80340

在线出版日期：2017-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：397-405