基于特征散度的自适应FCM图像分割算法
图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容.基于模糊C均值聚类(FCM)的图像分割是应用较为广泛的方法之一,但其存在距离测度鲁棒性差、需预先给出初始聚类数目、未考虑图像局部相关特性等问题.为克服上述缺点,通过引入特征散度进行距离测度,并结合聚类有效性指数自适应确定初始聚类数目和根据Laws纹理测度提取图像特征等措施,提出了一种新的FCM图像分割算法.实验结果表明,该新算法可以有效地提高图像的分割效果(特别是纹理图像),其分割结果优于现有FCM图像分割方案.
图像分割、模糊C-均值聚类、Laws纹理测度、聚类有效性
13
TP391.41(计算技术、计算机技术)
国家自然科学基金60773031;辽宁省自然科学基金20032100;国家重点实验室基金0503;国家重点实验室基金A200702;信息安全国家重点实验室中国科学院软件研究所开放基金03-06
2008-06-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
906-910