中国图象图形学报
中國圖象圖形學報
중국도상도형학보
Journal of Image and Graphics
2015年
10期
1331-1339
,共9页
模糊C均值聚类%直方图%属性加权%图像分割
模糊C均值聚類%直方圖%屬性加權%圖像分割
모호C균치취류%직방도%속성가권%도상분할
fuzzy C-means clustering%histogram%attribute weighting%image segmentation
目的 为了提高2维直方图模糊C均值聚类分割算法的抗噪性和普适性,提出了属性加权2维直方图模糊C均值聚类分割新方法.方法 针对2维直方图模糊C均值聚类分割算法存在阈值参数选取不当导致抗噪性能差的不足,将属性加权引入2维直方图模糊C均值聚类并有效解决了每维属性聚类贡献度的问题.结果 本文算法相比2维直方图模糊C均值聚类分割法抗椒盐和高斯噪声性能平均提高了2～3 dB;同时,相比模糊局部C均值聚类分割法抗椒盐噪声性能平均提高了2～3 dB且抗高斯噪声性能稍差大约1 dB,但本文算法相比模糊局部C均值聚类分割法的速度平均提高了大约40倍.结论 实验结果表明,本文算法相比现有2维直方图模糊C均值聚类算法更适合噪声图像分割;同时,相比模糊局部C均值聚类算法更有利于实时性要求较高场合的目标跟踪和识别等需要.同时从大量图像测试得出,本文算法对于一般人工合成图像、智能交通图像及遥感图像等具有普遍适用性.
目的 為瞭提高2維直方圖模糊C均值聚類分割算法的抗譟性和普適性,提齣瞭屬性加權2維直方圖模糊C均值聚類分割新方法.方法 針對2維直方圖模糊C均值聚類分割算法存在閾值參數選取不噹導緻抗譟性能差的不足,將屬性加權引入2維直方圖模糊C均值聚類併有效解決瞭每維屬性聚類貢獻度的問題.結果 本文算法相比2維直方圖模糊C均值聚類分割法抗椒鹽和高斯譟聲性能平均提高瞭2～3 dB;同時,相比模糊跼部C均值聚類分割法抗椒鹽譟聲性能平均提高瞭2～3 dB且抗高斯譟聲性能稍差大約1 dB,但本文算法相比模糊跼部C均值聚類分割法的速度平均提高瞭大約40倍.結論 實驗結果錶明,本文算法相比現有2維直方圖模糊C均值聚類算法更適閤譟聲圖像分割;同時,相比模糊跼部C均值聚類算法更有利于實時性要求較高場閤的目標跟蹤和識彆等需要.同時從大量圖像測試得齣,本文算法對于一般人工閤成圖像、智能交通圖像及遙感圖像等具有普遍適用性.
목적 위료제고2유직방도모호C균치취류분할산법적항조성화보괄성,제출료속성가권2유직방도모호C균치취류분할신방법.방법 침대2유직방도모호C균치취류분할산법존재역치삼수선취불당도치항조성능차적불족,장속성가권인입2유직방도모호C균치취류병유효해결료매유속성취류공헌도적문제.결과 본문산법상비2유직방도모호C균치취류분할법항초염화고사조성성능평균제고료2～3 dB;동시,상비모호국부C균치취류분할법항초염조성성능평균제고료2～3 dB차항고사조성성능초차대약1 dB,단본문산법상비모호국부C균치취류분할법적속도평균제고료대약40배.결론 실험결과표명,본문산법상비현유2유직방도모호C균치취류산법경괄합조성도상분할;동시,상비모호국부C균치취류산법경유리우실시성요구교고장합적목표근종화식별등수요.동시종대량도상측시득출,본문산법대우일반인공합성도상、지능교통도상급요감도상등구유보편괄용성.
