基于二维直方图的改进的PCM聚类分割方法.pdfVIP

第34卷第1期 湖北大学学报( 自然科学版) V01．34 No ．1 20 12年3月 J our nal of 卜hJ I ci Uni vcr s i t y( Nat ur al Sci cnc c) Mar ．。20 12 文章编号：1000 一237 5( 2012 ) l —003l —05 基于二维直方图的改进的PCM聚类分割方法 林爱英1，贾芳1，昝红英2 ( 1 ．河南农业大学理学院，河南郑州450 002；2．郑州大学信息工程学院。河南郑州450001) 摘要相对于模糊c 均值算法，可能性C均值( PcM) 聚类方法具有更好的抗干扰能力 ．提出一种基于二 维 卣方图的改进的P 【：M聚类 图像分割方法 。该方法除了考虑 图像的点灰度信息外，还考虑像素点的邻域相 关信息。利用改进的I x ：M聚类算法得到各象索点的隶属度对 图像进行分割 ．实验表 明，该方法能够对噪声图 像有效地进行分割，具有较高的鲁棒性． 关键词PCM算法 ；改进的P( ：M算法；二维直方图；图像分割 中图分类号TI ’391．41 文献标志码 A 图像分割是把 图像分成各具特性的区域并提取 出特定 目标的技术和过程。图像分割的效果直接决 定了后续图像分析 、图像理解和模式识别的性能，因此，图像分割在计算机视觉和图像识别中占有相当 重要 的地位．模糊C均值( FCM) 聚类算法 ¨副是 网像分割领域研究最多的方法之一．然而，FCM算法的 抗噪声性能比较差，为此Kr i shi napur am和Kel l e r 提出了一种新的模糊 聚类方法PCM[ 4] ( Pos s i bi l i st i c C- means ，可能性C一均值) ，该方法使得噪声点在所有聚类中的隶属度都很低，因此该算法对噪声有很好 的免疫性 ．本文 中在充分研究P( ：M算法的基础上 ，提m一种改进的PCM聚类新方法，并把该方法应用 到图像分割中．该改进方法对标准的P( ：M算法中的聚类中心进行修正，取而代之的是具有典型性的样 本模式替代标准PCM算法中的聚类中心． 另一方面，为了充分利用 图像像素的灰度信息和空间邻域信息，提出一个利用二维直方图和改进的 PCM聚类相结合 的方法对 图像进行分割．首先构造一个二维直方图，然后利用改进 的PCM聚类算法对 二维直方图中的点进行可能性聚类，最后根据各像素的隶属度对图像进行分割．本文中采用 的二维直方 图中，同时考虑了各像素的灰度值分布和它们的邻域像素的平均厌度值分布，使得在一维直方图中物体 和背景的分布区分不明显的现象在二维直方图中得到了较好的改善．通过对几幅不同噪声图像的分割， 结果表明所提出的方法足非常有效的． 1 改进的PCM聚类算法 1．1 PCM聚类算法在经典的FCM( Fu zzy C- means ) 聚类[ 50算法中，对其隶属度 “。采用了一个概率 约束，即∑ “。=1，V歹．然而正是由于这个约束。使数据点的隶属度与其它类都有关，导致其隶属度无 法表示该数据点在所属聚类中的代表性或兼容性[ 昏7| ．PCM算法。刈放宽了FCM的约束，从而得到了新 的约束条件： N 嗨= { “。∈[ o ，1] ，V i ，歹；o∑ “d≤N，Vi ；max “do ，V歹} ( 1) 约束条件的改变使每个聚类之间相互独立 。因此 “。真正地表示了兼容度和可能值 ． 根据约束( 1) ，重新定义P( ：M聚类的 目标函数： 收稿日期：2010一I 一13 基金项目：国家 自然科学基金项 日( 和河南省教育厅 自然科学研究指导计划项目( 200885100 10) 资助 作者简介：林爱英( 1969 一) 。女．硕t =。讲师 32 湖北大学学报( 自然科学版) 第34卷 - ，。( L， 【，) - ∑∑( H4) ”d ；+∑孕∑( 卜％) ” ( 2) 其中，L=( 向