基于云模型的彩色图像粒聚类分析.pdfVIP

第 31卷 第 6期 兰 州 交 通 大 学 学 报 V01．31No．6 2012年 12月 Journa[0fk~mzhouJiaotongUniversily 1)ec．20l2 文章编号：1001—4373(．2012)06一O114—04 基于云模型的彩色图像粒聚类分析 李宗刚， 王寅杰， 高 溥 ， 石慧荣 (兰州交通大学 机电：r程学院，甘肃 兰州 730070) 摘 要：利用视觉环域认识模型和信息粒化原理，提出了一种基于云模型的彩色图像粒聚类分析方法．该算法对于 环境中存在的不确定性有很好的鲁棒性，且克服了利用传统算法分割图像时普遍存在的目标边缘模糊的缺陷，分 割准确，效果理想．在仿生机器鱼系统平台上的实验结果表明了算法的有效性． 关键词：云模型；粒计算；粒聚类分析；机器鱼 中圈分类号：TP181 文献标志码：A 粒度是描述模糊不确定对象的工具，粒计算是 图像粒聚类分析方法．以克服 目标边缘分割的模糊 基于问题概念空间划分的智能计算理论，覆盖了所 性，实现 目标的准确分割． 有与粒度相关的理论、方法、技术和工具，主要用于 1 云模型 不确定性问题求解、海量数据挖掘、智能信息处理等 领域，近年来逐渐成为研究的热点．粒计算的主要理 云模型是用 自然语言值表示的定性概念与其定 论和方法有模糊集理论、云模型、粗糙集理论、商空 量表示之间的不确定性转换模型，其将研究对象的 间理论和区闻分析方法等．粒度和聚类具有本质上 模糊性和随机性完全集成在一起处理，构成定性和 的相通性，从粒度的角度看，聚类的本质是根据所讨 定量相互问的映射，上述定性概念是指模糊集的定 论空间的性质利用粒度原理将原空间划分成不同粒 性概念[5]．云由大量云滴构成，从定性概念到数域空 度下的若干类，研究表明基于粒度原理的聚类分析 间的一次随机映射得到的点称为云滴，如图1所 方法能有效改善聚类效果n]． 示[5，11I． 作为粒计算的重要方法，云模型因其在处理不 确定性方面展现出的优势而被用于图像的聚类分 析．不同于基于精确数学模型的阈值分割方法[6-7]， 许凯 、秦昆等考虑了像素的不确定性，提出了基于 云模型的灰度图像分割算法，效果好于基于模糊理 论的图像分割算法[8-9]．稍后，基于云模型，许凯提出 图 1 云模型定性概念与定量数据转换示意图 了一种具有较强抗噪性能的灰度图像区域分割方 g．1 Thetransformationofqualitativeconceptionand 法l1。。．上述文献所提算法均用于处理灰度图像，利 quantitativedataofcloudmodel 用云模型的粒度原理对彩色图像进行聚类分析的研 定义 1 (云模型)：设 己，是数域空问中的定量 究未见报道． 论域，A是 己，上对应的定性概念．若定量值 r．∈U， 本文利用云模型的信息粒化功能进行彩色图像 且-z是定性概念A的一次具有正态分布性质的随机 聚类分析．以仿生机器鱼视觉系统为对象，综合考虑 实现，对A的确定度A()∈[()，1]是具有正态分 水面波动、水面反射、环境照度等水中环境不确定因 布倾向的随机数，则数据元组 (，A())称为云滴， 素，利用人类视觉的环域认知模型和二维正态云模 论域U中全部元素LT(i一1．2…n)与其对A的度确 型的信息粒化原理，提出了一种基于云模型的彩色 定度A(x)即n个数据元组 (