基于模拟退火的模糊C均值聚类图像分割算法.pdfVIP

594 计算机技术与应用进展·2006 皇曼量_童I．—．．—． ill I皇邕曼量量 基于模拟退火的模糊c-均值聚类图像分割算法+ 刘晓龙张佑生 合肥工业大学计算机与信息学院合肥230009 受初始聚类中心和隶属度矩阵影响，可能收敛到局部极小的缺点。在合理选择冷却进度表的基础上，依据 模糊c-均值聚类算法建立模拟退火算法的目标函数．实现了基于模拟退火和模糊c．均值算法的图像分割 算法．实验表明本文方法的有效性和搜索全局最优解的能力。 关键词：模拟退火模糊C．均值算法图像分割 口 图像分割是由图像处理到图像分析的关键步骤，是利用图像信息中部分特征将图像中若干感兴趣的区 域提取出来的技术和过程。图像分割方法中模糊c．均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概 采用迭代法优化目标函数来获得对数据的划分。Bezde妒粑这一工作进一步推广到一个模糊目标函数聚类的 无限簇．并证明了该算法的收敛性。目前模糊c-均值聚类算法在图像分割领域得到了广泛应用，但是模糊 D均值算法采用的是随机爬山的局部搜索技术，可能收敛到局部极小，而得不到全局最优解“j。 模拟退火算法是Ki咖a岫ck…提出的一种适合解决组合优化问题的全局优化方法。模拟退火算法基于固 理选择冷却进度表使算法在多项式时间里给出一个近似最优解9】。本文将模拟退火算法应用于模糊C．均值图 像分割算法中，以提高模糊c．均值算法的搜索全局最优解的能力，更加有效地实现图像分割。 2模糊C一均值聚类算法 第谈的隶属度，令u=陋．J．U耩为隶属度矩阵，且具有如下性赏： a “met0，11，Vk有∑“矿1，Vi有o∑“*n 定义目标函数H‰(U．n为各类中样本到聚类中心的加权距离平方和： Ⅳ C 既(u，y)=∑∑(”。)4(靠)2 (1) 富A--I畴，吐。即赫欧武距雕。N是檬本德数，C是聚颊中心的侣敷，U是样本的模糊隶属度集合，V是聚类中 心集台。m为模糊加权指数，m∈n，oo]。w，。的值反映在某种差异性定义下的类内紧密一致度。 目标函数矸■的极小化可由下述迭代算法实现”】： (1】确定c和Ⅲ；设定迭代停止闽值￡为一小正数：初始化迭代次数1--0和隶属度矩阵ucuJ。 教授。博士生导师。 基于模拟退火的模糊c-均值聚类图像分割算法 395 n ／“ 矢量：V。=∑(“。)…屯／∑(“。。)“ (2) k=l ／t=i ，C *，- ／k=l =0。 u(“1)．u(D (4)选用适宜的矩阵范数比较U(D和u(“1)；如果JJJ|sB则停止迭代：否则b“1，转步骤(2)。 算法收敛后，将各象素划分至其最大隶属度所在的类。c．均值聚类算法本质上是一种局部搜索技术， 解”J。模糊c_均值算法也是采用了随机爬山的局部搜索技术，因而也具有上述缺点。由于目标函数是非凸 的，算法很可能收敛到该局部极小点”1。文献[5]证明了模拟退火算法收敛于整体最优解，因而将模糊c_均 值聚类算法与模拟退火算法结合，可以提高算法搜索全局最优解的能力，更加有效地实现图像分割。 3模拟退火算法 3．1模拟退火算法 统计力学的研究表明，固体在温度T时处于能量最