自适应属性加权二维FCM分割算法侯晓凡，吴成茂(西安邮电大学电子.doc

中文法分类号：TP391.41 文献标识码：A 文章编号：150180(2015) —————————— 基金项目：国家自然科学基金重点资助项目;国家自然科学基金资助项目;陕西省自然科学基金项目(2014JM8331,2014JQ5138,2014JM8307);陕西省教育厅自然科学资金资助项目(2013JK1129) 作者简介：侯晓凡(1990-),女,西安邮电大学电子通信工程专业硕士研究生,主要研究方向图像分割。E-mail: HYPERLINK mailto:947583945@ 947583945@ 通讯作者：吴成茂，硕导。E-mail:wuchengmao123@ 自适应属性加权二维FCM分割算法 侯晓凡 ，吴成茂 (西安邮电大学 电子工程学院，陕西省 西安市 710121) 摘 要: 目的: 为了提高二维直方图模糊C均值聚类分割算法的抗噪性和普适性，提出了属性加权二维直方图模糊C均值聚类分割新方法。方法: 针对二维直方图模糊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???足，本文将属性加权引入二维直方图模糊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: 本文算法相比二维直方图模糊C均值聚类分割法抗椒盐和高斯噪声性能平均提高了2至3db；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至3db且抗高斯噪声性能稍差大约1db，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：本文所建议算法相比现有二维直方图模糊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，本文所提出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。 关键字：模糊C均值聚类； 直方图； 属性加权； 图像分割 Adaptive weighted two-dimensional histogram FCM segmentation algorithm Hou xiao fan, Wu cheng mao （School of Electronic Engineering,Xi’an University of Posts and Telecommunications University,Xi’an 710121, China) Abstract：Objective: In order to improve the two-dimensional histogram fuzzy C-means clustering segmentation algorithm noise immunity and universal, dimensional histogram weighted fuzzy C-means clustering segmentation method is proposed. Method: For two-dimensional histogram fuzzy C-means clustering segmentation algorithm exists a threshold parameter selection leading poor noise immunity , this paper introduced the properties weighting to two-dimensional histogram weighted fuzzy C-means clustering segmentation method, an effective solution for each dimension attribute poly problem class contribution . Result: Compared to the two-dimensional histogram algorithm, salt and pepper and Gaussian noise immunity performance of the proposed algorithm increases average 2 to 3db; at the same time, compared to the fuzzy local information C-means clustering segmentation algorithm , salt and pepper and Gaussian noise immunity performance increase average 2 to 3