一种基于模糊C均值聚类的图像区域分割方法.pdfVIP

维普资讯 第24卷 第4期 广西师范大学学报：自然科学版 VoI．24 No．4 2006年 12月 JournalofGuangxiNormalUniversity：NaturalScienceEdition Dec．2006 一 种基于模糊C均值聚类的图像区域分割方法 周咏梅 ，徐德智 ，阳爱民 ，柳 萍 (1．中南大学 信息科学与工程学院，湖南 长沙410083l2．湖南工业大学计算机系，湖南 株洲 412008) 摘 要：提出一种基于模糊C均值聚类的彩色图像区域分割方法。该方法首先选用适当的彩色空间对图像中 的每个像素抽取颜色、纹理及空间位置等综合特征；然后，利用模糊C均值聚类方法进行聚类 ，利用提出的确 定最佳聚类簇数的方法 ，确定聚类簇数、中心等参数 ；根据每个像素的隶属函度，将像素初步划归不同的组，利 用连接原理对图像区域进一步分割，并提供了图像描述特征。实验结果表明，该方法分割效果很好。 关键词：模糊c均值聚类；区域描述 ；图像分割 中图分类号：TP391．41 文献标识码 ：A 文章编号 ：1001—6600(2006)04—0203—04 彩色图像分割是 目前图像处理和模式识别中的一个重要研究领域 ¨。本文利用模糊集合理论[～。提 出了一种基于模糊 c均值聚类(FCM)的彩色图像区域分割方法。首先，对图像中的像素抽取颜色、纹理及 空间位置等特征；然后，利用模糊c均值聚类方法，对像素确定最佳的聚类数、聚类中心等参数，根据像素 的隶属函度，将像素初步划分；最后，利用连接原理对图像区域进行进一步划分，给出实验结果分析。 1 基于像素的图像综合特征抽取 根据 口b空间的 分量，选用不同的高斯函数的窗12I尺寸参数，对像素极性特性分析，得到较佳 的窗 12I尺寸参数，然后根据这些参数计算各像素点的对比度和各向异性的特征。纹理特征是指像素的极 性、对比度、各 向异性[4]。 定义 1 像素点极性户 的定义为：P一 ，c+一 (z，．y)[-VG ·，1]+，C一一 z，．y) 一L G FG ] ·，1]一，G=LJL，JI。 式中，G ，G 表示分别在 口b空间中， 分量沿z行方向和Y行方向的梯度；，l是与 正交的单位 向量，是梯度向量 (G，G)最相一致的方向，[·]+，[·]一分别表示向量乘积为非负和负向量；表示高 斯窗口(高斯函数宽度数为 )所对应的梯度向量 (也称为梯度池)，W (z，．y)表示梯度池中各梯度向量在宽 度参数为 时，高斯函数的值；c+，c一可以分别看作在窗口W (z，．y)下有多少个梯度向量处于 正“方向”或 “负方 向”；P∈[O，11，它随着 的变化而变。 根据定义 1中极性P的计算公式，计算每个像素(z，y．)的P靠(z，．y)的值。 根据P靠(z，．y)的值选择 的值，选择准则为：P 十1)一户 ≤2％。这样可得窗口参数a=k／2。 图像中，一个像素点的二阶动差矩阵SMME为：SMM (z，．y)一硼 (z，．y)×(VG)(VG)。 求出SMM (，．y)的特征值 1和 2(1≥ 2)，两个纹理特征为：con2~／21+22，ani一1一 2／1。 像素点其他特征的抽取可按如下方法进行。设图像的像素为 ×7l，像素(z，_y)位置特征x，y可表示 如下：X一硼 ×(x／max(m，))，Y=w ×(y／max(rn，))，其 中，max(·)表示取最大值，W 一般在 (O，1] 取值，为空间位置特征的权重。像素的颜色特征进行高斯平滑处理后，作为像素特征值。一幅图像像素点 收稿 日期：2006—05—31 基金项 目：湖南省 自然科学基金资助项 目(o5JJ4OlO1) 作者简介：周咏梅 (1971一)，女，湖南永州人，湖南工业大学副教授，硕士 ；徐德智 (19l63一)，男，湖南株洲人，中南大学 教授，博士。