利用邻域差异性信息的FCM改进算法.docVIP

利用邻域差异性信息的FCM改进算法 　　摘 要： 　　为了克服模糊C均值（FCM）无法处理图像噪声的缺点以及常用改进算法分割不足，提出了一种利用邻域差异性信息的FCM改进算法。利用高斯函数来合理刻画邻域间像素的空间位置和灰度差异特性，实现对中心像素隶属度的调整，达到分割噪声图像的目的。实验证明，该算法可以有效地处理高斯和椒盐噪声，在去除噪声的同时较完整地保留了图像的细节，其分割效果优于几种常用FCM改进算法。 　　?ス丶?词： 　　模糊C均值；空间差异；灰度值差异；高斯函数 　　?ブ型挤掷嗪牛? TP391.41 　　 文献标志码：A 　　英文标题 　　?? 　　Improved FCM algorithm using difference of neighborhood information 　　?び⑽淖髡呙? 　　LIN Ya??zhong??1, HAO Gan??2, GU Jin??ku2 　　?び⑽牡刂?( 　　1. The 175 Hospital (Southeast Hospital of Xiamen University), Zhangzhou Fujian 363000, China??;?? 　　2. Department of Computer Science, Xiamen University, Xiamen Fujian 361005, China 　　英文摘要 　　)?? 　　Abstract: 　　In order to overcome the shortcoming of Fuzzy C??means (FCM) that cannot deal with image noise and weaknesses of its common improved algorithms, an improved FCM algorithm using the difference of neighborhood information was proposed in this paper, which used Gaussian function to characterize the difference of space and gray value about neighborhood pixels reasonably, and to adjust the center pixel membership to achieve the purpose of noise image segmentation. The experimental results show that the proposed algorithm can effectively deal with the images with Gaussian and Pepper Salt noise, and can remove the noise while retaining more complete details of image. Its segmentation results are better than several improved FCM algorithms in the literatures. 　　英文关键词 　　??Key words: 　　Fuzzy C??Means (FCM); difference of space;difference of gray value; Gaussian function 　　 　　0 引言?? 　　图像分割是指将一幅图像分解为若干个互不交迭区域的集合，是图像处理和机器视觉的基本问题之一，广泛地应用在机器人视觉、目标识别和医学领域中［1-2］。常见的图像分割算法有边缘分割算法、区域分割算法以及边缘与区域相结合的分割算法。?? 　　模糊C均值(Fuzzy C??Means, FCM)是一种典型的区域分割算法，它在传统硬聚类的基础上，引入了模糊度的概念，可以尽可能多地保留图像的信息，是一种应用比较广泛的图像分割算法。但是，传统的FCM算法在每次迭代过程中，是以单个像素作为单位，没有考虑像素的邻域信息，所以它在处理噪声图像时，效果并不理想。近年来，一些学者已经将像素的邻域信息结合到FCM算法中［3-8］。其中文献［3-4］修改了FCM的目标函数，增加了邻域信息对像素的影响；文献［5］首先利用像素邻域信息生成一幅加权图像，然后对新图像进行聚类分割；文献［6］通过修改距离函数改进了FCM算法；文献［7-8］在像素隶属度的计算中加入了邻域信息。这些改进在某种程度上改善了噪声图像的分割结果，但忽略了邻域像素对中心