基于自适应FCM聚类的彩色图像区域分割算法.docVIP

基于自适应FCM聚类的彩色图像区域分割算法 　　摘 要： 传统的基于聚类的图像分割方法大都存在聚类数目难以确定、过度分割等缺点。针对这些问题，提出一种新的彩色图像区域分割算法。首先将彩色图像划分为3×3的图像子块，然后在RGB色彩空间中抽取子块的颜色特征和位置特征共同组成子块的特征向量，最后运用自适应的FCM算法进行聚类，进而分割图像成区域。实验结果表明，这种分割方法具有比较理想的分割效果。 　　关键词： 自适应； FCM算法； 图像分割； 特征向量 　　中图分类号：TP317.4 文献标志码：A 文章编号：1006-8228（2015）08-47-02 　　Region-based color image segmentation algorithm with adaptive FCM clustering 　　Wang Yan， He Jianxin 　　（Department of Information Science and Engineering， Hunan City University， Yiyang， Hunan 413000， China） 　　Abstract： Traditional clustering-based image segmentation methods often have some disadvantages， such as difficult to determine the number of clusters， image over-segmentation etc. To resolve these problems， a new region-based color image segmentation algorithm is introduced in this paper， which divides an image to 3×3 sub-blocks firstly. Then， the color and position features of every sub-block are extracted to form feature vectors. Finally， an adaptive FCM （Fuzzy c-means Clustering Method） algorithm is used to cluster， thus the image is divided into regions. The experimental results show that this segmentation method has an ideal segmentation effect. 　　Key words： adaptive； FCM algorithm； image segmentation； feature vector 　　0 引言 　　图像分割的任务是将图像划分成互不相交的一些连通的区域，每一个区域都满足特定的区域一致性，不同的区域有某种差异性[1]。图像分割是计算机视觉领域颇具挑战性的问题，其应用的领域非常广阔。 　　本文提出了一种基于自适应FCM聚类的彩色图像分割算法。首先，在RGB空间抽取输入图像各像素的颜色和位置特征；然后，划分图像成图像块，抽取图像子块特征；再利用自适应FCM聚类，将图像块分组；结合图像块邻接关系，划分图像成区域。 　　1 基本的FCM算法 　　模糊C均值聚类（FCM）算法是基于C均值（C-means）和模糊集理论的经典的聚类算法[2-3]。 　　不妨设X={xi|i=1，2，3，…，n}是s维空间中的数据集，n是X中数据的个数，c是数据聚类的类别数，且1cn，dij=‖xj-mi‖是数据点xj到类中心mi的欧氏距离，mi（i=1，2，…，c）当然也是s维的，设uij表示第j个数据样本点对应第i类的隶属度函数，M=[mj]，j=1，2，…，c是各聚类中心组成的矩阵。那么，聚类损失函数可以用式⑴来表达。 　　⑴ 　　式⑴中的b是一个可以控制聚类结果模糊程度的常数，本文取值b=2。 　　FCM要求各数据样本对应各个聚类的隶属度函数满足式⑵和式⑶的约束。 　　⑵ 　　⑶ 　　基本FCM算法是在式⑵和式⑶的约束条件下，使得式⑴给出聚类损失函数的最小值，具体算法步骤如下： 　　⑴ 给出聚类簇数c、常数b和容许误差参数ε（ε0）； 　　⑵ 初始化各聚类中心，可得聚类中心矩阵M（0），并令k=0； 　　⑶ 根据当前的聚类中心按式⑷计算各个数据点的隶属度函数。 　　⑷ 　　如果存在t，j使得，那么令，并且令； 　　⑷ 根据当前的隶属度函数按照式⑸计算新的各类中心，从而得到新的聚