基于改进模糊聚类算法路面裂纹图像分割.docVIP

基于改进模糊聚类算法路面裂纹图像分割 　　摘要：图像分割是路面裂纹识别的关键步骤，图像分割的效果直接影响路面裂纹的识别和分类。针对路面图像模糊核均值聚类算法中迭代结果容易出现局部最优的问题。提出一种改进的模糊核均值聚类算法，利用OTSU算法先获得最佳阈值，再通过该阈值得到各聚类的灰度均值，将这些均值作为聚类中心的初始值以实现模糊聚类算法。路面图像裂纹分割试验结果证明，提出的改进算法实现初始聚类中心的优化，避免算法出现局部最优，提高了分割效果，可以应用到路面裂纹图像分割的工程应用中。 　　关键词：图像分割；FCM算法；KFCM算法；路面裂纹 　　中图分类号：TP391.4文献标识码：A 　　1引言 　　基于图像法的路面裂纹识别通常采用三个步骤。第一个步骤是对原始路面图像滤波，通过滤波以抑制图像的噪声和增强裂纹信息。第二个步骤是对滤波后的图像进行分割处理以有效获取路面的裂纹信息。第三个步骤对分割后的图像进行特征提取和分类[1-2]。在这三个步骤中，图像分割是路面裂纹识别的关键步骤，图像分割的效果直接影响路面裂纹的识别和分类[3]。 　　图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法和基于特定理论的分割方法等[4