改进的模糊C均值聚类算法-Core.PDFVIP

2013年4月第20卷第4期 · · 385 ·论著· （临床工程 ） 改进的模糊C均值聚类算法 林亚忠 1 ， 张会奇 2 ， 李新 2 ， 栾钦波 2 1 （ 解放军第 医院 厦门大学附属东南医院， 福建漳州 ； 175 ／ 363000 2 厦门大学计算机科学系， 福建厦门 361005 ） 【摘要】 由于传统的模糊 C 均值 （fuzzy C－means ， FCM ） 算法没有考虑像素点的空间邻域信息 ， 仅涉及像素的单点灰度 ， 在处理含有噪声的图像时有很大的局限性 ， 因此分割效果较差。 针对 FCM 的缺陷 ， 提出一种新的改进算法 ， 该算法引入 Gibbs 随机场 ， 将 Gibbs 随机场先验概率与像素点隶属度的乘积作为新的像素隶属度 。 实验表明 ， 改进后 的算法有 良好的分割效果 ， 既 可以较为 完整地保留 图像边界细节 ， 又能较 好地去除 图像的噪声。 【关键词】 模糊 C 均值 ； 聚类 ； 噪声 ； Gibbs 随机场 中图分类号： R318.6 ； TP391 文献标识码： A doi:10.3969/j.issn.1674-4659.2013.04.0385 Improved Method for Fuzzy C-Means Clustering Algorithm 1 2 2 2 LIN Yazhong , ZHANG Huiqi , LI Xin , LUAN Qinbo 1 th ( PLA 175 Hospital / Southeast Hospital Affiliated to Xiamen University, Zhangzhou 363000, China; 2 Department of Computer Science, Xiamen University, Xiamen 361005, China) [ Abstract] [Key words] FuzzyC-means(FCM);Clustering;Noise;Gibbsrandomfield 0 引言 1 传统的 FCM 算法 图像分割是图像处理和计算机视觉研究领域中的重要技术 FCM 算法是Bezkek 在 1981 年提出的， 是在K－Means 算法 之一， 是指将图像中具有不同涵义、 互不交叉的区域分割开 的基础上引入模糊隶属度的概念， 将每个给定的像素点用值在 来。 常用的分割方法有阈值分割、 边缘分割、 区域分割等。 模 到 之间的模糊隶属度来确定其属于各个分类的程度， 通过 0 1 糊 均值 （ ， ） 算法 ［1－2］ 就是一种典型的区 迭代目标函数得到最优的分类结果。 目标函数为： C fuzzy C－