基于MRF-FCM算法的图像分割及性能测试分析.pdfVIP

总第248期现代工业经济和信息化Total248

2025年第2期ModernIndustrialEconomyandInformationizationNo.2,2025

技术创新DOI:10.16525/ki.14-1362/n.2025.02.027

基于MRF-FCM算法的图像分割及性能测试分析★

杨杰

（重庆工贸职业技术学院人工智能学院，重庆408000）

摘要：为了解决传统模糊C均值(FuzzyC-means，FCM)算法抗噪性能较差的问题，利用马尔科夫随机场MRF来

描述像素的位置关系，提出一种图像分割MRF-FCM算法。对cameraman图像分别加入不同噪声密度椒盐噪声进

行了实验,通过实验表明,MRF-FCM算法的划分值要比其他算法都低,表现出来很高的优越性。随着噪声密度

的增大,MRF-FCM算法的抗噪性能一直处于一种比较平缓的变化状态，算法稳定性较高。MRF-FCM算法在噪声

下具备良好的抗噪性能。该算法对改进FCM图像分割精度具有很好的实际推广价值，可作为视觉优化领域使用。

关键词：图像分割；模糊C均值；稳定性；椒盐噪声

中图分类号：TP39文献标识码：A

0引言夫过程按照一维随机过程进行处理,将其拓展至二维

随着软件与信息技术的快速进步，图像数据量也空间,并跟图像处理技术进行结合后获得马尔科夫随

迅速增加，同时多种图像分割方法也获得了大量开发机场MRF[13-14]。采用MRF方法进行处理时，可将图像

与应用，为获得更高的图像分割精度并增强抗噪效分割过程通过随机概率模型的方式进行分析，由于图

果,需对图像分割方法开展进一步深人研究。FCM算像包含的像素只受到附近像素的影响，这使得先验概

法属于一种广泛使用的传统图像分割技术，但该算法率会造成图像分割精度的显著变化。

无法获得优异抗噪性能[1-2]。目前大量学者都对人工本文针对FCM算法目标函数设置马尔科夫先验

鱼群算法(AFSA)开展了相关研究,经过算法优化后概率来实现约束控制，开发了一种经过优化处理的

可以有效满足多个领域的使用需求[3]。可以从参数设MRF-FCM算法，可以通过马尔科夫模型分析像素邻

置、行为方式等层面对鱼群实施优化。例如,石俊涛[4]域变化特征，从而达到有效减少图像噪声与干扰信号

综合运用惩罚函数和人工鱼群算法，在达到算法精度的效果。经过优化处理得到以下目标函数：

的前提下以更快速率完成收敛过程。Zhengz等[5]主要J-≥≥un,dg+2Zug(1-P(x=k(Xxl)m

对人工鱼群进行了收敛性能测试，,针对该算法搜索模

i-1j-1i=1j-1

式做了优化调整，可以同时实现全局和局部搜索的功式中:P与$β分别为MRF先验概率与约束系数。按照

能，同时对经过改进的AFSA进行了有效性验证。以上方式构建的新目标函数同时存在像素点与聚类

ZHANGXB等[6]通过实验表征了人工鱼算法在全局搜中心距离参数与像素邻域内容,此时对于相距第i个

索过程中的综合性能,并通过加人混沌思想使初始化聚类中心很近的噪声与干扰点信号，以邻域信息作为

面阶段形成更均匀的人工鱼个体,此外采用混沌序列判断依据时也基本不会将其划分至i类概率,从而有

取代人工鱼行为过程产生的随机数，通过这种方式来效避免该点被分类至1类的情况，由此获得更精确的

实现随机性的要求，使算法复杂性发生显著降低。分类结果。

本文综合运用图像分割方法与马尔科夫随机场(ds,+p(1-P(x=kIX)))m)1m-1

模型,构建了以MRF模型实现的FCM算法,将其表Z(dg,+(1-(x=-/Xx))m)/mri

示为MRF-FCM，同时调整了传统图像标记场势函