資源描述：
《一種基于模糊c均值聚類的圖像區(qū)域分割方法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、第24卷第4期廣西師范大學(xué)學(xué)報(bào):自然科學(xué)版Vol.24No.42006年12月JournalofGuangxiNormalUniversity:NaturalScienceEditionDec.2006一種基于模糊C均值聚類的圖像區(qū)域分割方法1,2122周詠梅,徐德智,陽愛民,柳萍(1.中南大學(xué)信息科學(xué)與工程學(xué)院,湖南長沙410083;2.湖南工業(yè)大學(xué)計(jì)算機(jī)系,湖南株洲412008)摘要:提出一種基于模糊C均值聚類的彩色圖像區(qū)域分割方法。該方法首先選用適當(dāng)?shù)牟噬臻g對圖像中的每個(gè)像素抽取顏色、紋理及空間位置等綜合特征;然后,利用模糊C均值聚類方
2、法進(jìn)行聚類,利用提出的確定最佳聚類簇?cái)?shù)的方法,確定聚類簇?cái)?shù)、中心等參數(shù);根據(jù)每個(gè)像素的隸屬函度,將像素初步劃歸不同的組,利用連接原理對圖像區(qū)域進(jìn)一步分割,并提供了圖像描述特征。實(shí)驗(yàn)結(jié)果表明,該方法分割效果很好。關(guān)鍵詞:模糊C均值聚類;區(qū)域描述;圖像分割中圖分類號:TP391.41文獻(xiàn)標(biāo)識碼:A文章編號:1001-6600(2006)04-0203-04[1][1～3]彩色圖像分割是目前圖像處理和模式識別中的一個(gè)重要研究領(lǐng)域。本文利用模糊集合理論提出了一種基于模糊C均值聚類(FCM)的彩色圖像區(qū)域分割方法。首先,對圖像中的像素抽取顏色、紋理及空間
3、位置等特征;然后,利用模糊C均值聚類方法,對像素確定最佳的聚類數(shù)、聚類中心等參數(shù),根據(jù)像素的隸屬函度,將像素初步劃分;最后,利用連接原理對圖像區(qū)域進(jìn)行進(jìn)一步劃分,給出實(shí)驗(yàn)結(jié)果分析。1基于像素的圖像綜合特征抽取***根據(jù)Lab空間的L分量,選用不同的高斯函數(shù)的窗口尺寸參數(shù),對像素極性特性分析,得到較佳的窗口尺寸參數(shù),然后根據(jù)這些參數(shù)計(jì)算各像素點(diǎn)的對比度和各向異性的特征。紋理特征是指像素的極[4]性、對比度、各向異性。C+-C-定義1像素點(diǎn)極性p的定義為:p=,C+=w(x,y)[G·n]+,C-=w(x,y)C++C-x,y∈
4、x,y∈Gx[G·n]-,G=。Gy***式中,Gx,Gy表示分別在Lab空間中,L分量沿x行方向和y行方向的梯度;n是與正交的單位向量,是梯度向量(Gx,Gy)最相一致的方向,[·]+,[·]-分別表示向量乘積為非負(fù)和負(fù)向量;表示高斯窗口(高斯函數(shù)寬度數(shù)為)所對應(yīng)的梯度向量(也稱為梯度池),w(x,y)表示梯度池中各梯度向量在寬度參數(shù)為時(shí),高斯函數(shù)的值;C+,C-可以分別看作在窗口w(x,y)下有多少個(gè)梯度向量處于“正方向”或“負(fù)方向”;p∈[0,1],它隨著的變化而變。根據(jù)定義1中極性p的計(jì)算公式,計(jì)算每個(gè)像素(x,y
5、)的p′k(x,y)的值。根據(jù)p′k(x,y)的值選擇的值,選擇準(zhǔn)則為:p′(k+1)-p′k≤2%。這樣可得窗口參數(shù)=k/2。[5]T圖像中,一個(gè)像素點(diǎn)的二階動差矩陣SMM為:SMM′(x,y)=w′(x,y)×(G)(G)。求出SMM′(x,y)的特征值!1和!2(!1≥!2),兩個(gè)紋理特征為:con=2!1+!2,ani=1-!2/!1。像素點(diǎn)其他特征的抽取可按如下方法進(jìn)行。設(shè)圖像的像素為m×n,像素(x,y)位置特征X,Y可表示如下:X=wxy×(x/max(m,n)),Y=wxy×(y/max(m,n)),其中,
6、max(·)表示取最大值,wxy一般在(0,1]取值,為空間位置特征的權(quán)重。像素的顏色特征進(jìn)行高斯平滑處理后,作為像素特征值。一幅圖像像素點(diǎn)收稿日期:2006-05-31基金項(xiàng)目:湖南省自然科學(xué)基金資助項(xiàng)目(05JJ40101)作者簡介:周詠梅(1971—),女,湖南永州人,湖南工業(yè)大學(xué)副教授,碩士;徐德智(1963—),男,湖南株洲人,中南大學(xué)教授,博士。204廣西師范大學(xué)學(xué)報(bào):自然科學(xué)版第24卷的特征向量(用I表示)可以表示為:I=(labL,labA,labB,p,con,ani,X,Y)。式中,I的值域?yàn)閇0,1]。2基于區(qū)域的彩色圖
7、像分割2.1基于像素特征的模糊C-均值聚類dN設(shè)圖像數(shù)據(jù)集可以表示為:{IkI∈R}k=1,式中,d=8,表示I的維數(shù),N表示像素的個(gè)數(shù)。又設(shè)圖像數(shù)據(jù)集可以被聚類成c簇。其中c的取值一般為:2≤c≤Cn=[N/3],且一般c≤8。cN[3]m2c標(biāo)準(zhǔn)的FCM算法的目標(biāo)函數(shù)可以表示為:Jm=uikIk-CCi。其中,{CCi}i=1是各簇的簇中i=1k=1心,?ik稱為隸屬度,表示第k個(gè)像素屬于第i簇的程度。隸屬度和簇中心的刷新表達(dá)式分別為:2-1/(m-1)(1/Ik-CCi)uik=c,(1)2-1/(m-1)(1/Ik
8、-CCj)j=1nnmmCCi=uikIk/uik。(2)k=1k=1FCM算法如下:輸入:簇的數(shù)目c,最大迭代次數(shù)tmax,設(shè)定m>1和#>0
