混合分水岭变换和改进FCM的图像分割方法

doi:10.3778/j.issn.1002-8331.2010.14.056

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (14): 189-191.DOI: 10.3778/j.issn.1002-8331.2010.14.056

• 图形、图像、模式识别 • 上一篇下一篇

混合分水岭变换和改进FCM的图像分割方法

汪林林，肖春雷，王佐成

1.重庆邮电大学计算机科学与技术学院，重庆 400065
2.重庆工学院，重庆 400065

收稿日期:2008-10-29 修回日期:2009-01-14 出版日期:2010-05-11 发布日期:2010-05-11
通讯作者: 汪林林

Hybrid method of image segmentation using watershed transform and improved FCM

WANG Lin-lin，XIAO Chun-lei，WANG Zuo-cheng

1.College of Computer Science & Technology，Chongqing University of Post & Telecommunications，Chongqing 400065，China
2.Chongqing Institute of Technology，Chongqing 400065，China

Received:2008-10-29 Revised:2009-01-14 Online:2010-05-11 Published:2010-05-11
Contact: WANG Lin-lin

摘要/Abstract

摘要： 分水岭变换是图像分割的一种强有力的形态工具，能够自动生成一系列封闭分割区域。其不足之处是过分割、对噪声敏感。为克服分水岭变换固有的缺点，综合利用非线性滤波和改进的FCM算法优化分水岭变换得出的初始分割，提出了一种新的混合分割算法-HWIF（Hybrid Watershed and Improved FCM）分割法。与MeanShift算法及区域合并算法相比，该方法充分利用了区域的灰度和区域间的空间信息。实验结果表明该算法能有效克服分水岭算法的过分割问题，且分割效果优于以上两种方法。

关键词: PGF滤波算法, 分水岭, 模糊C均值, 特征散度

Abstract: Watershed transformation is a powerful morphological tool for image segmentation which can automatically generate a series of closed segmentation regions.However，the watershed transformation might give rise to over segmentation and it sensitive to noise.In order to overcome the inherent drawback of watershed algorithm-over-segmentation，a new method Hybrid Watershed and Improved FCM（HWIF） is proposed，which uses non-linear filter algorithm and a modified FCM algorithm to improve initial segmentation result obtained by the watershed transformation.This method uses information of regions gray and information between regions sufficiently compared with meanshift and region-merge method.Experiment result shows the proposed algorithm overcome the watershed algorithm-over-segmentation efficiently and obtain good segmentation.

Key words: Peer Group Filtering（PGF）, watershed, Fuzzy C-Means（FCM）, feature divergence

中图分类号:

TP391

汪林林，肖春雷，王佐成. 混合分水岭变换和改进FCM的图像分割方法[J]. 计算机工程与应用, 2010, 46(14): 189-191.

WANG Lin-lin，XIAO Chun-lei，WANG Zuo-cheng. Hybrid method of image segmentation using watershed transform and improved FCM[J]. Computer Engineering and Applications, 2010, 46(14): 189-191.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[3]	陈甜甜，何秀青，葛文双，何聚厚. 大规模在线协作学习分组方法及应用研究[J]. 计算机工程与应用, 2021, 57(1): 92-98.
[4]	李云红，张秋铭，周小计，贾凯莉. 基于形态学及区域合并的分水岭图像分割算法[J]. 计算机工程与应用, 2020, 56(2): 190-195.
[5]	黄建新，袁杰. 三维空间机器人主动嗅觉烟羽源自主定位策略[J]. 计算机工程与应用, 2020, 56(12): 223-230.
[6]	刘俊涛，王素娟，林晓明，刘祚时，谭俭辉，宋丹. 结合FCM聚类和边缘感知模型的眼底渗出物检测[J]. 计算机工程与应用, 2020, 56(11): 192-199.
[7]	崔芳怡1，荆晓远2，董西伟2，3，吴飞2，孙莹2. 自适应蝙蝠算法优化的模糊聚类及其应用[J]. 计算机工程与应用, 2019, 55(7): 16-22.
[8]	柳长源1，2，陈兰萍1，Ersoy2. 基于车前灯的夜间车辆视频检测研究[J]. 计算机工程与应用, 2019, 55(2): 253-258.
[9]	任大勇1，贾振红1，杨杰2，Nikola Kasabov3. 结合位图切割和区域合并的彩色图像分割[J]. 计算机工程与应用, 2019, 55(2): 162-167.
[10]	朱炯，严丽军，马燕. 改进SSIM图像评价系统的开发与应用[J]. 计算机工程与应用, 2019, 55(12): 215-219.
[11]	童麟1，2，韩越兴1，3，小长谷明彦3，4. DNA机器人在AFM图像中的分割和识别[J]. 计算机工程与应用, 2019, 55(11): 192-198.
[12]	宋凯，冯翔，虞慧群. 基于群进化策略的模糊聚类算法[J]. 计算机工程与应用, 2018, 54(4): 36-43.
[13]	王文慧1，杨庚1，葛炜1，刘沛东2，钱晨3. 噪声不均条件下的模糊C均值聚类算法及应用[J]. 计算机工程与应用, 2018, 54(19): 172-178.
[14]	刘向南，王昱潭，赵琛，朱超伟，李乐凯. 基于分水岭算法的灵武长枣图像分割方法研究[J]. 计算机工程与应用, 2018, 54(15): 169-175.
[15]	刘沧生，许青林. 基于密度峰值优化的模糊C均值聚类算法[J]. 计算机工程与应用, 2018, 54(14): 153-157.

混合分水岭变换和改进FCM的图像分割方法

Hybrid method of image segmentation using watershed transform and improved FCM

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics