图像分割的改进的加权模糊聚类算法

doi:10.3778/j.issn.1002-8331.2010.33.051

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (33): 182-184.DOI: 10.3778/j.issn.1002-8331.2010.33.051

• 图形、图像、模式识别 • 上一篇下一篇

图像分割的改进的加权模糊聚类算法

翁文田，赵曙光

东华大学信息科学与技术学院，上海 201620

收稿日期:2009-04-01 修回日期:2009-06-01 出版日期:2010-11-21 发布日期:2010-11-21
通讯作者: 翁文田

Improved weighted fuzzy clustering algorithm for image segmentation

WENG Wen-tian，ZHAO Shu-guang

College of Information Science and Technology，Donghua University，Shanghai 201620，China

Received:2009-04-01 Revised:2009-06-01 Online:2010-11-21 Published:2010-11-21
Contact: WENG Wen-tian

摘要/Abstract

摘要： 利用模糊聚类算法对图像进行分割是一种比较经典的方法，但是标准的FCM算法并没有考虑像素的空间信息对聚类结果的影响。利用S函数将空间信息转为模糊聚类算法的目标函数的权值，从而使目标函数更合理。实验结果表明，改进算法较标准的FCM算法具有更好的分割效果。

关键词: 图像分割, 模糊聚类算法, S函数, 空间信息

Abstract: It is well-known to do image-segmentation using Fuzzy C-Means（FCM） clustering method，but the standard Fuzzy C-Means algorithm doesn’t take the pixel spatial information into account，which has influence on the classification result.In order to make the objective function more reasonable，this paper converts the spatial information into the weight of the objective function using the S-function.Experimental results show that the improved algorithm yields better result than the standard Fuzzy C-Means algorithm.

Key words: image segmentation, fuzzy C-means, S-function, spatial information

中图分类号:

TP391

翁文田，赵曙光. 图像分割的改进的加权模糊聚类算法[J]. 计算机工程与应用, 2010, 46(33): 182-184.

WENG Wen-tian，ZHAO Shu-guang. Improved weighted fuzzy clustering algorithm for image segmentation[J]. Computer Engineering and Applications, 2010, 46(33): 182-184.

[1]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[2]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[3]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.

图像分割的改进的加权模糊聚类算法

Improved weighted fuzzy clustering algorithm for image segmentation

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