鲁棒可信模糊聚类算法研究

发布时间：2024-02-13 19:45

　　图像分割作为计算机视觉的基础,同时也是图像分析和图像理解的重要前提,但同样也是一个经典难题。图像分割通过赋予每个像素不同的类别标签来使得相同类别标签的像素具有相似的特征,如灰度、颜色、纹理、亮度等。由于图像像素类别归属的不确定性和模糊性,使得图像分割问题具有极大的困难性。因此,众多国内外图像处理研究人员在图像分割领域付出了巨大的努力,而其中模糊聚类由于其能够很好地描述图像的不确定信息,使得应用模糊聚类思想来解决图像分割问题的算法得到迅猛发展。模糊C均值聚类(Fuzzy C-means,FCM)算法由于具有运算简单且收敛速度快的特点,使得其成为应用范围最为广泛的模糊聚类算法。但是FCM算法抗噪性能差的缺点使得该算法难以应对图像被噪声干扰时的图像分割问题。为此,诸多学者从多种角度对FCM算法聚类结构进行改进,或引入新的约束变量来描述样本对于聚类中心构造的影响,或通过引入局部信息与非局部信息来增强算法的抗噪性能。其中,可信模糊C均值聚类(Credibilistic fuzzy C-means,CFCM)在FCM算法中引入可信度来处理离群点的问题。但是将该算法直接应用于图像分割领域时,未考虑图...

【文章页数】：169 页

【学位级别】：硕士

【部分图文】：

图2.1测试图像

第2章模糊聚类理论基础19迭代表达式如下：1122121sup1mijikkjjckijjkuuddv(2.32)11nmijiijnmijiuxvu(2.33)其中，j的估计方法同PCM算法相似。211nmijijijnmijiudu(2.34)最终，CCM算法的聚类过程可得如....

图(c)MR脑部图1测试图像麦田遥感

第2章模糊聚类理论基础19迭代表达式如下：1122121sup1mijikkjjckijjkuuddv(2.32)11nmijiijnmijiuxvu(2.33)其中，j的估计方法同PCM算法相似。211nmijijijnmijiudu(2.34)最终，CCM算法的聚类过程可得如....

图2.2CFCM算法

西安邮电大学硕士论文20对以上不加噪图像通过CFCM算法以及CCA、CCM算法进行图像分割测试，得到算法分割结果如下图2.2、2.3、2.4。(a)人工合成图像(b)麦田遥感图(c)MR脑部图图2.2CFCM算法分割结果图(a)人工合成图像(b)麦田遥感图(c)MR脑部图图2.3....

图2.2CFCM算法分割结果图

西安邮电大学硕士论文20对以上不加噪图像通过CFCM算法以及CCA、CCM算法进行图像分割测试，得到算法分割结果如下图2.2、2.3、2.4。(a)人工合成图像(b)麦田遥感图(c)MR脑部图图2.2CFCM算法分割结果图(a)人工合成图像(b)麦田遥感图(c)MR脑部图图2.3....

本文编号：3897104