基于二次多项式的FCM抗噪图像分割方法

发布时间：2021-01-05 04:54

　　图像分割是计算机视觉和图像理解的关键环节。分割模型是提高图像分割质量的关键。一个好的分割模型可以使被分到同一类的像素相似性尽可能高,得到更准确的分割结果。当被分割的数据点取自不同曲面片时,现有的FCM分割算法定义常数为分割中心,往往得不到理想的效果,并且对噪声和弱边缘区域的处理也不够精确。本文提出了一种基于二次多项式的新的FCM算法,能够更好地区分图像中的弱边缘区域并且具有一定的抗噪性,而局部再分割的加入能够使该算法能够更有效地作用在更多图像上。首先,改进后的算法使用二次多项式曲面定义分割中心,以数据点到分割中心的代数距离划分数据点所属的集合。新定义的分割曲面对于像素点的特征有更好的包容性,能够有效应对图像灰度级远大于聚类中心数目的问题。第二,在以二次多项式曲面为分割中心的基础上,设计新的模糊因子,在计算的过程中,改进后的算法使用偏差值表示邻域点的平均代数距离与中心像素代数距离的差值,通过计算偏差值可以衡量邻域中像素对中心点的影响。在噪声存在时,偏差值可以抵消掉噪声在计算过程中影响。第三,在全局分割结果的边缘上选取局部窗口进行局部窗口分割。实验结果表明,在对带有5%噪声的医学图像最终分... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图３－１图像灰度直方图??

?山东大学硕士学位论文???ａ曲面片上的像素值?ｂ合成的６＊６曲面片放大３０倍的结果??＾?３１??Ｃ以二次多项式为分类标准?ｄ以聚类中心为分类标准??图３－２合成图像上的结果比较??在算法的分割过程中引入二次多项式，可以带来新的划分标准，校正图像像??素的分类，尤其是对于弱边缘区域，能够取得更好的分割结果。为了验证算法的??这一性能，本文设计了如下实验。通过给两个二次多项式的系数进行赋值，可以??得到两个交叉的曲面，其三维展示如图３＿３ａ所示。分别使用改进后以二次多项??式为聚类中心的算法，和之前以灰度值为聚类中心的算法进行分割。图３－３显示??了分割效果的对比。两个算法的分割结果分别与ｇｒｏｕｎｄｔｒｕｔｈ作对比，可以明显??看出，以灰度值为聚类中心的算法仅能做到将不同灰度值的像素分类。边缘处灰??度值相似的像素其实是属于不同类的，原来的算法并不能做出区分，而改进后的??算法很好地修正了这一错误。这是因为作为新的聚类中心的二次曲面考虑的是全??局信息，在引入坐标信息后，对不同类别的相似灰度值像素进行分类时，灰度值??不再是唯一标准。以计算后的二次曲面作为新的聚类中心，同时将像素的灰度值??信息和坐标信息纳入考虑，可以做到更为准确的分类。在两个曲面相交处进行计??算时，改进后的算法能够更好的区分像素，将像素划分到正确的类别。实验结果??也证实了这一想法，可以看出以二次曲面作为聚类中心，分类效果更好，分割结??果与?ｇｒｏｕｎｄｔｒｕｔｈ?—致。??１９??

?山东大学硕士学位论文???；??ｙ．ａｘｉｓ?ｘ－ａｘｉｓ??（ａ）相交曲面三维图?（ｂ）相交曲面灰度图像??．ｙ，：；ｎ??（ｃ）ｇｒｏｕｎｄｔｒｕｔｈ?（ｄ）以—次多项式为分割标准?（ｅ）以灰度值为分类标准??图３－３合成图像上的结果比较??另外，在真实图像上，新引入的二次多项式也可以取得更为准确的分割结果，??并且具有一定的抗噪性。本文设计了如下实验验证新引入的二次多项式的性能。??在噪声水平逐渐增强的医学图像上，分别运行以二次多项式或者聚类中心为分割??标准的ＦＣＭ分割算法，结果如图３－４所示。图３－４ａ是以二次多项式为聚类中心??得到的分割结果，图３－４ｂ是以常数为聚类中心得到的分割结果。可以明显看到，??以聚类中心为分割标准的算法的分割结果中出现了明显的噪声像素，这说明单独??使用像素点的灰度值作为分割标准不能有效地抵抗噪声带来的干扰。而在改进后??的算法中，随着噪声的增强，算法的分割效果依然很好，这说明在使用二次多项??式作为分割标准时，可以使同一类中的像素相似性尽可能大，而同时将位置信息??和灰度值信息纳入考虑可以达到这一目标。这个结果也可以说明，改进后的算法??具有一定的抗噪性，在噪声水平增大时，该算法的依然能保持良好的性能，保持??较好的分割效果。??２０??


本文编号：2958061