融合模糊聚类的Mumford-Shah模型

被引：6

作者：

谢振平

王士同

机构：

[1] 江南大学信息工程学院

来源：

电子学报 | 2008年 / 01期

关键词：

图像分割; 曲线进化; 模糊聚类; 水平集;

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

Mumford-Shah模型和模糊聚类技术是图像分割的两类重要方法,前者着重于控制图像分割区域的连通性和边界的光滑性,而后者更多地分析了图像色彩的统计特征.受此启发,文中通过在第一种方法中融入模糊聚类技术,提出了融合模糊聚类的Mumford-Shah模型(简称FCMS模型),它能很好地结合两类方法各自的优点.在FCMS中,通过引入三个策略实现两类方法的融合,理论分析可知,现有的多类模糊聚类技术与许多Mumford-Shah模型的变形方法都能在此框架下很好地融合.文中以FCM和基本Mumford-Shah模型为例,给出了FCMS的一个具体实现,并对其做了理论和实验上的分析研究,所得结果证明了这一新模型的合理性与有效性.

引用

页码：127 / 132

页数：6