基于改进的模糊C均值聚类算法的颗粒种子图像分割方法

被引：5

作者：

王宇 ^{[1
]}

陈婧 ^{[2
]}

王高 ^{[3
,4
]}

机构：

[1] 山西工程职业技术学院电气工程系

[2] 中国航天科工集团第二研究院所

[3] 中北大学仪器科学与动态测试教育部重点实验室

[4] 中北大学电子测试技术国防科技重点实验室

来源：

中北大学学报(自然科学版) | 2018年 / 02期

关键词：

颗粒种子图像; 图像分割; K-means聚类算法; 模糊C均值聚类(FCM)算法;

D O I：

暂无

中图分类号：

TP311.13 []; TP391.41 [];

学科分类号：

1201 ; 080203 ;

摘要：

针对利用模糊C均值聚类(FCM)算法进行农作物颗粒种子数字图像分割时的噪声敏感性问题,提出在传统FCM算法的目标函数中加入惩罚项来表示邻域像素值影响的方法,即利用图像的空间信息提高聚类准确性,并通过像素距离因子来修饰空间作用的方法,进行距离模糊加权因子对目标函数的改进.实验结果表明,利用改进的FCM算法在将颗粒种子图像从背景图像中分割出来时,抗噪声性能比传统FCM算法更好,程序运行耗时节省一半左右,准确率从93%提高到99%,为下一步利用机器视觉系统进行颗粒种子计数检测打下良好基础.

引用

页码：177 / 182

页数：6

共 13 条

[1] 图像分割技术研究与应用 [J].

王威 ;

曾小能 .

计算机时代, 2015, (01) :26-28+31

[2] 模糊C均值聚类算法及应用 [J].

张洪艳 .

科技资讯, 2014, 12 (05) :178-179

[3] 图像分割技术综述 [J].

张丹丹 ;

赵双 .

科技创新与应用, 2013, (10) :36-36

[4] 常见图像分割的技术分析与比较 [J].

汪梅 ;

何高明 ;

贺杰 .

计算机光盘软件与应用, 2013, 16 (06) :63-64

[5] A fast and effective fuzzy clustering algorithm for color image segmentation [J].

王改华 ;

李德华 .

Journal of Beijing Institute of Technology, 2012, 21 (04) :518-525

[6] 关于模糊C-均值(FCM)聚类算法的改进 [J].

王颖洁 ;

白凤波 ;

王金慧 .

大连大学学报, 2010, 31 (06) :1-4

[7]

Fuzzy c-means clustering based on spatial neighborhood information for image segmentation[J]. Yanling Li1,2,and Yi Shen1 1.Institute of Systems Engineering,Department of Control Science and Engineering,Huazhong University of Science and Technology,Wuhan 430074,P.R.China;2.College of Computer and Information Technology,Xinyang Normal University,Xinyang 464000,P.R.China.Journal of Systems Engineering and Electronics. 2010(02)

[8] 基于粒子群优化的模糊C-均值聚类改进算法 [J].