FCM算法用于灰度图象分割的研究

被引：46

作者：

丁震，胡钟山，杨静宇，唐振民

机构：

[1] 南京理工大学信息分院

来源：

电子学报 | 1997年 / 05期

关键词：

图象分割，模糊聚类，FCM算法，直方图分析;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

模糊Ｃ均值（ＦＣＭ）算法用于灰度图象分割是一种非监督模糊聚类后再标定的过程，适合灰度图象中存在着模糊和不确定性的特点．但是这种算法存在着一些不足，如聚类数目无法自动确定、运算的开销太大等，因而限制了这种方法的应用．针对这些问题，本文利用直方图分析的方法，自动确定算法的聚类数目和各类的类峰值．并针对ＦＣＭ算法和灰度图象的特点，提出了一种适用于灰度图象分割的快速ＦＣＭ算法（ＱＦＣＭ），使得运算的开销降低，聚类分割的速度显著提高，并从数学和实验上证明了该方法的有效性．

引用

页码：39 / 43

页数：5

共 7 条

[1] Efficientimplementationofthefuzzyc-meansclusteringalgorithms. R.L.Cannon,J.Dave,J.C.Bezdek. IEEETrans . 1986
[2] Asurveyonimagesegmentation. K.S.Fu,J.K,Mui. Pattern Recognition . 1981
[3] Unsupervlsedoptlmalfuzzyclustering. T.Gath,A.B.Geva. IEEETrans . 1989
[4] Histogramanalysisusingascalespacespproach. M.J.Carlotto. IEEETrans . 1987
[5] AfuzzyrelativeoftheISODATAprocessanditsuseindetectingcompact,well-separatedclusters. J.C,Dunn. J.Cybern . 1974
[6] Low-levelsegmentationofaerialimageswithfuzzyclustering. M.M.Trivedi,J.C.Bezdek. IEEETrans . 1986
[7] Patternrecognitionwithfuzzyobjectivefunctionalgorithms. J.C.Bezdek. . 1981

← 1 →