无监督模糊C均值聚类自然图像分割算法.pdf

无监督模糊C均值聚类自然图像分割算法.pdf165 中国图象图形学报琋
20115 Journal Image and May2011
中圈法分类号: A文章编号:一
c[J
201116(5)773783
C
纪则轩,潘瑜,陈强,孙权森,夏德深
暇├砉ご笱Ъ扑慊蒲в爰际跹г海暇
c
Gabor
Gabor
c
明,该算法能够很好地克服图像纹理对于分割结果的影响,有效区分目标与背景,分割结果具有较高的分割精度,
是一种有效的自然彩***像分割方法。
关键词:自然图像分割;无监督聚类;模糊担籊滤波;置信区间交集;纹理特征
Natural image algorithm FCM
ZexuanPan, 琒琗
(School scand。腙缈甆
: 。 propose a natural image metllod based fuzzy
甌 intervals pute the scale Gaber
for pixelThenimage feamres are Gabor fiher scaleorientationfrequency
and phaseMeanwhilea determine the . the
algorithm USFCM get the final segmentationThe results the Can
the the the
texture and distinguish backgroundThe
uracyand superiority the .
: image ; ;籊; intervals
籺 feamres
好的分割结果是将具有相似特征丈ā⑽评淼的
0 引言像素点划分为一个区域,且各区域之间的边界应该
具有简单精确的特点⋯。然而,从统计学的角度而
图像分割是指把图像分成具有不同特性的区域言,自然图像的分割本身就是一个有歧义的问题,这
并提取感兴趣的目标,它是图像处理分析的关键步 1、
骤。作为计算机视觉领域中的经典问题,人们对于在相同空间尺度下,自然图像中的局部统计
自然图像的分割方法进行了广泛研究。目前公认较特征缪丈ā⑽评怼⒈咴怠⒙掷5通常并不具有同
收稿日期:—·;修回日辨:——
基金项目:国家自然科学基金项目。
第一作者简介:纪则轩,男。
理、计算机视觉和模式识别,以第一作者身份发表论文#篇饕篇Ⅱ索弓簀甧。
774
质性。不同的自然图像之间以及同一幅自然图像中忽略了彩***像中蕴涵的大量纹理信息,虽然文献
的不同区域中均存在该现象。因此,自然图像的分中列出的分割结果较好,但是该方法只是针对部分
割结果往往并不是唯一的。彩***像有效,其通用性较差。等人心’使用高
即使考虑到尺度变化所产生的影响,不伺区斯混合模型表征图像纹理特征,并通过有损压缩聚
域或纹理仍然具有内在的复杂性,使得分割区域数类方法对图像进行分割。然而这种方法的参数鲁棒
量以及模型维数难以确定。性较差,对于不同图像,需要通过实验调整各个参数
已有的自然图像分割方法包括基于目标函数全以达到最佳分割结果。等人¨列通过主要
局最优化的分割方法、基于区域分裂合并的分割(DCA)
poMean姆指罘椒ā、基于图论的
的图像进行纹理分析,并使用水平集的方法分割自
分割方法¨以及基于最小描述长度符的分割方
然图像。但算法并未对水平集进行扩展,目前只能
p
较好的分割一个或一类目标区域。
集中于自然图像中纹理信息的表达。等人¨叫
针对以上不同算法所呈现的问题,本文在前人
Gabor
C
器对图像纹理进行分析,并使用
类的自然彩***像的分割算法。首先,本文算法提
maximization)
Gabor
Gabor
为彩***像的纹理分析以及提高算法的分割精度提
法的分割精度受到限制。等人¨川使用方向局
供了良好的基础;其次,本文算法对彩***像进行了
部方差抽取纹理特征图像,为了减少特征图像的冗
4较为全面的分析,提取出不同类型的纹理图像,并对
特征图像,最后采用变差框架进行分割。虽然该算所有纹理图像同时进行处理,得到最终的分割结果,
法在一定程度上减少了图像的冗余信息,但由于只这使得本文算法在彩***像分割方面具有一定的通
4用性;再次,由于采用了自动确定图像类别数目的算
低。热藆噐使用拉普拉斯特征映射的方法法。本文方法可以同时分割多个不同类目标,且具有
对彩***像各个像素点的特征进行降维,并使用传较高的分割精度;最后,本文算法大部分参数均采用
FCM自适应方法计算得到,算法具有较强的鲁