计算机应用研究

作者：陈凯,陈秀宏,孙慧强,

单位：江南大学数字媒体学院,江苏无锡214122；

关键词：聚类算法,Canopy算法,模糊C-均值算法,局部和非局部空间信息,

基金：国家自然科学基金资助项目(61373055)；2017年江苏省研究生科研创新计划项目(KYCX17_1500)；；

针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题，提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法（NLWFLICM）。在WFLICM算法的模糊影响因子中引入非局部空间信息，根据噪声程度自适应地设置局部和非局部信息权重，并重新标记中心点的模糊影响因子。实验结果表明，NLWFLICM算法具有比WFLICM算法更强的鲁棒性和自适应性，并在一定程度上提高了WFLICM算法对含有大量噪声图像进行分割的鲁棒性，同时保留了图像的纹理。为了提高算法的聚类性能和收敛速度，结合Canopy算法能够快速对数据进行粗聚类的优点，提出基于Canopy聚类与非局部空间信息的FCM图像分割改进算法（Canopy-NLWFLICM），可以在NLWFLICM算法聚类前对聚类中心进行预处理，从而提高收敛速度和图像分割精度。

来源：2019年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第7期