本文選題：模糊C均值 + 圖像分割��； 參考：《計(jì)算機(jī)工程與應(yīng)用》2017年23期

【摘要】：模糊C均值(FCM)聚類算法分割圖像時(shí),對圖像的背景噪聲和聚類算法的初始值比較敏感,為了克服這個(gè)問題,進(jìn)而提出了微分進(jìn)化模糊C均值分割算法。為了避免陷入局部極值,首先使用FCM聚類初始化,接著用改進(jìn)的FCM進(jìn)行模糊聚類;然后進(jìn)行初始化種群操作,設(shè)置微分進(jìn)化DE算法的參數(shù),計(jì)算種群中每個(gè)個(gè)體的適應(yīng)值,最后對滿足條件的適應(yīng)值進(jìn)行變異、交叉、選擇操作。利用DE算法的全局搜索優(yōu)化能力,有效抑制了局部極值的產(chǎn)生和圖像的背景噪聲、紋理細(xì)節(jié)對圖像分割效果的影響。還克服了對初值選擇敏感的問題,保證圖像分割邊界的完整性,是一個(gè)比較高效的方法,有效地提升了分割效果。DE算法本身具有簡單,快速,魯棒性好等優(yōu)點(diǎn),利用這些優(yōu)點(diǎn)可以有效地克服FCM算法的缺點(diǎn)。
[Abstract]:The fuzzy C-means (FCM) clustering algorithm is sensitive to the background noise of the image and the initial value of the clustering algorithm. In order to overcome this problem, a differential evolutionary fuzzy C-means segmentation algorithm is proposed. In order to avoid falling into local extremum, FCM clustering is first used to initialize, then fuzzy clustering is performed with improved FCM, then the population operation is initialized, the parameters of differential evolution DE algorithm are set, and the fitness value of each individual in the population is calculated. Finally, the adaptive value of the condition is changed, crossed, and selected operation. The global search optimization ability of DE algorithm is used to effectively suppress the local extremum and the background noise of the image, and the effect of texture details on the image segmentation effect. It also overcomes the problem of sensitivity to initial value selection and ensures the integrity of image segmentation boundary. It is a more efficient method and effectively improves the segmentation effect of .DE algorithm, which has the advantages of simple, fast and good robustness. These advantages can effectively overcome the shortcomings of FCM algorithm.
【作者單位】： 西安理工大學(xué)自動(dòng)化與信息工程學(xué)院;
【基金】：國家自然科學(xué)基金重大項(xiàng)目課題四(No.41390454)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李仲;圖像分割的妙法[J];電腦知識與技術(shù);2000年S2期

2 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2007年02期

3 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

4 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動(dòng)化;2009年11期

5 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學(xué)技術(shù)大學(xué)學(xué)報(bào);2010年02期

6 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

7 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學(xué)報(bào);2011年05期

8 張甫;李興來;陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期

9 汪梅;何高明;賀杰;;常見圖像分割的技術(shù)分析與比較[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年06期

10 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

相關(guān)會(huì)議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學(xué)術(shù)研討會(huì)論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國學(xué)術(shù)大會(huì)論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會(huì)中醫(yī)診斷學(xué)分會(huì)第十次學(xué)術(shù)研討會(huì)論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)A卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

3 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

4 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

5 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

6 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

7 李積英;融合量子衍生及DNA計(jì)算速率的智能算法在圖像分割中的研究[D];蘭州交通大學(xué);2014年

8 王曉坤;基于寬視場拼接成像的目標(biāo)分割與跟蹤算法研究[D];長春理工大學(xué);2016年

9 吳永飛;圖像分割的變分模型及數(shù)值實(shí)現(xiàn)[D];重慶大學(xué);2016年

10 李忠兵;聚焦超聲無創(chuàng)治療腫瘤的超聲圖像分割方法研究[D];武漢大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王聰聰;手機(jī)上的交互式圖像分割方法研究[D];華中科技大學(xué);2013年

2 廖小波;基于貝葉斯最優(yōu)統(tǒng)計(jì)的圖切法圖像分割研究[D];昆明理工大學(xué);2015年

3 姜士輝;基于Android系統(tǒng)的立木圖像分割方法研究[D];東北林業(yè)大學(xué);2015年

4 路亞緹;基于粒子群優(yōu)化算法的最大熵多閾值圖像分割研究[D];鄭州大學(xué);2015年

5 劉超;基于閾值圖像分割的研究及在蘋果定位中的應(yīng)用[D];東華理工大學(xué);2015年

6 何妮;結(jié)合顯著性目標(biāo)檢測與圖像分割的服飾提取算法研究及實(shí)現(xiàn)[D];西南交通大學(xué);2015年

7 劉曉磊;基于MRF隨機(jī)場模型的機(jī)器人視覺圖像分割方法研究[D];西安建筑科技大學(xué);2015年

8 王周楠;數(shù)字圖像處理的研究仿真[D];中國地質(zhì)大學(xué)(北京);2015年

9 許素素;改進(jìn)的模糊C均值聚類算法在圖像分割中的應(yīng)用[D];長安大學(xué);2015年

10 齊國紅;基于FCM和SVM相結(jié)合的作物病害圖像分割方法研究[D];鄭州大學(xué);2015年

，

本文編號：1869852