基于S、V分量的模糊C均值彩色图像分割算法

吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (增刊1): 225-230.

基于S、V分量的模糊C均值彩色图像分割算法

申铉京, 何月

吉林大学计算机科学与技术学院,长春 130012

收稿日期:2012-03-26 出版日期:2012-09-01 发布日期:2012-09-01
作者简介:申铉京(1958-),男,教授,博士生导师.研究方向:图像处理与模式识别,多媒体信息安全,智能控制技术.E-mail:xjshen@jlu.edu.cn
基金资助:
国家自然科学基金项目(66773098);吉林省自然科学基金项目(201115025).

Fuzzy C-means clustering for color image segmentation based on S and V color components

SHEN Xuan-jing, HE Yue

College of Computer Science and Technology, Jilin University, Changchun 130012, China

Received:2012-03-26 Online:2012-09-01 Published:2012-09-01

摘要/Abstract

摘要： 针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。

关键词: 计算机应用, 彩色图像分割, 快速模糊C均值算法, S、V颜色分量

Abstract: In order to segment the color image quickly and efficiently, a color image segmentation algorithm based on HSV color space was proposed. Firstly the distribution of S and V color components in the color image was calculated, and then the statistics were clustered by using the fast fuzzy C-means clustering algorithm, finally the color image was segmented according to the target color number and the cluster centers obtained. Compared with the existing color image algorithms, the test results show that the proposed algorithm can accurately extract the target regions of different color images with less remaining background information, meanwhile the scale of the image has less impact on the computing speed, so has faster speed and better segment results can be achieved.

Key words: computer application, color image segmentation, fast fuzzy C-means algorithm, S and V color components

中图分类号:

TP391

申铉京, 何月. 基于S、V分量的模糊C均值彩色图像分割算法[J]. 吉林大学学报(工学版), 2012, 42(增刊1): 225-230.

SHEN Xuan-jing, HE Yue. Fuzzy C-means clustering for color image segmentation based on S and V color components[J]. 吉林大学学报(工学版), 2012, 42(增刊1): 225-230.

参考文献

[1] 叶齐祥, 高文, 王伟强, 等. 一种融合颜色和空间信息的彩色图像分割算法[J]. 软件学报, 2004, 15(4): 522-530. Ye Qi-xiang, Gao Wen, Wang Wei-qiang,et al. A color image segmentation algorithm by using color and spatial information[J]. Journal of Software,2004, 15(4): 522-530.

[2] Khang Siang Tan, Nor Ashidi Mat Isa. Color image segmentation using histogram thresholding-fuzzy C-means hybrid approach[J]. Pattern Recognition, 2011, 44(1): 1-15.

[3] Huang Zhi-kai, Xie Yun-ming, Liu De-hui, et al. Using fuzzy C-means cluster for histogram-based color image segmentation[C]//Proceedings of the 2009 International Conference on Information Technology and Computer Science, Kiev, Ukraine, 2009: 597-600.

[4] Jaffar M Arfan, Naveed N, Ahmed B, et al. Fuzzy C-means clustering with spatial information for color image segmentation[C]//Third International Conference on Electrical Engineering, Islamabad, Pakistan, 2009:1-6.

[5] Christophe Gauge, Sreela Sasi. Modified fuzzy C-means clutering alogrithm with spatial distance to cluster center of gravity[C]//2011 IEEE International Symposium on Multimedia, Washington D C, USA, 2011: 308-313.

[6] Ganesan P, Pajini V. A method to segment color images based on modified fuzzy-possibilistic- C-means clustering alogrithm[C]//Recent Advances in Space Technology Services and Climate Change (RSTSCC), Chennai, India, 2010, 157-163.

[7] Sowmya B, Bhattacharya Sourav. Color image segmentation using fuzzy clustering techniques[C]//IEEE Indicon Conference, Chennai, India, 2005:41-45.

[8] Santhalakshmi S, Bharathi G. Local and spatial information based fuzzy C-Means clustering for color image segmentation[C]//Third International Conference on Electronics Computer Technology (ICECT), Combatore, India,2011: 396-400.

[9] 丁震, 胡钟山, 杨振宁,等. 一种适用于灰度图像分割的快速FCM算法[J]. 模式识别与人工智能, 1997, 10(2): 133-139.

[10] 王丹丹, 李彬, 陈武凡. 基于多目标规划的模糊C均值聚类算法[J]. 中国图像图形学报, 2008, 13(8): 1492-1495.

[11] Ding Zhen, Hu Zhong-shan, Yang Zhen-yu,et al. Aquick FCM algorithm for gray images segmentation[J]. Pattern Recognition and Artificial Intelligence,1997,10(2):133-139.

[12] Wang Dan-dan, Li Bin, Chen Wu-fan. An improved FCM algorithm based on multiple objective programming[J]. Journal of Image and Graphics,2008,13(8):1492-1495.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed