基于核函数及空间邻域信息的FCM图像分割新算法

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (增刊2): 283-287.

基于核函数及空间邻域信息的FCM图像分割新算法

杨悦¹, 郭树旭¹, 任瑞治¹, 于永力²

1. 吉林大学电子科学与工程学院, 长春130022;
2. 松原广播电视台, 吉林松原, 138001

收稿日期:2011-05-16 出版日期:2011-09-30 发布日期:2011-09-30
作者简介:杨悦(1977),女,博士研究生。研究方向:医学图像处理。E-mail:yangyue@jlu.edu.cn
基金资助:
国家自然科学基金项目(61006054)

Modified kernel-based fuzzy c-means algorithm with spatial information for image segmentation

YANG Yue¹, GUO Shu-xu¹, REN Rui-zhi¹, YU Yong-li²

1. College of Electronic Science and Engineering, Jilin University, Changchun 130022, China;
2. Radio and Television of Songyuan, Songyuan 138001, China

Received:2011-05-16 Online:2011-09-30 Published:2011-09-30

摘要/Abstract

摘要：

针对传统FCM算法在进行图像分割时对噪声敏感的问题,提出一种新的基于核函数及空间邻域信息的FCM图像分割算法。该算法根据像素间灰度值的差异程度,将空间信息引入传统的FCM算法,建立新的包含邻域信息的隶属度迭代函数,实现图像的分割。同时,算法还引入核函数,用内核诱导距离代替了传统FCM算法中的欧式距离,对输入图像的样本特征进行优化。实验结果表明,本文算法能够获得较好的分割效果,同时具有较强的抑制噪声的能力。

关键词: 信息处理技术, 图像分割, 模糊C均值, 核函数, 空间邻域信息

Abstract:

This paper proposes a Modified kernel-based FCM algorithm that incorporates the spatial information into the membership function for clustering(MSKFCM).In the algorithm,we replace the original Euclidean distance with a Gaussian kernel-induced distance,then use the distribution statistics of the neighborhood pixels and the weight coefficient based on the distance attributes to form a new membership function.Experimental results show that MSKFCM can segment images more effectively and provide more robust segmentation results.

Key words: information processing, image segmentation, fuzzy C-means, kernel function, spatial information

中图分类号:

TP911.73

杨悦, 郭树旭, 任瑞治, 于永力. 基于核函数及空间邻域信息的FCM图像分割新算法[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 283-287.

YANG Yue, GUO Shu-xu, REN Rui-zhi, YU Yong-li. Modified kernel-based fuzzy c-means algorithm with spatial information for image segmentation[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 283-287.

参考文献

[1] Bezdek J C.Pattern Recognition with Fuzzy Objective Function Algorithms
[M].New York:Plenum Press,1981.

[2] Shen H,Yang J,Wang S,et al.Attribute weighted Mercer kernel based fuzzy clustering algorithm for general non-spherical datasets
[J].Soft comput, 2006,10(11):1061-1073.

[3] Zhang D Q,Chen S C.Clustering incomplete datausing kernel-based fuzzy c-means algorithm
[J].Neural Process Lett,2003,18(3):155-162.

[4] Chen S C,Zhang D Q.Robust image segmentation using FCM with spatial constraints based on newk ernel-induced distance measure
[J].IEEE Trans on Systems Man Cybernet,Part B,2004,34(4):1907- 1916.

[5] Cai W L,Chen S C,Zhang D Q.Fast and robust fuzzy c-means clustering algorithms incorporating lo-c al information for image segmentation
[J].Pattern Recognition,2007,40(3):825-838.

[6] Hou Z,Qian W,Huang S,et al.Regularized fuzzyc-means method for brain tissue clustering
[J].Pattern Recognition Letters,2007,28(13):1788- 1794.

[7] Wang Shi-long,Wan Lei,Tang Xu-dong.A modi-fied fast fuzzy C-means algorithm based on the spatial information for underwater image segmentation
[C]∥2010International Conference on computer Design and Applications,2010.

[8] Bezdek J C.Cluster validity with fuzzy sets
[J].Cybernetics and Systems,1973,3(3):58-73.

[9] Bezdek J C.Mathematical models for systematic and taxonomy
[C]∥Proc of Eight International Confer-e nce on Numerical Taxonomy,San Francisco,1975.

[10] Ahmed M N,Yamany S M,Mohamed N,et al.A modified fuzzy c-means algorithm for bias field estimation and segmentation of MRI data
[J]IEEE Trans.on Medical Imaging,2002,21(3):193-199.

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	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.
[10]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[11]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[12]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[13]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[14]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[15]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed