图像分割的自适应FKCN方法
电子学报000202
电子学报
ACTA ELECTRONICA SINCA
2000 Vol.28 No.2 P.4-6
图像分割的自适应FKCN方法
王磊 戚飞虎
摘 要： 模糊Kohonen聚类网络（FKCN）是一种自组织模糊神经网络，由于它巧妙地将模糊c-均值（FCM）的概念引入Kohonen网络的学习机制中，所以在处理图像中广泛存在的模糊性和不确定性时表现出强大的优势.但将它用于图像分割时却存在着许多缺陷，如网络节点无法自动确定、网络收敛速度慢、计算量大等，从而使FKCN的应用受到限制.针对这些问题，本文提出了一种能根据目标图像的灰度分布特征自动确定网络结构的自适应FKCN算法.通过采用新的模糊算子及在网络学习过程中变换迭代样本空间，大大加快了网络的收敛速度、改善了分割结果.
关键词：自适应模型；图像分割；模糊聚类；Kohonen网络
分类号：TN911.73 文献标识码：A
文章编号： 0372-2112 (2000) 02-0004-03
Adaptive FKCN Method for Image Segmentation
WANG Lei,QI Fei-hu
（Department of Computer Science and Engineering,Shanghai Jiaotong University,Shanghai 200030,China）Abstract：Fuzzy Kohonen clustering network(FKCN) is a kind of self-organizing fuzzy neural network.It shows great super-iority in processing the ambiguity and uncertainty of image for its integration of the fuzzy c-means (FCM) conception into the learning mechanism of Kohonen network.But there are many defects such as the number of network nodes can't be determined automatically,the speed of network convergence is very slow,and the computation cost is too large,when using FKCN to segment images.To over-come these defects,an adaptive FKCN model is presented in this paper,which can determine the network structure automatically accor-ding to the gray level distribution character of the image.By using the new fuzzy intensification operator and implementing a sample space transition in the network learning procedure,the network convergence speed is greatly improved and the segmentation result is also improved.
Key words：adaptive model；image segmentation；fuzzy clustering；Kohonen network▲
1 引言
图像分割是图像处理中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提.图像分割的目的在于根据某些特征将一幅图像分成若干有意义的区域，使得这些特征在某一区域内表现一致或相似，而在不同区域间表现出明显的不同.多年来，已经提出了许多不同类型的图像分割方法.经典的方法有阈值法、区域生长法、松弛法、边缘检测法，以及分裂合并法等［1］，现代的方法则有神经网络法和模糊聚类法［2］等.不同的方法适合不同的应用场合，对某一类图像分割效果好的方法对其它类型的图像不一定奏效.没有一种万能的图像分割算法适用于所有图像，因此选择合适的分割算法用于特定的问题是十分重要的.
从本质上讲，图像分割是一个基于某种属性对像素进行分类的过程，因此对像素进行聚类分析是一种可行的思路.自然图像的复杂多变性决定了许多像素在其属于哪一个聚类的问题上是不确定的，因而从模糊聚类的角度来考虑图像分割问题是比较合理的.1994年，Bezdek等人提出了一种模糊Kohonen聚类网络模型（FKCN）用于模式识别［3］.他们将模糊c-均值模型融入Kohonen网络的学习机制中，取得了优于Kohonen网络的性能.但是，当把FKCN用于图像分割时，就遇到了很大的困难. file:///E|/qk/dianzixb/dian2000/0002/000202.htm（第 1／6 页）2010-3-22 16:56:52