结合k-means的自动FCM图像分割方法
2015，51（16）1引言图像分割作为一种重要的图像技术，在图像处理领域占据着关键的位置。它决定了图像分析和模式识别的最终结果。近年来，人们提出来了很多图像分割算法，较许多硬分割算法，模糊C 均值（FCM ）算法得到了广泛的认可。传统FCM 并未考虑邻域像素信息的影响，故很多改进的FCM 被提出。文献[1]根据相邻像素的相似度，建立空间相似度模型，并根据模型确定像素与各聚类的隶属度，进行图像分割；文献[2]采用快速二维熵算法对图像初步分割求得目标与背景的中心，然后采用样本点与其邻域灰度像素的差别表征该样本点对分类的影响程度，最后利用加权模糊C 均值聚类算法完
成图像分割；文献[3]根据直方图统计灰度种类，并利用邻域内计算的空间信息修正隶属度函数，再将改进的FCM 算法应用到CV 模型的区域检测项，可较准确地使像素点归类，并且克服噪声影响。尽管如此，许多FCM 算法在聚类之前都要人工确定初始聚类数目，而且，初始聚类中心也对算法的响应时间有着重要的影响。利用FCM 自动分割图像的方法相对较少。为获得准确的聚类数，Li 等[4]提出一种改进的自动FCM 算法。因其采用穷尽策略，故算法时间和空间复杂度高，效率较低。Yu 等[5]提出蚁群FCM 混和算法对聚类数目进行估计，避免结合k -means 的自动FCM 图像分割方法
刘万军，赵永刚，闵亮
LIU Wanjun,ZHAO Yonggang,MIN Liang
辽宁工程技术大学软件学院，辽宁葫芦岛125105
School of Software,Liaoning Technical University,Huludao,Liaoning 125105,China
LIU Wanjun,ZHAO Yonggang,MIN Liang.Automatic image segmentation method based on k -means and https://www.docsj.com/doc/a912131618.html,puter Engineering and Applications,2015,51（16）：199-203.
Abstract ：Because fuzzy C-means algorithm （FCM ）can not automatically determine the cluster centers,and doesn ’t con-sider the neighborhood pixels ’information,a new automatic image segmentation method is proposed based on FCM and k -means.The cluster number of the image is obtained by image histogram.And the initial cluster centers are obtained by us-ing an improved fast FCM method.That is,they are obtained by using one step k -means algorithm for large membership degree gray values and only updating the small membership values using fast FCM.It iterates to obtain the initial cluster centers.Image segmentation can be done by using improved membership FCM algorithm.Experiments show that this method generates a closer initial cluster center values to the final clustering centers,reduces the computing time,and has stronger anti-noise property.
Key words ：k -means;fuzzy c-means;image segmentation;neighborhood information
摘要：针对图像分割中模糊C 均值算法（FCM ）无法自动确定聚类中心，不考虑像素邻域信息的问题，提出一种结合k -means 的自动FCM 图像分割方法。该方法先由图像的灰度直方图确定聚类数目，使用一种改进的快速FCM 方法产生初始聚类中心。即通过一步k -means 算法对大隶属度灰度更新模糊聚类中心，同时仅对小隶属度灰度使用快速FCM 方法进行隶属度更新，迭代后得到初始聚类中心。利用改进隶属度的FCM 算法进行最终聚类。实验表明，该方法获取初始聚类中心接近最终值，加速图像分割，并对噪声具有一定的鲁棒性。
关键词：k 均值；模糊C 均值；图像分割；邻域信息
文献标志码：A 中图分类号：TP391doi ：10.3778/j.issn.1002-8331.1308-0234
基金项目：国家自然科学基金（No.61172144）。
作者简介：刘万军（1959—），男，教授，博士生导师，主要研究方向为图像处理、数据挖掘；赵永刚（1987—），男，硕士生，主要研究方
向为数据挖掘、图像处理；闵亮（1988—），男，硕士生，主要研究方向为数据挖掘、模式识别。E-mail ：lunwenzyg@https://www.docsj.com/doc/a912131618.html, 收稿日期：2013-08-16修回日期：2014-01-13文章编号：1002-8331（2015）16-0199-05
CNKI 网络优先出版：2014-01-15,https://www.docsj.com/doc/a912131618.html,/kcms/doi/10.3778/j.issn.1002-8331.1308-0234.html Computer Engineering and Applications 计算机工程与应用
199