邻域信息熵的核模糊C均值聚类图像分割算法

肖林云; 陈秀宏; 林喜兰

Chinese

您当前的位置：

首页 >

文章列表页 >

邻域信息熵的核模糊C均值聚类图像分割算法

更新时间：2026-09-04

- 邻域信息熵的核模糊C均值聚类图像分割算法
- New Kernel Fuzzy C-Means Clustering Image Segmentation Algorithm with Local Entropy Information
- 微电子学与计算机 2016年33卷第11期页码：166-170
- 作者机构：
  
  江南大学数字媒体学院,江苏,无锡,214122
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61373055
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
肖林云, 陈秀宏, 林喜兰. 邻域信息熵的核模糊C均值聚类图像分割算法[J]. 微电子学与计算机, 2016, 33(11): 166-170.

XIAO Lin-yun, CHEN Xiu-hong, LIN Xi-lan. New Kernel Fuzzy C-Means Clustering Image Segmentation Algorithm with Local Entropy Information[J]. 2016, 33(11): 166-170.
肖林云, 陈秀宏, 林喜兰. 邻域信息熵的核模糊C均值聚类图像分割算法[J]. 微电子学与计算机, 2016, 33(11): 166-170. DOI：

XIAO Lin-yun, CHEN Xiu-hong, LIN Xi-lan. New Kernel Fuzzy C-Means Clustering Image Segmentation Algorithm with Local Entropy Information[J]. 2016, 33(11): 166-170. DOI：

摘要

引入邻域信息熵并用核距离代替简单的欧式距离

提出了邻域信息熵的核模糊C均值聚类图像分割算法(EKWFLICM).实验表明

该算法具有比WFLICM算法更强的去噪声能力

以使保留原图像细节的能力

具有一定实际应用价值.

Abstract

This paper presents a new kernel fuzzy c-means clustering image segmentation algorithm withlocal entroy information (EKWFLICM)by introducing the pixel difference between neighborhood points and the middle point and kernel distance. The experimental results show that the proposed algorithm has betterr obustness than the WFLICM algorithm and retains the original image details well. So it has practical application value.

关键词

Keywords

references

张亚迪, 李俊山, 胡双演. 类模糊C均值聚类的关键帧提取算法[J]. 微电子学与计算机, 2009, 26(2): 89-92. DOI: 89

Dunn J C. A fuzzy relative of theisodata process and its use in detecting compact well-separated clusters[J]. Cybernetics, 1973, 3(3): 32-57. DOI: 32

Krinidis S, Chatzis V. A robust fuzzy local information C-means clustering algorithm[J]. Image Processing, IEEE Transactions on, 2010, 19(5): 1328-1337. DOI: 1328

Gong M, Liang Y, Shi J, et al. Fuzzy c-means clustering with local information and kernel metric for image segmentation[J]. Image Processing, IEEE Transactions on, 2013, 22(2): 573-584. DOI: 573

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

王洪春, 彭宏. 基于模糊C-均值的增量式聚类算法[J]. 微电子学与计算机, 2007, 24(6): 156-157. DOI: 156

朱红霞, 王黎明. 改进的自适应模糊C均值聚类图像分割算法[J]. 微电子学与计算机, 2010, 27(12): 87-89. DOI: 87

李朝锋, 居红云, 王琪. 基于QPSO的模糊C均值聚类算法[J]. 微电子学与计算机, 2008, 25(7): 194-197. DOI: 194

Bezdek J C, Ehrlich R, Full W. FCM: The fuzzy c-means clustering algorithm[J]. Computers % Geosciences, 1984, 10(2): 191-203. DOI: 191

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

混合细菌觅食和粒子群的k-means聚类算法

基于区块链的AI生成内容溯源框架设计研究

基于改进RT-DETR的航拍小目标检测算法

基于反向体偏置的高增益稳定性高温运放设计

低功耗设计的双链电源关断策略的实现与验证