模糊聚类图像分割后处理

朱占龙; 郑一博; 王远

Chinese

您当前的位置：

首页 >

文章列表页 >

模糊聚类图像分割后处理

更新时间：2026-09-04

- 模糊聚类图像分割后处理
- Post Segmentation of Fuzzy Clustering Algorithm
- 微电子学与计算机 2018年35卷第3期页码：68-73
- 作者机构：
  
  1. 河北地质大学机构信息工程学院,河北,石家庄,050031
  2. 河北地质大学河北省光电信息与地球探测技术重点实验室机构,河北,石家庄,050031
- 作者简介：
- 基金信息：
  
  河北省科技计划项目 17273903D博士科研启动基金 BQ201606
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
朱占龙, 郑一博, 王远. 模糊聚类图像分割后处理[J]. 微电子学与计算机, 2018, 35(3): 68-73.

ZHU Zhan-long, ZHENG Yi-bo, WANG Yuan. Post Segmentation of Fuzzy Clustering Algorithm[J]. 2018, 35(3): 68-73.
朱占龙, 郑一博, 王远. 模糊聚类图像分割后处理[J]. 微电子学与计算机, 2018, 35(3): 68-73. DOI：

ZHU Zhan-long, ZHENG Yi-bo, WANG Yuan. Post Segmentation of Fuzzy Clustering Algorithm[J]. 2018, 35(3): 68-73. DOI：

摘要

由于采用模糊聚类算法进行图像分割存在错分点的情况

需要对错分点做进一步处理以提高分割效果

对此提出一种图像分割后处理方法.首先对模糊聚类算法得到的分割结果进行检测

找出可能的错分点

然后通过统计错分点周边的隶属度分布情况对其进行重新分类

最后通过加噪的人工合成图像及自然图像对提出的后处理方法进行实验验证.结果表明该方法不仅能够进一步提升模糊聚类算法的分割准确率

而且所分割的图像视觉效果也有很大程度的提升.

Abstract

Potentially misclassified pixels often display when the fuzzy clustering algorithm is used for image segmentation

so a post segmentation method corresponding to refining the segmentation results is proposed. The first step is the detection of segmentation results from the fuzzy clustering algorithms

and then it is natural to find and reclassify the potentially misclassified pixels by evaluating the membership matrix of neighborhood window. The last step is the experimental verification via several test images including both synthetic image and natural images. The results of the experiment demonstrate that the proposed method not only improves the segmentation accuracy of fuzzy clustering algorithm

but also promotes the visual effect of segmentation to some extent.

关键词

Keywords

references

Das S, Sil S. Kernel-induced fuzzy clustering of image pixels with an improved differential evolution algorithm[J]. Information Sciences, 2010, 180(8): 1237- 1256. DOI: 1237

Chen S, Zhang D. Robust image segmentation using FCM with spatial constraints based on new kernel-induced distance measure[J]. IEEE Transactions on Systems Man % Cybernetics Part B Cybernetics, 2004, 34(4): 1907-1916. DOI: 1907

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

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 Transactions on Medical Imaging, 2002, 21(3): 193-199. DOI: 193

Szilágyi L, BenyóZ, Szilágyi S M, et al. MR brain image segmentation using an enhanced fuzzy c-means algorithm[C]//Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE, 2003: 17- 21.

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

Bezdek JC. Pattern recognition with fuzzy objective function algorithms[M]. Springer, 1981.

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

Benaichouche A N, Oulhadj H, Siarry P. Improved spatial fuzzy c-means clustering for image segmentation using PSO initialization, Mahalanobis distance and post-segmentation correction[J]. Digital Signal Processing, 2013, 23(5): 1390-1400. DOI: 1390

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: 166

王保平, 范九伦, 谢维信, 等. 一种基于代价函数和模糊熵的图像分割方法[J]. 光子学报, 2003, 32(12): 1502- 1505. DOI: 1502

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

基于机器学习的头发自动分割研究进展

基于双鸟群混沌优化的otsu图像分割算法

基于云遗传算法的阈值图像分割法

基于改进活动轮廓模型的图像分割

基于区域色彩空间和LBP算法的图像分割