1、圖像分割就是指把圖像分解成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程,它是由圖像處理到圖像分析的一個(gè)關(guān)鍵步驟,在圖像工程中占有非常重要的位置。在對(duì)圖像信息進(jìn)行分析和處理的過(guò)程中,分割是其本質(zhì)所在,決定著最終的圖像分析和圖像理解的質(zhì)量。
　　雖然人們?cè)趫D像分割方面做了許多的研究工作,但仍存在著諸多的問(wèn)題。一般的圖像由于受到噪聲等因素的影響,圖像本身信息比較模糊,不容易提取到合適有用的信息。基于聚類(lèi)分析的圖像分割方法是圖像分割領(lǐng)域中

2、一類(lèi)極其重要和應(yīng)用相當(dāng)廣泛的算法,而聚類(lèi)分析中用的最普遍的就是模糊C均值聚類(lèi)。它能夠很好的處理圖像本身所具備的不確定性和不精確性,非常適用于圖像分割,能夠取得令人滿(mǎn)意的分割效果。
　　本文首先介紹了圖像分割和模糊聚類(lèi)的基本定義和研究現(xiàn)狀,然后闡述了基于模糊聚類(lèi)算法的圖像分割方法FCM的原理,分析該方法存在的一些問(wèn)題,如類(lèi)別數(shù)難以確定、如何確定有效的初始類(lèi)中心和初始隸屬度矩陣的問(wèn)題、空間結(jié)構(gòu)信息未能有效利用等。針對(duì)這些問(wèn)題,本文結(jié)合

3、圖像中的空間信息,改進(jìn)原有算法,提出改進(jìn)后的基于模糊聚類(lèi)分析的圖像分割算法,即基于灰度和空間信息加權(quán)的FCM圖像分割算法。該算法充分利用了圖像的空間信息,有效抑制噪聲對(duì)分割結(jié)果的影響。通過(guò)對(duì)人工圖像和實(shí)際圖像進(jìn)行仿真來(lái)驗(yàn)證其有效性,分割結(jié)果表明該方法有較好的分割效果。
　　其次,傳統(tǒng)模糊C均值聚類(lèi)算法難以確定有效的初始類(lèi)中心,使得FCM算法容易陷入局部極值或造成迭代計(jì)算量過(guò)大。上文改進(jìn)的基于灰度信息和鄰域信息特征加權(quán)的模糊C均值聚

4、類(lèi)算法雖然具有一定的抗噪性,但仍很難確定聚類(lèi)中心。粒子群優(yōu)化算法能更加快速的收斂于最優(yōu)解,它不但具有全局尋優(yōu)能力,還具有較強(qiáng)的局部尋優(yōu)能力。因此,針對(duì)WSFCM算法容易陷入局部最優(yōu)問(wèn)題和對(duì)初始值設(shè)置敏感的問(wèn)題,本文引入混沌粒子群優(yōu)化算法,與基于灰度信息和鄰域信息特征加權(quán)的模糊C均值算法有機(jī)結(jié)合,避免該算法容易陷入局部最優(yōu)的缺陷,降低該算法對(duì)初始值的敏感度。實(shí)驗(yàn)結(jié)果表明,該方法在算法收斂速度上有所提高,具有很好的適應(yīng)性、實(shí)時(shí)性和魯棒性,能