• 中国计算机学会会刊
  • 中国科技核心期刊
  • 中文核心期刊

计算机工程与科学

• 图形与图像 • 上一篇    下一篇

基于改进模糊C均值的海面目标图像分割算法

任佳1,2,张胜男1,董超2,赵敏钧1   

  1. (1.海南大学信息科学技术学院,海南 海口 570228;2.国家海洋局南海调查技术中心,广东 广州 510310)
  • 收稿日期:2018-05-07 修回日期:2018-07-20 出版日期:2019-05-25 发布日期:2019-05-25
  • 基金资助:

    国家国际科技合作专项(2015DFR10510);国家自然科学基金(61562018);海南省自然科学基金(519QN180);国家海洋局南海维权技术与应用重点实验室开放基金(1704);海口市重点科技计划(2017025,2017041)

A sea-surface target image segmentation algorithm
based on improved fuzzy C-means

REN Jia1,2,ZHANG Shengnan1,DONG Chao2,ZHAO Minjun1
 
  

  1. (1.College of Information Science & Technology,Hainan University,Haikou 570228;
    2.South China Sea Marine Survey and Technology Center,SOA,Guangzhou 510310,China)
  • Received:2018-05-07 Revised:2018-07-20 Online:2019-05-25 Published:2019-05-25

摘要:

提出一种图像分割算法,解决水面无人艇在执行目标跟踪与识别任务过程中的图像快速准备分割问题。首先使用均值滤波算法对彩色的海洋背景图像进行滤波,同时利用其非参数性得到图像的聚类中心和类别数,并以此作为初始化参数进行图像的模糊C均值聚类,在此基础上进行大津法Otsu二值化处理实现目标提取。使用BSDS500标准数据集和海洋背景图像对算法的分割效果及效率进行验证,与传统的模糊C均值算法、脉冲耦合神经网络算法、自适应遗传算法以及马尔科夫随机场算法进行对比的结果显示了该算法的有效性。
 

关键词: 海洋图像, 图像分割, 模糊聚类, 模糊C均值

Abstract:

We propose an image segmentation algorithm to solve the problem of fast image segmentation when surface unmanned vehicles perform target tracking and recognition tasks. Firstly, the algorithm uses the mean filtering algorithm to filter the RGB ocean background image, and uses its nonparametric property to obtain the clustering center of the image and the number of categories, which are used as the initialization parameters to perform fuzzy C-means clustering on the image.  On this basis, the image is binarized by the Otsu method to realize target extraction. The BSDS500 standard dataset and marine background images are used to verify itse segmentation effect and efficiency. Comparison with the traditional fuzzy C-means algorithm, pulse coupled neural network algorithm, adaptive genetic algorithm and Markov random field algorithm, proves the effectiveness of the proposed algorithm.
 

Key words: marine image, image segmentation, fuzzy clustering, fuzzy C-means