基于直方图相关性约束的快速多阈值FCM图像分割算法

J4 ›› 2011, Vol. 33 ›› Issue (4): 102-106.

基于直方图相关性约束的快速多阈值FCM图像分割算法

来跃深,马天明,田军委

（西安工业大学机电工程学院，陕西西安 710032）

收稿日期:2010-05-20 修回日期:2010-09-28 出版日期:2011-04-25 发布日期:2011-04-25
作者简介:来跃深(1965),男,陕西西安人，教授，研究方向为计算机控制与测量。马天明(1981),男,陕西西安人，硕士生，研究方向为图像分割和图像处理。田军委(1973),男，博士，副教授，研究方向为视觉测量、模式识别与机器视觉、智能电子信息系统、精密与超精密伺服控制与检测等。
基金资助:
陕西省教育厅专项基金资助项目(09JK497)

Fast MultiThreshold Fuzzy CMeans Image Segmentation Based on Histogram Correlation Constraints

LAI Yueshen,MA Tianming,TIAN Junwei

(School of Mechatronic Engineering,Xi’an Technological University,Xi’an 710032,China)

Received:2010-05-20 Revised:2010-09-28 Online:2011-04-25 Published:2011-04-25

摘要/Abstract

摘要：

针对传统的模糊C均值（FCM）聚类算法在样本数和特征数较多时，运算较为复杂以及耗时较多的问题，本文提出了一种采用直方图的相关性作为约束采样率的快速多阈值FCM分割方法，控制图像失真，使得需要运算的数据量减少，以获得较快的分割速度。由于借助了基于模糊集的图像分割技术——模糊C均值算法实现多阈值图像分割，考虑到了每个像素对于聚类中心的隶属度，使得其有较好的适用性。根据实验结果，在保持传统FCM算法的分割效果的前提下,该算法的分割灰度图像耗时是传统FCM的1.4%，因此该算法具有一定的应用价值。

关键词: 模糊C均值聚类算法, 图像分割, 模糊聚类, 直方图, 相关性

Abstract:

The traditional fuzzy Cmeans (FCM) clustering algorithm has some problems, such as massive calculation and slow operation speed, especially the large amount of data. A fast multithresholds FCM algorithm based on histogram correlation constraints is proposed to control the image distortion due to resampling. Because of the amount of data in the operation has been reduced,the segmentation speed turns faster. In this paper, image segmentation uses the fuzzy techniques of the fuzzy C Means (FCM) algorithm which considers each pixel for the cluster center membership. FCM can achieve multithreshold image segmentation which features good applicability. The experimental results which make it valuable on application shows that the proposed algorithm preserves the effect and costs only 1.4% the time of the traditional FCM.

Key words: fuzzy Cmean (FCM) clustering algorithm;image segmentation;fuzzy clustering;histogram;correlation

来跃深,马天明,田军委. 基于直方图相关性约束的快速多阈值FCM图像分割算法[J]. J4, 2011, 33(4): 102-106.

LAI Yueshen,MA Tianming,TIAN Junwei. Fast MultiThreshold Fuzzy CMeans Image Segmentation Based on Histogram Correlation Constraints[J]. J4, 2011, 33(4): 102-106.

[1]	张文豪, 瞿绍军. 基于双解码器结构的多尺度注意力特征融合网络的视网膜血管分割#br#[J]. 计算机工程与科学, 2023, 45(12): 2175-2185.
[2]	王玉雷, 谢凯亮, 陈思贇, 胡杰, 常胜. 卷积神经网络硬件加速的通用性设计[J]. 计算机工程与科学, 2023, 45(04): 577-581.
[3]	胡晨莹, 赵琰. 基于预测多对非对称直方图的可逆信息隐藏[J]. 计算机工程与科学, 2023, 45(03): 454-461.
[4]	王晨宇, 温浩珉, 郭晟楠, 林友芳, 万怀宇, . 面向快递员揽收到达时间预测的多任务深度时空网络[J]. 计算机工程与科学, 2023, 45(01): 136-144.
[5]	吴从中, 董浩, 方静. 基于注意力机制的自适应滤波遥感图像分割网络[J]. 计算机工程与科学, 2022, 44(11): 2010-2018.
[6]	仇静博, 燕雪峰, 汪俊, 郭延文, 魏明强, . 基于全卷积神经网络的单幅隧道图像裂纹提取算法[J]. 计算机工程与科学, 2022, 44(05): 845-854.
[7]	刘云, 肖添, 王梓宇. 动态特征选择算法对恶意行为检测的优化研究[J]. 计算机工程与科学, 2022, 44(04): 665-673.
[8]	阎红灿, 王子茹, 李伟芳, 谷建涛. 伴随时间的模糊聚类协同过滤推荐算法[J]. 计算机工程与科学, 2021, 43(11): 2084-2090.
[9]	程玉胜, 曹天成, 王一宾, 郑伟杰. 基于负相关性增强的不平衡多标签学习算法[J]. 计算机工程与科学, 2021, 43(09): 1700-1710.
[10]	曾增峰, 环宇翔, 邹卓, 郑立荣. 多尺度深度监督的高度近视萎缩病变分割方法[J]. 计算机工程与科学, 2021, 43(07): 1264-1272.
[11]	蒋芸, 高静, 王发林. SAG-Net：用于联合视盘和视杯分割的新型跳过注意力指导网络[J]. 计算机工程与科学, 2021, 43(07): 1273-1282.
[12]	张俊鹏, 刘辉, 李清荣. 基于FCN-LSTM的工业烟尘图像分割[J]. 计算机工程与科学, 2021, 43(05): 906-916.
[13]	陈爱莲, 丁正龙, 詹曙. 基于对抗学习和多尺度特征融合的前列腺MR图像分割[J]. 计算机工程与科学, 2021, 43(04): 697-703.
[14]	朱倩倩, 车文刚, 苗晗. 数字化藏文古籍中多样性字体的实现方法研究[J]. 计算机工程与科学, 2020, 42(11): 2073-2079.
[15]	杨岚雁, 靳敏, 张迎春, 张珣. 一种基于关联规则的MLKNN多标签分类算法[J]. 计算机工程与科学, 2020, 42(07): 1309-1317.