融合模糊聚类的Mumford-Shah模型  

An Extended Mumford-Shah Model Integrated with Fuzzy Clustering

作　　者：谢振平[1] 王士同[1] 

机构地区：[1]江南大学信息工程学院,江苏无锡214122

出　　处：《电子学报》2008年第1期127-132,共6页Acta Electronica Sinica

基　　金：2004年教育部优秀人才支持计划(No.NCET-04-0496);模式识别国家重点实验室开放课题;南京大学软件新技术国家重点实验室开放课题;教育部重点科学研究项目(No.105087);国防应用基础研究基金(No.A1420061266);国家863高技术研究发展计划(No.2006AA10Z313)

摘　　要：Mumford-Shah模型和模糊聚类技术是图像分割的两类重要方法,前者着重于控制图像分割区域的连通性和边界的光滑性,而后者更多地分析了图像色彩的统计特征.受此启发,文中通过在第一种方法中融入模糊聚类技术,提出了融合模糊聚类的Mumford-Shah模型(简称FCMS模型),它能很好地结合两类方法各自的优点.在FCMS中,通过引入三个策略实现两类方法的融合,理论分析可知,现有的多类模糊聚类技术与许多Mumford-Shah模型的变形方法都能在此框架下很好地融合.文中以FCM和基本Mumford-Shah模型为例,给出了FCMS的一个具体实现,并对其做了理论和实验上的分析研究,所得结果证明了这一新模型的合理性与有效性.Fuzzy clustering and Mumford-Shah model are two fundamental methods for image segmentation. In this paper, an extended Mumford-Shah model integrated with fuzzy clustering, called FCMS, is presented. FCMS has some remarkable characteristics and better performance. The framework of FCMS consists of three strategies, which are also available for integrating various popular fuzzy clustering algorithms into many Mumford-Shah＇ s variations. In particular, an example of FCMS using the FCM and original Mumford-Shah model is completely studied in this paper. The results on theoretical and experimental analysis demonstrate the rationality and effectiveness of the proposed model.

关 键 词：图像分割 曲线进化 模糊聚类 水平集 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]