基于SSCL的模糊C均值图像分类方法  

Fuzzy C-means image classification algorithm based on SSCL

作　　者：李卫伟[1] 刘纯平[1] 王朝晖[1] 张书奎[1] 

机构地区：[1]苏州大学计算机科学与技术学院,苏州215006

出　　处：《中国图象图形学报》2011年第2期215-220,共6页Journal of Image and Graphics

基　　金：国家自然科学基金项目(60873116);江苏省自然科学基金项目(BK2009593;BK2008161;BK2009116);江苏省高校自然科学研究项目(09KJA520002);江苏省现代企业信息化应用支撑软件工程技术研究开发中心项目(SX200804)

摘　　要：针对传统模糊C均值聚类方法对噪声敏感和过分依赖于初始聚类中心的缺点,提出基于SSCL的模糊C均值图像分类的自适应算法。该算法首先通过SSCL获得初始类别数和类别中心,然后作为模糊C均值聚类的输入,自动对图像进行分割,并对图像分割结果利用空间信息进行后处理。实验结果表明该方法较好地解决了FCM算法中的初始化和噪声敏感问题,具有较好的分类结果。An adaptive fuzzy C-means image classification algorithm based on SSCL is proposed, in order to overcome the shortcomings that traditional fuzzy C-means clustering algorithm is noise-sensitive and relies excessively on initial cluster centers. First we obtain the cluster centers using SSCL, then treat the cluster centers as the initial value of fuzzy C-means, so an adaptive image classification can be achieved. At last, post processing is implemented using space information. Experiment results show that proposed algorithm is less sensitive to noise and initial cluster centers in FCM method, and has better classification accuracy.

关 键 词：图像分割 模糊C均值 自分裂竞争学习 

分 类 号：TP319.4[自动化与计算机技术—计算机软件与理论]