基于分布信息直觉模糊c均值聚类的红外图像分割算法

针对传统的直觉模糊c均值聚类算法进行图像分割时对聚类中心敏感导致最终聚类精度低、细节保留性差、时间复杂度较大等不足，提出了一种适用于电力设备红外图像分割的基于分布信息的直觉模糊c均值聚类算法。红外图像中高强度的非目标对象与图像强度不均匀对图像分割有较强干扰，所提算法能有效抑制该干扰。首先，将高斯模型引入电力设备的全局空间分布信息中以改进IFCM算法；其次，利用局部空间信息的空间算子优化隶属函数来解决边缘模糊和图像强度不均匀问题。经过对Terravic动态红外数据库与包含300 幅电力设备红外图像的数据集进行实验，相对区域错误率在10%左右，受模糊因子m变化影响较小，验证了所提算法在有效性与适用性上明显优于其他对比算法。