模糊 C 均值聚类仿真
图像分割是从输入图像中提取目标或感兴趣区域的过程,是目标检测和识
别过程中的重要步骤。模糊聚类是模糊理论的一个重要的分支,在图像分割中
得到广泛应用。对于一副彩色图像,使用模糊 C 均值聚类(FCM)的方法,根
据 RGB 信息进行简单分类。
一、 FCM 图像聚类
(一)算法原理
对于一副给定的二维图像 ( , ),首先进行列向
量化为 ( , ),其中每一个分量包含 RGB 三维信息。指
定划分为 m 类,FCM 步骤如下:
1、初始化隶属度矩阵
使用均匀 分 布 随机数初 始 化 隶属度矩 阵 U ,并归 一 化 使得 ,
;
2、更新类中心
(1)
3、更新隶属度矩阵
(2)
4、检测迭代终止条件
如果 ,且 ,则迭代终止,否则重复
第 2、3 步。
(二)仿真结果
如图 1 一副 512X327 的草地图像使用 FCM 分成 5 类的结果。图 2 为一副
512X319 的海滩图像使用 FCM 分成 4 类的结果,聚类效果较好。
聚 类 结 果
50 100 150 200 250 300 350 400 450 500
50
100
150
200
250
300
图 1 草地图像(左)分 6 类的结果(右)