基于快速模糊C均值聚类的图像粗集分割

作者: 李云松 ; 冯玉东 ; 张国锋

关键词: 快速模糊C均值粗糙集粗糙熵图像分割

摘要：传统的模糊C均值（FCM）聚类算法广泛用于图像的自动分割,但它有两个缺陷：一是收敛速度过慢;二是当图像的目标和背景像素拥有相近的灰度值,具有相似的隶属度,导致了图像边界区域的不连续和模糊.针对该问题,提出一种改进的算法,在快速FCM聚类的基础上,利用粗糙集理论中的上近似和下近似的概念来描述图像的目标和背景,引入粗糙熵的概念,选择合适的阈值,对图像进行精确分割.实验结果表明,这种算法可以达到满意的分割效果.

上一篇：基于条件向量的多因素粗集决策分析算法设计及应用
下一篇：软件体系结构动态演化的Z描述语言扩展方法

基于快速模糊C均值聚类的图像粗集分割

作者: 李云松 ; 冯玉东 ; 张国锋

关键词: 快速模糊C均值 粗糙集 粗糙熵 图像分割

关键词: 快速模糊C均值粗糙集粗糙熵图像分割