基于FCM图像分割系统的设计与实现
计算机视觉和图像识别等领域的迅速发展，离不开图像分割技术的不断发展。模糊C均值聚类算法（Fuzzy C-Means，FCM）近年来广泛运用于图像分割领域。但是，经典FCM算法存在如下的缺点：忽略图像的空间信息、遍历图像所有像素导致的算法时间复杂度高。学者们针对FCM算法存在的问题提出多次改进和变形。本文将基于FCM算法及其各种改进算法进行整理和归纳，设计并用Java语言实现了基于FCM图像分割系统。该系统实现利用经典FCM算法、基于空间信息的FCM算法以及基于直方图信息的FCM算法在内的9种算法对无噪声干扰图像、高斯噪声干扰图像以及椒盐噪声干扰图像进行图像分割。同时，本文利用时间复杂度这一标准，对FCM算法及其改进算法的图像分割结果进行对比和分析，总结出各算法最适宜应用的分割图像类型。
关键词：图像分割；模糊聚类算法；空间信息；直方图信息；FCM系统
基于聚类的图像分割方法近年来广泛应用于图像分割领域。传统的聚类分割多采用硬化分的方式进行像素的分类，但是，由于图像的模糊性等因素，这种硬化分的方法，很难得到理想的分割结果。因此，学者们提出一种以模糊聚类划分为准则的方法，此类方法中最具代表性的方法就是模糊C均值聚类算法。
*若需了解更多与协助请咨询↓→[电脑QQ][手机QQ]【数据协助】
