基于標(biāo)記分水嶺和FLICM模糊聚類的圖像分割方法研究

王 棟，于威威，莊斐弘

(1. 上海海事大學(xué) 信息工程學(xué)院，上海 201306； 2. 上海海事大學(xué)，上海 201306)

基于標(biāo)記分水嶺和FLICM模糊聚類的圖像分割方法研究

王 棟1，于威威2，莊斐弘1

(1. 上海海事大學(xué) 信息工程學(xué)院，上海 201306； 2. 上海海事大學(xué)，上海 201306)

傳統(tǒng)的分水嶺算法的應(yīng)用非常廣泛，但是存在過分割的問題。通常有兩類方法解決該問題。第一類是后處理方法，它的原理是根據(jù)分水嶺分割后的結(jié)果，使用某種方法讓一些區(qū)域合并在一起。第二類屬于前處理方法，在應(yīng)用傳統(tǒng)分水嶺算法之前先標(biāo)記提取，目前已經(jīng)提出了基于標(biāo)記的分水嶺分割算法。這種方法雖然可以在一定程度上緩解傳統(tǒng)分水嶺算法的過分割問題，但是還是會有一定的過分割。文章在基于標(biāo)記的分水嶺算法的基礎(chǔ)上，利用局部信息模糊C均值聚類算法(Fuzzy Local Information C-Means Clustering,FLICM)進(jìn)行區(qū)域合并。實驗結(jié)果表明：所提出的方法能有效地解決圖像過分割問題，且更趨近于自然分割。

標(biāo)記分水嶺;Fuzzy Local Information C-Means Clustering;圖像分割;區(qū)域合并

0 引言

圖像分割就是按照一定的規(guī)則，將一幅圖像劃為若干個互不相交的小區(qū)域的過程。目前已有很多種不同的圖像分割方法，其中主要有閾值分割算法、邊緣檢測算法[1]、區(qū)域增長法[2]以及結(jié)合特定理論的圖像分割方法等。但是到目前為止沒有一種方法適用于所有的圖像。

對于圖像分割，通常采用聚類方法先對圖像進(jìn)行預(yù)處理，隨后再使用其他的聚類算法進(jìn)行第二次的聚類分割，分水嶺算法[3]和均值漂移算法(Mean Shift，MS)[4]都是很好用的預(yù)處理算法，其中分水嶺算法簡單高效，但通常分割結(jié)果區(qū)域數(shù)目非常的多，幾乎不能直接使用，所以在此基礎(chǔ)上需要進(jìn)行后處理和前處理。……