基于獅群優化的FCM圖像分割算法研究

韓濤，黃友銳，徐善永，許家昌，周寧亞

（安徽理工大學電氣有信息工程學院，安徽 淮南 232001）

1 引言

圖像分割是將圖像分割成多個不同區域并提取感興趣區域的過程。它在圖像處理、模式識別和人工智能等領域占有很重要的地位。近年來，已經提出了大量的圖像分割算法，如閾值分割法、區域生長方法和聚類算法[1-3]等。其中，模糊C 均值(FCM)[3]作為一種模糊聚類算法，具有同時處理圖像分割和噪聲去除兩個問題的潛力，成為近年來許多學者的研究方向。但是由于FCM 聚類算法在進行圖像分割時容易陷入局部最優和需要預先設定初始聚類中心的問題，一些學者提出了多種改進的FCM 聚類算法。針對目標函數易陷入局部最優值，文獻[4]，提出了利用仿生智能算法遺傳算法與FCM 結合(GAFCM)來解決該問題。對于初始聚類中心的選取，文獻利用最大類間方差劃分多個灰度區間，根據區間灰度值來確定初始聚類中心。

基于前面兩種問題的改進，本文提出一種新的自適應FCM 圖像分割算法。首先，該算法在優化FCM 的目標函數時，利用獅群算法更新聚類中心，然后，引入聚類有效性函數，通過迭代更新搜索到合理的分割類別數，實現自動確定圖像分割最佳類別數，并根據最佳類別數確定最佳的分割結果，最終實現圖像的自適應分割。利用改進的方法對仿真圖像進行實驗，實驗結果表明，本文算法不僅可以提高算法的收斂速度，而且還能自適應地確定圖像分割最佳類別數，并能快速準確地實現圖像分割。……