论文部分内容阅读
针对传统的模糊C均值聚类算法在进行图像分割时对孤立点、噪声点敏感性较强，聚类耗时随图像变大而快速增长等缺陷，基于临近元素空间距离的模糊C均值聚类算法即SFGFCM算法，采用核化的空间距离公式，计算出空间临近像素与考察像素的相似度S,然后用邻近像素灰度加权和计算出邻近信息制约图像，并进一步在邻近信息制约图像的灰度级统计的基础上进行聚类。该算法考察了临近像素灰度和位置等信息，并且它们之间取得了很好的平衡；不仅表现出较强的鲁棒性且很好地保留了原图像边缘等细节信息，提高了聚类精度，同时大大缩短了大幅图像的聚类时间