图像分割是一种重要的图像分析技术,是由图像处理到图像分析的关键步骤,其分割质量的好坏直接影响后续的处理效果。图像分割历来是国内外文献报道的热点,然而到目前为止,仍然没有得到满意的解决。由于图像分割存在模糊性以及需要无监督分析,而模糊C均值聚类能满足这两方面的需求,因此在图像分割领域中得到广泛应用。 本文讨论了模糊C均值聚类的发展、研究现状以及存在的不足,并且指出了其在图像分割领域的应用中存在的问题。传统的模糊C均值聚类算法把像素作为孤立的点来进行分类,没有考虑图像本身包含的空间信息,因此抗噪声能力较差。在分析了多种针对传统算法这一缺陷的改进算法之后,本文提出了一种新的改进算法——FCM_TW算法。利用像素的邻域像素中隶属于某一类像素个数的多少,来对隶属度函数进行修正,以此来引入图像的空间信息,从而提高了算法的抗噪声能力。