论文部分内容阅读
针对传统模糊聚类分割方法无法有效模拟数据分布特征的问题，提出基于邻域约束高斯混合模型的模糊聚类图像分割算法．利用高斯分布刻画聚类内像素光谱测度统计特征，定义像素与其邻域像素相关性的先验概率，并作为高斯混合模型中各高斯分量权重系数，构建包含特征场邻域作用的高斯混合模型．利用高斯分量描述像素与聚类间的非相似性测度，建立基于高斯混合模型的模糊聚类目标函数．在传统模糊聚类方法基础上，采用高斯混合模型定义像素与聚类问的非相似性测度，并在高斯混合模型中融入邻域作用，有效解决数据具有多峰值特征的问题．最后通过实验验证文