改进FCM的图像聚类方法①.PDFVIP

计 算 机 系 统 应 用 2011 年 第 20 卷 第 7 期 ① 改进FCM 的图像聚类方法 周俊祥 (商丘师范学院 计算机科学系，商丘 476000) 摘 要：对传统 FCM 算法的隶属度函数进行了改进，改进后的算法有效降低了孤立点对图像数据聚类结果的影 响。通过灰度-梯度共生矩阵对图像进行纹理特征提取，利用主分量分析法对提取后的图像高维特征进行降维处 理，结合本文改进的 FCM 图像聚类算法对预处理后的图像数据进行聚类。实验证明，该方法具有较好的聚类效 果，且能以较少的迭代次数达到全局最优。 关键词：FCM 算法；图像聚类；隶属度函数；主分量分析法 Image Clustering Based on Improved FCM Algorithm ZHOU Jun-Xiang (Department of Computer Science and Technology, Normal University of Shangqiu, Shangqiu 47600, China) Abstract: In this paper, the traditional FCM algorithm membership function was improved. The improved algorithm can reduce the isolation point of the image data clustering results. In this paper, Gray-gradient co-occurrence matrix of the image texture feature extraction using principal component analysis on the extracted high-dimensional feature image to reduce the dimensions, combined with this improved FCM clustering algorithm to the image after the image data preprocessing clustering. Experiments show that the method has better clustering results, with fewer iterations and can reach the global optimum. Key words: FCM algorithm; image clustering; membership function; principal component analysis 1 引言 得可以把每一个对象分配给所有的聚类，模糊聚类的 作为一种有效的数据分析方法，聚类算法已经被 结果是每个对象最终可能属于多个聚类，每个对像对 广泛应用于图像处理、客户关系管理、市场营销、医 每个聚类分配一个隶属度。但是，传统的 FCM 算法存 学、模式识别等领域[1] 。聚类算法在执行过程中不能 在对孤立点比较敏感的缺陷，本文对传统 FCM 算法的 获得任何关于预先定义的数据项的类属信息，因而通 隶属度函数进行了改进，改进后的算法有效弥补了该 常被看作是一种无监督学习方法。模糊聚类算法实际 缺陷。 上是硬聚类和模糊集合理论相结合的延伸和推广。其 随着社会信息化程度的不断加深，图像处理相关 中，模糊 C- 均值聚类 FCM 算法(Fuzzy C-Means 技术应用更加广泛， Clustering)是应用最广的聚类算法，该算法是基于划分 随着社会信息化程度的不断加深，图像处理相关 的方法，目的是把数据分到不同的类或簇，在划分好 技术应用更加广泛，而图像聚类是图像处理技术和模 的结果中同一簇中的对象之间相似性很大，而不同簇