基于形態(tài)學(xué)重建改進(jìn)的FCM算法

候慧　李水艷

摘? ?要：傳統(tǒng)的FCM（fuzzy c-means）算法可以準(zhǔn)確的分割多數(shù)無(wú)噪聲圖像，但對(duì)噪聲圖像非常敏感。針對(duì)于此類(lèi)問(wèn)題，提出了一種基于形態(tài)學(xué)重建的改進(jìn)FCM算法。首先利用形態(tài)學(xué)閉合重建算子對(duì)含噪圖像進(jìn)行光滑化。然后利用基于鄰域信息的改進(jìn)FCM算法對(duì)合成圖像及醫(yī)學(xué)圖像進(jìn)行分割處理，最終得出了更加精確的分割結(jié)果。通過(guò)與其它兩類(lèi)算法進(jìn)行數(shù)值實(shí)驗(yàn)對(duì)比，驗(yàn)證了所提出算法的有效性和實(shí)用性。

關(guān)鍵詞：圖像分割;形態(tài)學(xué)重建;模糊c均值算法

中圖分類(lèi)號(hào)：TP391.41? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

Improved FCM Algorithm Based on Morphological Reconstruction

HOU Hui？覮，LI Shui-yan

（College of Science，Hohai University，Nanjing，Jiangsu? 211100，China）

Abstract：The traditional fuzzy c-means（FCM） algorithm can segment noiseless images accurately，but it is very sensitive to noise. Aiming at such problems，an improved FCM algorithm based on morphological reconstruction is proposed. First，the morphological closing reconstruction operator is used to smooth the noisy image. Then，the improved FCM algorithm designed by the neighborhood information is used to segment the composite image and the medical image. Finally，we get more accurate segmentation results. The effectiveness and practicability of the proposed algorithm are verified by numerical experiments with other two types of algorithms.

Key words：image segmentation;morphological reconstruction;fuzzy c-means algorithm

近年來(lái)，圖像分割在圖像分析[1]、模式識(shí)別[2]、計(jì)算機(jī)視覺(jué)[3]等領(lǐng)域發(fā)揮了重要的作用。針對(duì)于圖像分割問(wèn)題，國(guó)內(nèi)外學(xué)者已經(jīng)提出了眾多方法[4-7]。圖像分割技術(shù)大致可分為四類(lèi)，即強(qiáng)度閾值技術(shù)[4]、基于邊緣的方法[5]、基于區(qū)域的方法[6]和基于聚類(lèi)的方法[7]。由于噪聲的影響出現(xiàn)了邊界特征模糊、灰度不均勻等現(xiàn)象，因此在圖像分割中如何降低噪聲干擾，提高分割精度受到了眾多學(xué)者廣泛關(guān)注。

眾所周知，傳統(tǒng)的FCM算法能夠有效分割多數(shù)無(wú)噪聲圖像，然而對(duì)噪聲圖像非常敏感。為了解決該問(wèn)題，學(xué)者們提出了一系列改進(jìn)FCM相關(guān)算法[8-12]。Adhikari等人[8]將條件變量和局部信息合并到隸屬度函數(shù)中，對(duì)FCM算法進(jìn)行了改進(jìn)。該方法已成功地應(yīng)用于核磁共振（MRI）腦圖像的分割上。Elazab等人[9]提出了一種FCM框架，該框架利用鄰域灰度的異質(zhì)性來(lái)獲取局部上下文信息，并將高斯徑向基核函數(shù)引入目標(biāo)函數(shù)中。最近，Gharieb等人[10]引入了一種改進(jìn)的FCM算法，該算法基于局部隸屬度和局部平滑數(shù)據(jù)，結(jié)合Kullback-Leibler散度進(jìn)行圖像分割。……