控制与决策

作者：彭家磊,黄成泉,雷欢,覃小素,陈阳,周丽华

单位：贵州民族大学 贵州省模式识别与智能系统重点实验室,贵阳 550025;贵州民族大学 数据科学与信息工程学院,贵阳 550025,,贵州民族大学 贵州省模式识别与智能系统重点实验室,贵阳 550025;贵州民族大学 工程技术人才实践训练中心,贵阳 550025,,贵州民族大学 数据科学与信息工程学院,贵阳 550025,,贵州民族大学 数据科学与信息工程学院,贵阳 550025,,贵州民族大学 数据科学与信息工程学院,贵阳 550025,,贵州民族大学 数据科学与信息工程学院,贵阳 550025,

关键词：图像分割;模糊C均值;KL信息;空间强度信息;混合噪声

基金：国家自然科学基金项目(62062024)；贵州省省级科技计划项目(黔科合基础-ZK[2021]一般342)；贵州省教育厅自然科学项目(黔教技[2022]015)；贵州省模式识别与智能系统重点实验室2022年度开放课题项目(GZMUKL[2022]KF03).

为了增强传统模糊C均值聚类算法的抗噪性能,保持任意像素与相邻像素间的隶属度相似性,提出一种自适应空间强度约束和KL信息的模糊C均值彩色噪声图像分割算法.首先,通过快速双边滤波器获取局部空间强度信息,用于平滑噪声像素;然后,将局部加权平均隶属度作为先验概率,并通过KL信息将其嵌入目标函数,从而优化隶属度的划分矩阵;最后,计算原始图像与双边滤波图像间的绝对强度差,用指数形式的绝对强度差作为双边滤波图像的自适应权值,并将其倒数作为原始图像的自适应权值.当混合噪声密度为30%时,所提出算法在彩色合成图像上的划分系数和划分熵分别为99.66%和0.58%,在彩色真实图像上的划分系数和划分熵分别为98.77%和2.03%.实验结果表明,与其他相关算法相比,所提出算法的抗噪性能更强、分割精度更高、稳定性更好.

来源：2024年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第10期