带有深度邻域信息的模糊C均值聚类算法

作     者：车杭骏 陈科屹 王雅娣 刘晓阳 CHE Hangjun;CHEN Keyi;WANG Yadi;LIU Xiaoyang

作者机构：西南大学电子信息工程学院重庆400715 西南大学重庆市非线性电路与智能信息处理重点实验室重庆400715 河南大学河南省大数据分析与处理重点实验室河南开封475004 河南大学计算机与信息工程学院河南开封475004 国防科技大学系统工程学院湖南长沙410073 

出 版 物：《华中科技大学学报（自然科学版）》 (Journal of Huazhong University of Science and Technology(Natural Science Edition))

年 卷 期：2022年第50卷第11期

页      面：135-141页

核心收录：

学科分类：08[工学] 0804[工学-仪器科学与技术] 

基　　金：国家自然科学基金资助项目(62003281,62103428,62106066) 中央高校基本科研业务费专项资金资助项目(SWU020006) 重庆市自然科学基金资助项目(cstc2021jcyj-msxmX1169) 湖南省自然科学基金资助项目(2021JJ40702) 河南省高等学校重点科研项目(22A520019)。 

主　　题：过度分割 模糊C均值 深度邻域信息 像素值差异 位置差异 

摘      要：针对聚类算法用于图像分割时造成的过度分割问题,提出一种带有深度邻域信息的模糊C均值聚类算法(FCM_DN).在传统的带有邻域信息的模糊C均值聚类算法基础上,引入类似高斯滤波的权重来表示像素点的位置差异,同时还引入中心点像素值与邻域点像素值之间的差异.相比于只考虑带有像素点之间位置差异的模糊C均值聚类算法,所提出的算法在聚类时可以使用更大的邻域,从而解决过度分割的问题.结果表明:在人造数据集上,本算法对于椒盐噪声和高斯噪声都有较强的鲁棒性;在现实数据上,本算法相比于11个先进算法在四个指标上有两个指标的表现都位于前三;在SED数据集的归一化互信息(NMI)结果对比中,本算法比其他算法高出1.78%~26.90%.