论文部分内容阅读
图像分割是指将一幅图像划分成若干互不重叠的、有意义的和具有相同性质的区域,它是图像处理和模式识别的关键环节。在众多图像分割算法中,模糊C均值算法(Fuzzy C-Means,简称FCM)将图像分割问题转化为最优化问题,它通过对目标函数的迭代优化实现对图像像素模糊划分,根据每个像素属于不同区域的程度将像素分到某个区域中。该算法的最大特点是将模糊理论引入到像素的隶属度,使得FCM算法能够比硬C均值算法保留更多的原始图像信息。FCM图像分割因算法简单、收敛速度快,具有比较直观的几何意义,且能处理模糊信息而在许多领域得到了广泛的应用,但是它也存在一些缺点,主要表现为如下几点:(1)需要人工确定分类数;(2)对初始值敏感易,易陷入局部最优;(3)未考虑空间信息,对噪声敏感;(4)算法耗时。中国是农业大国,土壤是农业发展的基础,在作物的生长和繁育中起着养分转化和循环的作用,是作物所需养分的重要来源。目前分析土壤结构的方法主要有:筛分法、切片法和计算机断层(CT)摄影法、核磁共振(MR)法。但这些方法存在不同程度的缺点,很难普及使用。土壤孔隙,是土壤水流和溶质运移的最重要指标,被认为是土壤图像分析的主要指标,可以通过土壤孔隙的分析土壤结构。图像分割技术可以对土壤图像进行有效分割,具有低成本和实时性等优点。对土壤图像进行分割提取出土壤空隙,为后续的回归模型建立、推断出土壤结构提供技术支撑。基于FCM的不足及FCM应用于土壤图像分割,本文对FCM算法进行了改进。主要研究工作可归纳如下:(1)提出了2种融入空间邻域信息的FCM图像分割的改进算法。利用WFCM算法快速确定聚类中心,然后定义空间函数和空间隶属度以融入空间信息,增强算法的抗噪性。通过修正像素的硬划分矩阵,增强FCM算法对噪声的鲁棒性。(2)提出了对比度增强型的FCM(Enhanced Contrast Fuzzy C-means)图像分割算法。该算法将空间邻域信息代替像素的隶属度,提高了像素属于同一类别的可能性,增强分割后图像的对比度以提取土壤空隙。(3)利用近邻传播(Affinity propagation)确定WFCM算法的分类数和初始聚类中心,然后利用WFCM算法对灰度图像实现快速分割。解决了传统模糊C均值聚类需要事先确定分类数的问题。