论文部分内容阅读
在图像分割的多种方法中，模糊C均值（FCM）聚类是最简单有效的。可能性C-均值算法（PCM）作为FCM的同类算法具有更佳的聚类性能和概率解释性，但无论是FCM还是PCM均受隶属度的约束影响使其对噪声点和野值点较为敏感。针对以上问题，提出了一种新的称之为类间极大化的PCM算法（MPCM）聚类算法。该算法考虑了对类间的惩罚，通过调控参数λ ，拉大类中心之间的距离，实现图像中像素点的最佳分类。给出了人工合成纹理图像、真实图像以及带有椒盐噪声的真实图像的实验，结果表明算法在图像分割效果上优于传统的聚类分析算法。