基于粗集与ＦＣＭ的快速图像分割的改进方法

借鉴神经网络里面竞争学习的思路，通过引入一个抑制因子，来提高最大隶属度的值，对应减小其它隶属度的值，以便达到更快的分类速度，同时实现既突出主要因素，又抑制次要因素的目的。提出了基于粗集与ＦＣＭ的快速图像分割的改进方法。实验结果表明，该快速图像分割方法，对于被噪声污染的图像有较好的分割性能，粗集理论在处理不确定性信息方面有着独特的方式和相关信息提取能力，以及和其他智能方法的易融合性，使得粗糙集理论在图像处理领域有良好的应用前景。