基于变分水平集的图像模糊聚类分割

结合变分水平集方法和模糊聚类，提出了一个基于变分水平集的图像聚类分割模型.该模型引入了一个基于图像局部信息的外部模糊聚类能量和一个新的关于零水平集的正则化能量，使得该模型对噪声图像的聚类分割更具鲁棒性.通过在能量泛函中加入一个内部约束能量约束水平集函数为符号距离函数，可以使水平集演化过程无需重新初始化.进一步提出了一种变分形式的聚类中心更新方法，实现了半监督的图像聚类分割.实验中采用不同类型的图像与fcm聚类模型、cv模型、samson模型进行了对比实验，实验结果显示，该模型能够克服图像中噪声的影响，取得较满意的聚类分割效果.