基于分裂式k均值聚类的图像分割方法

？模糊c均值聚类(fcm)算法是一种有效的无监督图像分割方法，适用于任意分类数，不需要预知图像特征，但其聚类效果直接受待分类样本噪声和分类初始条件的影响。因此，提出了一种适用于彩色图像分割的分裂式k均值聚类(fkm)算法，该算法首先使用中值滤波对分类样本去噪，然后使用一种分裂聚类法对图像样本进行预分类，得到一组样本集初始划分，最后以这组划分为起点，使用基于概率距离的k均值聚类对图像分割进行迭代优化。实验结果表明，该算法可以避免fcm的误分类，诸如陷于中心死区、中心重叠和局部极小值，而且提高了分割速度。