自适应特征选取的鲁棒模糊聚类分割算法

摘要 面对模糊C-均值聚类仅适合单峰特征数据集且噪声敏感问题,将马尔科夫随机场与特征选取高斯混合模型结合,提出一种基于马尔可夫随机场特征选取模糊聚类算法.在特征选取高斯混合模型聚类目标函数基础上,利用聚类像素所对应邻域内所有像素的分类先验信息并结合马尔可夫随机场理论,确定像素分类先验概率,并通过KL散度将其作为尺度参数引入到特征选取高斯混合模型聚类目标函数,采用最优化方法获取迭代求解的隶属度、聚类中心等表达式,并以此给出相应的图像分割算法.通过对噪声干扰标准灰度图像与脑部CT图像等的分割测试结果表明,本文所建议的算法是有效且具有良好的抗噪鲁棒性