一种改进的非局部极值FCM图像分割算法

传统模糊C均值聚类算法在图像分割中对初始值敏感,并且需要手动输入聚类数和初始聚类中心,手动输入错误的初始值会导致图像分割结果差;图像中的每个像素点都是相互独立的,未利用其空间信息,导致算法对噪声敏感,分割出来的区域不连续,使得分割结果差.针对上述两个问题,提出了一种改进的非局部极值模糊C均值聚类算法.首先通过计算直方图中每个点的斜率,根据其规则来确定聚类中心和聚类数,解决了对初始值敏感、易陷入局部极值的问题;然后引入非局部滤波计算加权图像,结合了灰度信息和空间信息,抑制了每个像素在非局部空间信息图像中的噪声,提高了分割精度;最后根据最大隶属度原则,把图像像素点归类,完成分割.在医学图像上进行了实验验证,计算JS指标来定量分析分割精度.结果表明,该算法既能有效去除噪声,也能很好地保留图像细节,增强了分割的鲁棒性,提高了分割精度