红外图像分割的改进模糊C均值聚类方法
文献类型：期刊论文
| 作者 | 魏英姿 ; 李静静 |
| 刊名 | 计算机工程与应用
 |
| 出版日期 | 2014 |
| 卷号 | 50期号:9页码:163-166 |
| 关键词 | 红外图像分割 模糊C均值算法 聚类中心 轮廓指标 |
| ISSN号 | 1002-8331 |
| 其他题名 | Enhanced Fuzzy C-Means clustering method for infrared image segmentation |
| 产权排序 | 1 |
| 中文摘要 | 分类数和初始聚类中心的选取对红外图像的分割结果有较大的影响。传统的模糊C均值算法的分类数和聚类中心往往设定为经验值。为获得最佳的分类数，提出采用轮廓指标确定出较理想的分类数。针对传统的模糊C均值聚类算法对初始聚类中心比较敏感的问题，提出了基于直方图灰度值的最小最大距离法来确定初始聚类中心。实验结果表明该方法有效可行。 |
| 英文摘要 | The numbers of clusters and clustering center have a great effect on the selection of image segmentation results. The traditional Fuzzy C-Means algorithm always adopts empirical values as the number of clusters and clustering center. In order to determine the optimal number of clusters, the validity measure variable of Global Silhouette Index is employed. The most important disadvantage of Fuzzy C-Means clustering is that it generally does not give proper clustering center in the first run. A method which is the minimum-maximum distance based on the gray value of histogram to compute the original clustering center is put forward. Experimental results show that the method is effective and efficient. |
| 收录类别 | CSCD |
| 资助信息 | 机器人学国家重点实验室开放基金(No.RLO201005)；辽宁省博士启动基金(No.20101125-YOL6170601)。 |
| 语种 | 中文 |
| CSCD记录号 | CSCD:5129071 |
| 源URL | [http://ir.sia.ac.cn/handle/173321/15108]  |
| 专题 | 沈阳自动化研究所_机器人学研究室 |
| 推荐引用方式 GB/T 7714 | 魏英姿,李静静. 红外图像分割的改进模糊C均值聚类方法[J]. 计算机工程与应用,2014,50(9):163-166. |
| APA | 魏英姿,&李静静.(2014).红外图像分割的改进模糊C均值聚类方法.计算机工程与应用,50(9),163-166. |
| MLA | 魏英姿,et al."红外图像分割的改进模糊C均值聚类方法".计算机工程与应用 50.9(2014):163-166. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。