论文部分内容阅读
图像分割在众多领域发挥着重要作用,随着图像分割理论和方法研究的不断深入,聚类算法被用于图像分割中。文章针对聚类算法中经典的K-means算法和基于模糊划分的FCM算法会产生局部极小值等聚类效果不理想的问题,采用KFCM算法将核模型用于表示FCM算法中的欧氏距离,通过非线性映射将问题由低维转到高维特征空间进行处理,实现数据的线性可分,使算法更具鲁棒性,进而提高聚类效果。通过实验,KFCM算法分割效果优于Kmeans算法和FCM算法,能够较好地提取感兴趣目标,且所需聚类时间不长。