论文部分内容阅读
FCM(fuzzy C-means clustering)算法在图像分割中应用较为广泛,但其运算时间开销过大的缺点限制了它的应用。现有的利用一维直方图进行聚合从而压缩样本数量的方法虽然加快了运算速度,但随着压缩的增强分割效果明显变差。本文利用图像的边缘点能够更多地表现图像细节特征的特性,通过利用边缘点灰度值的统计信息作为聚合的特征,使数据压缩相同程度时分割效果更好更稳定,并且在压缩程度的选择上更加灵活,从而更适合数据位数较高的图像分割。而且其运算速度较FCM算法也有几十倍的提高。