基于稀疏中智聚类的图像分割算法

聚类算法是机器学习领域的重要研究课题之一,基于聚类的分割算法无需图像的任何先验信息,减少了人为干涉,所以该算法已广泛应用于图像处理的多个领域。中智聚类算法由于其处理不确定性问题的优越性,而被广泛用于图像分割算法。本文从中智聚类基础性的研究算法(FC-PFS)出发,提出了一种新的基于稀疏正则项的中智聚类算法。首先引入正则化项,增强隶属度矩阵的稀疏性,其次引入数据k近邻,给出正则化项参数的优化方案,降低调参难度,从而学习到结构合理且稀疏的隶属矩阵,提高中智聚类算法的聚类性能,同时利用提出的算法在无噪声图像,不同方差的高斯噪声及不同密度的乘性噪声图形上进行图像分割,试验结果验证了基于稀疏正则项的中智聚类算法是合理且有效的。