自适应非局部空间约束与K-L信息的模糊C-均值噪声图像分割算法

针对传统模糊C-均值聚类(FCM)算法对噪声鲁棒性差的问题,提出一种自适应非局部空间约束与K-L信息的模糊C-均值噪声图像分割算法.首先,通过定义平滑度,设计自适应匹配函数,实现非局部空间信息项搜索窗口和邻域窗口的自适应计算,克服非局部空间信息窗口大小固定的问题.其次,将K-L信息引入目标函数,利用隐马尔可夫模型计算图像像素的上下文信息,减少分割的模糊性.最后,利用原始图像和非局部空间信息项局部方差的绝对差和其倒数自适应约束原始图像和非局部空间信息项,实现约束项参数的自适应选择,提高算法的灵活性.含噪合成图像和彩色图像分割实验表明,该算法在分割精准度、平均交互比、归一化互信息、模糊分割系数和模糊划分熵等性能方面均优于其他几种FCM算法.例如,在混合噪声密度为15%的条件下,算法的模糊分割系数和模糊划分熵分别达到99.92%和0.14%.