论文研究基于Canopy聚类的噪声自适应模糊C均值算法.pdf

针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题，提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法（NLWFLICM）。在WFLICM算法的模糊影响因子中引入非局部空间信息，根据噪声程度自适应地设置局部和非局部信息权重，并重新标记中心点的模糊影响因子。实验结果表明，NLWFLICM算法具有比WFLICM算法更强的鲁棒性和自适应性，并在一定程度上提高了WFLICM算法对含有大量噪声图像进行分割的鲁棒性，同时保留了图像的纹理。为了提高算法的聚类性能和收敛速度，结合Canopy算法能够快速对数据进行粗聚类的优点，提出基于Canopy聚类与非局部空间信息的FCM图像分割改进算法（Canopy-NLWFLICM），可以在N