马尔可夫随机场约束下的PCM图像分割算法

作者：周彤彤; 杨恢先; 李淼; 谭正华; 张建波

来源：计算机工程与应用, 2013, (24): 157-160.

• 图像分割
• 可能性C均值
• Markov随机场
• 聚类 image segmentation
• Possibilistic C-Means(PCM)
• Markov random field
• clustering

与模糊C均值(FCM)算法相比较,可能性C均值(PCM)聚类算法具有更好的抗干扰能力。但PCM聚类算法对初始化条件很敏感,在聚类的过程中很容易导致聚类结果一致性,并且没有考虑到像素的空间信息,用在图像分割尤其是多目标图像分割上效果极不稳定。在PCM算法的基础上,利用Markov随机场中的邻域关系属性,引入先验空间约束信息,建立包含灰度信息与空间信息的新聚类目标函数,提出马尔可夫随机场与PCM聚类算法相融合的图像分割新算法(MPCM算法)。实验结果表明,在多目标图像分割上利用MPCM算法可以取得比PCM更好的分割效果。

• 出版日期2013
• 单位湘潭大学