文献类型：期刊文章

作　　者：吕庆文[1] 陈武凡[1]

机构地区：[1]南方医科大学生物医学工程学院,广州510515

出　　处：《计算机学报》

基　　金：国家"九七三"重点基础研究发展规划项目基金(2003CB716101);国家自然科学基金重点项目(30130180)资助~~

年　　份：2006

卷　　号：29

期　　号：2

起止页码：296-301

语　　种：中文

收录情况：BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2006159819768)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：图像分割是图像信息处理的热点和难点之一.常用的分割方法有阈值法和聚类法等.模糊C均值(FCM)算法因其实现简单、结果较优而得到广泛应用,但FCM算法存在过分依赖初值、收敛于局部极值和需预先给定分类类数等问题.研究者们对此进行了大量研究和改进,但均无法彻底解决上述问题.基于模拟退火算法和互信息量,以最大互信息量为优化目标,文中提出了一种新的分类类数判据———互信息熵差,并在此基础上构造了一种新的阈值分割算法———最大互信息量分割算法(MMS).实验结果表明,MMS克服了FCM算法的上述不足.更为重要的是,作为一种一般性的分类算法,MMS算法如同FCM一样,可以应用到图像分割以外的更广阔的领域,如经济学、运筹学、模式识别等.

关 键 词：图像分割 互信息最  模糊C均值算法

分 类 号：TP391]