基于ACS－FCM算法的圖像分割研究
加入技術交流群
原始圖像 canny算子邊緣檢測
fcm算法分割本文算法分割
圖3 lenna圖片的分割效果圖
圖2，圖3所示依次為紅細胞，lenna圖片的原始圖像，canny算子邊緣檢測，fcm算法以及本文算法的分割結果。
從圖中可以看出，canny算子能夠把圖像中紋理細節及灰度值較低的很多區域都能較好的檢測出來，但不能區分不同的灰度；fcm算法可以把圖像大致分割出來，但對紋理細節的處理不是很好；而acs-fcm算法分割效果比較顯著，既可以把圖像中紋理細節以及灰度較低部分很好的分割出來，又可以把灰度變化情況表示出來。因此改進后的acs-fcm算法是一種比較有效的圖像分割方法。
5 結束語
本文將acs-fcm算法應用到圖像分割中，并在圖像分割中取得了可觀的效果。在實驗中與常用的canny邊緣提取算子和fcm算法的分割效果進行對比得知，基于acs-fcm算法的分割效果較之有明顯的改進，但在實際應用中，針對不同的圖形，不同的算法的分割效果各有優劣之處， 能否將其它新的混合式算法應用于圖像分割中，也是值得我們進一步研究的問題。
參考文獻
[1] rafael c.gonzalez,richarde.woods,steven l.eddins.數字圖像處理[m]. 電子工業出版社,2007:285-320.
[2] 黃長專,王彪,楊忠. 圖像分割方法研究[j]. 計算機技術與發展,2009,19(6):76-79.
[3] 康曉東,何丕廉,劉玉潔等.基于蟻群算法的醫學圖像分割研究[j]. 計算機應用研究, 2008,(25)9:2853-2855.
[4] eric bonabeau,marco dorigo, guy theraulaz. swarm intelligence from natural to artificial systems[m]. oxford university,1999.
[5] 趙霞,田恩剛. 蟻群系統(acs)及其收斂性證明[j]. 計算機工程與應用,2007,43(5):67- 70.
[6] h azzage,c guinot,g venturini.how to use ants for hierarchical clustering[c].in: fourth international workshop on ant colony cptimi-zation and swarm intelligence,brussels,belgium,lncs 3172,2004:350-357.
[7] h azzag,n monmarche,m slimance et al.anttree:a new model for clustering with artificial ants [c]. in:ieee congress on evolutionary computation,canberra, australia,2003:8-12.
[8] 胡新榮,李德華,王天珍.基于蟻群優化算法的彩色圖像顏色聚類的研究[j].小型微型計算機系統,2004:25(9);1641-1643.
[9] 陳柒伍,陳 靜,徐 丹.基于蟻群聚類算法的彩色圖像量化方法[j].云南大學學報( 自然科學版),2007,29(s2):219-223.
[10] 葉志偉,鄭肇葆.蟻群算法中參數α、β、ρ設置的研究椧訲sp問題為例[j].武漢大學學報(信息科學版),2004,29(7):597-601.
評論