新的鲁棒模糊C-均值聚类分割算法及其应用

摘要

针对Krinidis等人提出的模糊局部C-均值聚类系列算法缺乏合理性的不足,提出一种新的鲁棒模糊局部C-均值聚类分割算法.对鲁棒模糊局部C-均值聚类的目标函数重新分析并建立正确的聚类目标函数,对新的聚类目标函数及其约束条件采用拉格朗日乘子法进行严格数学推导并获得一种新的隶属度和聚类中心迭代表达式,最后设计一种新的充分利用像素邻域信息图像聚类分割算法.实验结果表明,所建议的鲁棒模糊局部C-均值聚类分割算法是有效的,相比现有鲁棒模糊局部C-均值聚类分割算法更适合复杂遥感等图像分割的需要.