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(jié)果。
從圖中可以看出，canny算子能夠把圖像中紋理細節(jié)及灰度值較低的很多區(qū)域都能較好的檢測出來，但不能區(qū)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(jié)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(jié)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(jié)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(yōu)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(shù)字圖像處理[m]. 電子工業(yè)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(fā)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(yī)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(tǒng)(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(yōu)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(tǒng),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(shù)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