基于ACS－FCM算法的图像分割研究
原始图像 canny算子边缘检测
fcm算法分割本文算法分割
图3 lenna图片的分割效果图
图2，图3所示依次为红细胞，lenna图片的原始图像，canny算子边缘检测，fcm算法以及本文算法的分割结果。
从图中可以看出，canny算子能够把图像中纹理细节及灰度值较低的很多区域都能较好的检测出来，但不能区分不同的灰度；fcm算法可以把图像大致分割出来，但对纹理细节的处理不是很好；而acs-fcm算法分割效果比较显著，既可以把图像中纹理细节以及灰度较低部分很好的分割出来，又可以把灰度变化情况表示出来。因此改进后的acs-fcm算法是一种比较有效的图像分割方法。
5 结束语
本文将acs-fcm算法应用到图像分割中，并在图像分割中取得了可观的效果。在实验中与常用的canny边缘提取算子和fcm算法的分割效果进行对比得知，基于acs-fcm算法的分割效果较之有明显的改进，但在实际应用中，针对不同的图形，不同的算法的分割效果各有优劣之处， 能否将其它新的混合式算法应用于图像分割中，也是值得我们进一步研究的问题。
参考文献
[1] rafael c.gonzalez,richarde.woods,steven l.eddins.数字图像处理[m]. 电子工业出版社,2007:285-320.
[2] 黄长专,王彪,杨忠. 图像分割方法研究[j]. 计算机技术与发展,2009,19(6):76-79.
[3] 康晓东,何丕廉,刘玉洁等.基于蚁群算法的医学图像分割研究[j]. 计算机应用研究, 2008,(25)9:2853-2855.
[4] eric bonabeau,marco dorigo, guy theraulaz. swarm intelligence from natural to artificial systems[m]. oxford university,1999.
[5] 赵霞,田恩刚. 蚁群系统(acs)及其收敛性证明[j]. 计算机工程与应用,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] 胡新荣,李德华,王天珍.基于蚁群优化算法的彩色图像颜色聚类的研究[j].小型微型计算机系统,2004:25(9);1641-1643.
[9] 陈柒伍,陈 静,徐 丹.基于蚁群聚类算法的彩色图像量化方法[j].云南大学学报( 自然科学版),2007,29(s2):219-223.
[10] 叶志伟,郑肇葆.蚁群算法中参数α、β、ρ设置的研究椧訲sp问题为例[j].武汉大学学报(信息科学版),2004,29(7):597-601.
评论