计算机应用

作者：石雪松, 李宪华, 孙青, 宋韬

单位：1. 安徽理工大学 机械工程学院, 安徽 淮南 232001;2. 上海大学 机电工程与自动化学院, 上海 200444

关键词：模糊C均值,小波分解,人工蜂群,小波重构,峰值信噪比,误分率

基金：国家自然科学基金资助项目（61803251）；安徽高校自然科学研究重点资助项目（KJ2016A200）；安徽省科技重大专项（16030901012）；上海市机器人研发与转化功能型平台开放课题（K2020468）；安徽理工大学研究生创新基金资助项目（2019CX2037）。

针对传统模糊C均值（FCM）聚类算法在处理噪声图像时易受到噪声影响的问题，提出了基于FCM的小波域特征增强的噪声图像分割方法。首先，将噪声图像进行二维小波分解；其次，对近似系数进行边缘增强，同时利用人工蜂群（ABC）优化算法对细节系数进行阈值处理，并将处理后的系数进行小波重构；最后，对重构后的图片使用FCM算法来进行图像分割。选取5幅典型的灰度图像，分别添加高斯噪声和椒盐噪声，使用多种方法进行分割，以分割后图像的峰值信噪比（PSNR）和误分率（ME）作为性能指标，实验结果表明，所提方法分割后的图片相较于传统FCM聚类算法分割方法和粒子群优化（PSO）分割方法分割后的图片在PSNR上最多分别有281%和54%的提升，在ME上最多分别有55%和41%的降低。可见所提出的分割方法较好地保留了图像边缘纹理信息，其抗噪性能与分割性能得到了提升。

来源：2021年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第8期