摘要:基于模糊C均值聚类的图像分割法是图像分割领域中广泛应用的一种算法,特别适合解决灰度图像中存在的模糊和不确定性的问题。但是由于噪声等干扰因素的影响,使得利用传统的聚类方法进行图像分割得不到满意的结果,鉴于此,本文提出了基于二维直方图加权的塔形模糊c均值聚类算法和基于统计检验指导的WFCM算法。论文关键词:图像分割,聚类分析,FCM,WFCM,塔形分解图像分割是数字图像处理中的关键技术之一,图像分割的好坏直接影响对计算机视觉中的图像理解。在众多的图像分割算法中,基于聚类分析的图像分割方法是图像分割领域中一类极其重要和应用相当广泛的算法。传统的聚类分析是一种硬划分,它把每个待辨识的对象严格地划分到某个类中,具有非此即彼的性质,因此这种分类的类别界限是分明的。而实际上大多数对象并没有严格的属性,它们在性态和类属方面存在着中介性,适合进行软划分。Zadeh提出的模糊集理论为这种软划分提供了有力的分析工具,人们开始用模糊的方法来处理聚类问题,并称之为模糊聚类分析,将模糊聚类分析引入图像分割之中,便形成了模糊聚类图像分割技术。基于模糊C均值聚类的图像分割方法是图像分割领域中广泛