Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных

Abstract

Работа посвящена описанию модифицированного метода нечеткой кластеризации полутоновых изображений, который на каждой итерации выполняет динамическое преобразование исходных данных на основе сингулярного разложения с автоматическим отбором наиболее значимых столбцов матрицы левых сингулярных векторов. Это дает возможность повышения чувствительности сегментации. Предложенный метод показан на примере алгоритма нейро-фаззи кластеризации sFCM. Результаты экспериментальных исследований были получены при обработке реальных полутоновых медицинских изображений. При этом было достигнуто лучшее выделение объектов интереса и структуры изображения в целом.

The work is devoted to the description of the grayscale images fuzzy clustering method, which performs dynamic transformation of initial data based on singular decomposition (with automatic determining the most important columns of left singular vectors matrix) on each step. This approach may lead to segmentation sensitivity enhancement. Proposed method was described on the example of neuro-fuzzy clustering algorithm sFCM. The results of experimental researches were obtained after processing of real grayscale medical image. Better identification of objects of interest and whole image structure was achieved.