一种视觉显著性引导的模糊聚类图像分割方法

传统的模糊C均值聚类算法利用图像的灰度、颜色、纹理、强度等底层特征进行聚类，实现图像的分割，它容易受到噪声的影响，且计算量大，不能提供理想的彩色图像分割结果。针对这些问题，提出一种视觉显著性引导的模糊聚类图像分割方法。首先使用显著性检测对图像进行初始化分割，得到带有区域级标注信息的引导图，然后将引导图作为指导信息，引导模糊聚类算法对图像进行细分割。在公共数据集上的实验结果表明，本文方法与其他改进的FCM算法和深度网络分割模型相比，可以取得较好的分割效果，有效减少了分割时间。