第３８卷第１期青岛大学学报（工程技术版）Ｖｏｌ．３８Ｎｏ．１２０２３年３月ＪＯＵＲＮＡＬＯＦＱＩＮＧＤＡＯＵＮＩＶＥＲＳＩＴＹ（Ｅ＆Ｔ）Ｍａｒ．２０２３文章编号：１００６９７９８（２０２３）０１０００１１５；ＤＯＩ：１０．１３３０６／ｊ．１００６９７９８．２０２３．０１．００１一种空间信息自适应的鲁棒模糊聚类算法周红纲，郭莉，时鹏飞（青岛大学计算机科学技术学院，山东青岛２６６０７１）摘要：针对传统模糊聚类算法利用空间信息对抗噪声时对图像分割造成影响的问题，本文提出一种新型鲁棒模糊聚类方法（ｆｕｚｚｙｃ－ｍｅａｎｓ＿ａｄａｐｔｉｖｅｓｐａｔｉａｌ，ＦＣＭ＿ＡＳ）。在传统ＦＣＭ算法基础上，引入空间信息自适应方法，提出了新的模糊聚类模型ＦＣＭ＿ＡＳ及其对应的迭代优化算法。该模型在利用像素空间信息对抗噪声的同时，在像素的局部信息和非局部信息之间，设置一个自适应权重参数，实现对空间信息的自适应调整。为验证本文算法的有效性，采用多种流行算法在合成图像和脑ＭＲ图像上进行对比实验。实验结果表明，与传统的模糊聚类方法相比，ＦＣＭ＿ＡＳ算法在处理合成图像和复杂的医学图像噪声时，可有效消除噪声对分割过程的影响，分类相对准确，且边缘信息平滑，图片准确度较高，更加接近理想分割效果，具有更好的鲁棒性和优越性，是一种稳健的图像分割算法。该研究实现了对空间信息的自适应调整，具有一定的理论意义和应用价值。关键词：模糊聚类；医学图像；图像分割；空间信息自适应；鲁棒聚类算法中图分类号：ＴＰ３９１．４１；ＴＰ１８１文献标识码：Ａ收稿日期：２０２２０４２８；修回日期：２０２２０６１６基金项目：国家青年科学基金资助项目（６２００６１３４）；山东省青年基金资助项目（ＺＲ２０２０ＱＦ０３３）作者简介：周红纲（１９９９），硕士研究生，主要研究方向为图像处理和机器学习。通信作者：郭莉（１９９０），女，博士，讲师，主要研究方向为数据挖掘和机器学习。Ｅｍａｉｌ：ａｌｌｙ＿ｋｗｏｋ＠１６３．ｃｏｍ图像分割是图像识别等计算机视觉任务中关键的预处理方法［１］，它是将图像划分成各具特定意义且无交互区域的技术。图像分割方法主要有基于阈值的分割方法［２］、基于边缘检测的分割方法［３］和基于区域提取的分割方法［４］等。从聚类的角度来看，图像分割是根据图像中像素点的灰度信息、空间信息等特征对像素点进行聚类，因此基于聚类［５６］的图像...
