Bulanık C-ortalama (FCM) algoritmasına dayalı yeni görüntü bölütleme sisteminin geliştirilmesi

Görüntü bölütleme, görüntü işlemede en önemli ve temel bir tekniktir. Bölütleme işlemi, görüntüyü gri seviyesi, renk bilgisi ve bunun gibi bazı özelliklere göre anlamlı bölgelere ayırma işlemidir. Bu çalışmada Bulanık- C Ortalamaları tabanlı yeni bir görüntü bölütleme sistemi önerilmektedir. Önerilen algoritma da topaklama üyelik fonksiyonları, görüntü gri seviye histogramı'ndan belirlenir. Bu çalışmada topaklanacak nesne olarak görüntünün piksel gri seviye değerleri alınmıştır. Geliştirilen sistem, çeşitli görüntülere uygulanmış ve görüntülerin bölütlenmeşinde kullanılan geleneksel Bulanık C-Ortalamaları yöntemlerinden daha iyi sonuçlar alındığı görülmüştür.

Development of a novel image segmentation system based on fuzzy C-means (FCM) algorithms

Image segmentation is one of the most important techniques in image processing. Image segmentation is to divide an image into meaningful areas according to some characteristics such as level of gray, color information, etc. In this paper a new Fuzzy-C Means based image segmentation procedure is proposed. In the proposed algorithm, cluster membership functions are determined by looking at the gray level histogram. In this study image's pixel gray level values are used as the cluster object. The system is applied to various images and results show proposed Fuzzy C-Means algorithm provides better results than traditional Fuzzy C-Means algorithms in image segmentation.

PDF

___

1. Pal R. N.,Pal S. K., "A Review on Image Segmentation Techniques", Pattern Recognition, vol.26, no.9, pp. 1277-1294,1993.

2. T. Kohonen, "Self-Organization and Associative memory", 3rd Ed. Berlin, 1989

3. J.C. Bezdek, "Pattern Recognition with Fuzzy Objective Function Algorithms", Plenum Press, New York, 1981.

4. J.C. Bezdek, R Ehrlich, W.Full "FCM: the fuzzy c-means clustering algorithm" Comput Geo Sci 1984; 10(2):191-203

5. J. Ton, R. Gonzales, "Pattern Recognition Principles", Addison-Wesley, Massachusetts, 1974

6. T. L. Huntsberger, C. L. Jacobs, R. L. Cannon, "Iterative Fuzzy Image Segmentation", Pattern Recognition, vol. 8, no. 2, pp. 131-138,1985

7. Dulyakarn and Y. Rangsanseri, "Fuzzy C-Means Clustering Using Spatial Information with Application to Remote Sensing" 22nd Asian Conference on Remote Sensing, 5-9 November 2001, Singapore.

8. K. Yaman, A. Sarucan, M. Atak, N. Aktürk, "Dinamik Çizelgeleme İçin Görüntü İşleme Ve Arıma Modelleri Yardımıyla Veri Hazırlama" Gazi Üniv. Müh. Mim. Fak. Der. Cilt 16, No 1, 19-40, 2001 Vol 16, No 1,19-40,2001

9. W., Pedrycz, "Fuzzy Clustering with partial supervision" IEEE Transactions on Systems, Man and Cybernetics, Part B: Cybernetics, 27(5),pp 787-795,1997.

10. Matlab Yazılımı, http://www.mathworks.com/

11. H.Atmaca, M.Bulut, D.Demir , "Histogram Based Fuzzy Kohonen Clustering Networks For Image Segmentation", International Conference on Image Processing (ICIP'96), Switzerland, 1996.

12. H. Atmaca, M. Bulut, D. Demir, Ş. Pazar, "A New Fuzzy Kohonen Clustering Network Based on Histogram For Image Segmentation", International Symposium on Computer and Informations Sciences (ISCIS-XI), Nowember 1996, Antalya, Turkey.