第2期 狄岚，等：一种融合邻域信息的模糊C均值图像分割算法 ·277· Fig.6 Image 4 with gaussian noise (a)0.08椒盐噪声 (b)FCM S1 (c)FCM S2 (a)0.15高斯噪声(b)FCMS1 (c)FCM S2 (d)KWFLICM (e)本文算法 (d)KWFLICM (e)本文算法 图4图像2加椒盐噪声效果对比 Fig.4 Image 2 with pepper salt noise 图7图像1加高斯噪声效果对比 Fig.7 Image 1 with gaussian noise 根据以上结果可以看出FCMS1、FCMS2算 法对噪声处理能力一般，KWFLICM和本文算法 3.1.2合成图像添加高斯噪声 表现良好。为了更好地分析几种算法对噪声的处 对于添加了0.15椒盐噪声的图像，可以看出 理能力，将增加噪声数量，图像添加0.15椒盐噪 FCMS1、FCMS2算法对处理椒盐噪声表现一 声，以及0.15高斯噪声分析对比处理结果，见图57。 般，然而对于添加了0.15高斯噪声的图像， FCM_S1、FCMS2算法处理效果比处理椒盐噪声 效果好很多，但图像的边界处仍然有明显噪声无 法去除，KWFLICM和本文算法依然表现良好。表1 将根据分割精确对各算法性能进行详细比较。 表1算法分割精确率 (a)0.15椒盐噪声 (b)FCM SI (c)FCM S2 Table 1 Algorithm segmentation accuracy % 算法对比 FCM FCM_SI FCM_S2 KWFLICM本文 图1加015 椒盐噪声 94.16 95.41 96.15 99.96 99.94 图2加0.15 椒盐噪声 94.44 94.16 95.11 99.96 99.93 图3加0.08 (d)KWFLICM (e)本文算法 椒盐噪声 94.84 96.46 96.33 99.95 99.93 图5图像3加椒盐噪声效果对比 图4加0.15 椒盐噪声 95.27 97.68 99.61 99.93 99.92 Fig.5 Image 3 with pepper salt noise 图1加0.15 高斯噪声 98.99 99.24 99.75 99.95 99.98 图2加0.15 高斯噪声 99.07 98.86 99.82 99.97 99.99 图3加0.15 高斯噪声 98.50 99.45 99.80 99.97 99.99 图4加0.15 (a)0.15高斯噪声 (c)FCM S2 高斯噪声 99.80 99.34 99.98 99.98 99.96 (b)FCM SI 分割精确率SA(segmentation accuracy)定义 如下： SA= 分割正确像素点个数 ×100% (15) 总像素点个数 3.1.3合成图像去噪算法评价 (d)KWFLICM (e)本文算法 对于添加了0.15噪声后，图片已经变得非常 图6图像4加高斯噪声效果对比 模糊，FCMS1、FCMS2算法对于椒盐噪声效果(d) KWFLICM (e) 本文算法 (a) 0.08椒盐噪声 (b) FCM_S1 (c) FCM_S2 图 4 图像 2 加椒盐噪声效果对比 Fig. 4 Image 2 with pepper salt noise 根据以上结果可以看出 FCM_S1、FCM_S2 算 法对噪声处理能力一般，KWFLICM 和本文算法 表现良好。为了更好地分析几种算法对噪声的处 理能力，将增加噪声数量，图像添加 0.15 椒盐噪 声，以及 0.15 高斯噪声分析对比处理结果，见图 5~7。 (a) 0.15椒盐噪声 (b) FCM_S1 (c) FCM_S2 (d) KWFLICM (e) 本文算法 图 5 图像 3 加椒盐噪声效果对比 Fig. 5 Image 3 with pepper salt noise (a) 0.15高斯噪声 (b) FCM_S1 (c) FCM_S2 (d) KWFLICM (e) 本文算法 图 6 图像 4 加高斯噪声效果对比 Fig. 6 Image 4 with gaussian noise (a) 0.15高斯噪声 (b) FCM_S1 (c) FCM_S2 (d) KWFLICM (e) 本文算法 图 7 图像 1 加高斯噪声效果对比 Fig. 7 Image 1 with gaussian noise 3.1.2 合成图像添加高斯噪声 对于添加了 0.15 椒盐噪声的图像，可以看出 FCM_S1、FCM_S2 算法对处理椒盐噪声表现一 般，然而对于添加 了 0.1 5 高斯噪声的图像， FCM_S1、FCM_S2 算法处理效果比处理椒盐噪声 效果好很多，但图像的边界处仍然有明显噪声无 法去除，KWFLICM 和本文算法依然表现良好。表 1 将根据分割精确对各算法性能进行详细比较。 表 1 算法分割精确率 Table 1 Algorithm segmentation accuracy % 算法对比 FCM FCM_S1 FCM_S2 KWFLICM 本文 图1加0.15 椒盐噪声 94.16 95.41 96.15 99.96 99.94 图2加0.15 椒盐噪声 94.44 94.16 95.11 99.96 99.93 图3加0.08 椒盐噪声 94.84 96.46 96.33 99.95 99.93 图4加0.15 椒盐噪声 95.27 97.68 99.61 99.93 99.92 图1加0.15 高斯噪声 98.99 99.24 99.75 99.95 99.98 图2加0.15 高斯噪声 99.07 98.86 99.82 99.97 99.99 图3加0.15 高斯噪声 98.50 99.45 99.80 99.97 99.99 图4加0.15 高斯噪声 99.80 99.34 99.98 99.98 99.96 分割精确率 SA(segmentation accuracy) 定义 如下： SA = 分割正确像素点个数 总像素点个数 ×100% (15) 3.1.3 合成图像去噪算法评价 对于添加了 0.15 噪声后，图片已经变得非常 模糊，FCM_S1、FCM_S2 算法对于椒盐噪声效果 第 2 期 狄岚，等：一种融合邻域信息的模糊 C-均值图像分割算法 ·277·