基于空间约束的学生T混合模型的模糊聚类图像分割

简介：
本研究提出了一种结合学生-T混合模型和空间约束的模糊聚类算法，有效提升了图像分割的质量与准确性。 为了解决基于高斯混合模型的模糊聚类算法在处理噪声和异常值时存在的敏感性问题，本段落提出了一种新的方法：利用包含邻域关系的先验概率与Student’s-T分布构建一种具有空间约束条件下的混合模型，并结合熵规则化项来定义一个改进的目标函数。由于Student’s-T分布具备重尾特性，它在抗噪能力方面优于高斯分布。此外，为了更有效地减少噪声的影响，在标号场中采用马尔科夫随机场模型描述像素与其邻域像素之间的相关性，并将其转化为混合模型中的权重系数以提高算法的鲁棒性和稳定性。 通过模拟图像和真实彩色图像分割结果的定性定量分析表明，所提出的改进算法具备有效性和可行性。