informИнформатикаInformatics1816-03012617-6963UIIP NASBinform-158Research ArticleОБРАБОТКА СИГНАЛОВ, ИЗОБРАЖЕНИЙ, РЕЧИ, ТЕКСТА И РАСПОЗНАВАНИЕ ОБРАЗОВSIGNAL, IMAGE, SPEECH, TEXT PROCESSING AND PATTERN RECOGNITIONМЕТОД НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ k-СРЕДНИХ СО СГЛАЖИВАЮЩЕЙ ШТРАФНОЙ ФУНКЦИЕЙMETHOD FUZZY CLUSTERING k-MEANS WITH SMOOTHING PENALTY FUNCTIONЗалесскийБ. А.ZaleskyB. A.zalesky@tut.byОбъединенный институт проблем информатики НАН БеларусиBelarus201406102016031420Copyright © Залесский Б.А., 20162016Залесский Б.А.Zalesky B.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/158

Рассматривается новый подход к кластеризации полутоновых, цветных и мультиспектраль-ных изображений на основе метода нечеткой кластеризации k-средних. В нем предполагается ло-кальная однородность кластерного представления в областях, не разделенных градиентом исходного изображения, за счет использования аддитивной штрафной функции гиббсовского типа, задающей степень гладкости решения в соседних пикселах, в зависимости от величины и направления градиен-та, проходящего между ними. Подход, обобщающий метод нечеткой кластеризации k-средних, по-зволяет, с одной стороны, получить более однородное кластерное представление исходного изобра-жения, а с другой – предотвращает слияние разных кластеров. Он протестирован на модельных изображениях, аэрофотоснимках и космических изображениях, в частности на восьмиканальных мультиспектральных изображениях спутника LANDSAT 7. Приводятся результаты вычислительных экспериментов, которые подтверждают эффективность нового алгоритма.

A new method of clustering of grayscale, color and multispectral images is presented. It is based on conditional optimization of the objective function consisting of the classic fuzzy functional criterion and the penalty function of Gibbs type, which controls local smoothness of the solution. The method provides more smooth solutions that are essentially more precise in comparison with fuzzy c-means results in the case of noisy images.

ReferencesSteinhaus, H. Sur la division des corps materiels en parties / H. Steinhaus // Bull. Acad. Po-lon. – 1956. – Vol. 4 (12). – P. 801–804.Steinhaus, H. Sur la division des corps materiels en parties / H. Steinhaus // Bull. Acad. Po-lon. – 1956. – Vol. 4 (12). – P. 801–804.Lloyd, S. Least squares quantization in PCM / S. Lloyd // IEEE Transactions on Information Theory. – 1982. – Vol. 28, no. 2. – P. 129–137.Lloyd, S. Least squares quantization in PCM / S. Lloyd // IEEE Transactions on Information Theory. – 1982. – Vol. 28, no. 2. – P. 129–137.Bezdek, J.C. Pattern Recognition with Fuzzy Objective Function Algoritms / J.C. Bezdek. – MA, USA : Kluwer Academic Publishers Norwell, 1981. – 256 p.Bezdek, J.C. Pattern Recognition with Fuzzy Objective Function Algoritms / J.C. Bezdek. – MA, USA : Kluwer Academic Publishers Norwell, 1981. – 256 p.Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. – М. : Техносфе-ра, 2005. – 1075 с.Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. – М. : Техносфе-ра, 2005. – 1075 с.Fuzzy Cluster Analysis: Methods for Classification, Data Analysis and Image Recognition / F. Höppner [et al.]. – N. Y. : John Wiley & Sons, 1999. – 300 p.Fuzzy Cluster Analysis: Methods for Classification, Data Analysis and Image Recognition / F. Höppner [et al.]. – N. Y. : John Wiley & Sons, 1999. – 300 p.MacQueen, J.B. Methods for classification and Analysis of Multivariate Observations / J.B. MacQueen // Proc. 5th Berkeley Symposium on Mathematical Statistics and Probability. – Berke-ley, 1967. – P. 281–297.MacQueen, J.B. Methods for classification and Analysis of Multivariate Observations / J.B. MacQueen // Proc. 5th Berkeley Symposium on Mathematical Statistics and Probability. – Berke-ley, 1967. – P. 281–297.Genitha, C.H. Classification of satellite images using new fuzzy cluster centroid for unsuper-vised classification algorithm // C.H. Genitha, K. Vani // Proc. IEEE Conf. on Information and Com-munication Technologies ICT2013. – JeJu Island, 2013. – P. 203–207.Genitha, C.H. Classification of satellite images using new fuzzy cluster centroid for unsuper-vised classification algorithm // C.H. Genitha, K. Vani // Proc. IEEE Conf. on Information and Com-munication Technologies ICT2013. – JeJu Island, 2013. – P. 203–207.

The authors declare that there are no conflicts of interest present.