復雜背景下的車(chē)牌自動(dòng)識別系統
加入技術(shù)交流群
為提高聚類(lèi)的收斂速度，還需對隸屬度進(jìn)行修正，在半抑制式模糊C-均值聚類(lèi)算法(HSFCM)中引入了一抑制門(mén)限參數β，將最大隸屬度值uRj與該門(mén)限進(jìn)行比較，若其大于該門(mén)限，則對其進(jìn)行修正；否則就不對其修正。為了更好地提高聚類(lèi)的速度，將隸屬度修正公式變?yōu)椋?/p>本文引用地址：http://dyxdggzs.com/article/163512.htm
在式(1a)，當最大隸屬度值uRi大于門(mén)限值β1時(shí)，uRi=1，轉為硬C聚類(lèi)算法；當uRi小于門(mén)限值β2時(shí)，不修正；當β1≥uRj>β 2時(shí)，uRj增加為原來(lái)的2-uRj倍，提高其隸屬度。在式(1b)中，將其它隸屬度做相應的修改，以滿(mǎn)足
改進(jìn)后的模糊C-均值聚類(lèi)算法的具體操作步驟如下：
(1)對圖像進(jìn)行灰度處理，獲得灰度值的極值點(diǎn)及個(gè)數來(lái)初始化聚類(lèi)中心初始聚類(lèi)中心V(0)及聚類(lèi)數目C，并具體選取ε>0，令迭代次數k=0。
(2)計算U（K），如果∨j，r,drj(k)>0，則
如果存在j,r，使得drj(k)=0，則令urj(k)=1，且i≠r，uij(k)=0。
(3)根據式(1a)、(1b)，修正隸屬度矩陣U(k)。
(5)如果||V(k)-V(k+1)||ε，則停止，否則令k=k+1，重復步驟(2)、(3)、(4)、(5)。
對圖1所示的原始圖像中，處理后的灰度直方圖如圖2所示，獲得的極值點(diǎn)的個(gè)數(即聚類(lèi)數目)為4，聚類(lèi)中心灰度值特征量的初始化值分別為(21、66、141、186)。通過(guò)改進(jìn)FCM算法后，獲得分割后的圖像如圖3所示。
評論