《表3 聚类中心：用于分割无损检测图像的改进的抑制式模糊C均值聚类算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《用于分割无损检测图像的改进的抑制式模糊C均值聚类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从定性和定量两方面评价算法分割效果。在定性评价方面，以每幅图像的标准分割图为参考（即图1～5中的(b）)，由图1～5的分割结果可以直观看出，IS-FCM算法能够对5幅无损检测图像进行有效分割，更接近相应图像的标准分割图，而另外几种算法对NDT1～NDT5图像分割效果较差。在定量评价方面，由表2的统计看出，本文的IS-FCM算法相比于其它对比算法的SA更高。由表3可以看出，对于NDT1～NDT5，所提出的IS-FCM算法得到的聚类中心与对比算法相差较大，这里以NDT1为例进行说明:结合图1（c）的灰度直方图可以看出，IS-FCM算法得到的聚类中心（108.3，193.0）显然比其他聚类中心更符合直方图的分布情况，也就是说灰度值108.3更能够表征图1（c）左侧较大类的中心，灰度值193.0更能表征图1（c）右侧较大类的中心。综上，本文算法能够有效分割灰度分布不均衡的无损检测图像，即能够有效地使得图像的目标区和背景区相分离，从而为后续的图像识别与测量奠定基础。