《表1 3幅含噪红外图像分割后的部分参数值》

  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

《改进非局部核模糊C-均值聚类的红外图像分割》

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

从图5可以看出:由于标准FCM算法对噪声敏感，因此分割效果较差，分割结果还含有大量错误分类的像素点。FCM-S1算法分割后的图像残留了不少噪声；KFCM-S1分割效果与FCM-S1算法相当，分割后的图像存在部分噪点；而经KFCM-NLS算法分割后的图像仅残留了少数噪点。在图6、7中，由于添加的高斯噪声方差大于图5，因此FCM算法、FCM-S1算法和KFCM-S1算法的分割效果都不佳，均存在大量高斯噪声残留，而KFCM-NLS算法分割效果较好，大量的高斯噪声已被去除，犀牛图像与羚羊图像的轮廓也相比其他算法清晰分明。这是由于KFCM-NLS算法引入非局部空间限制项，提升了抗噪能力。因此，KFCM-NLS算法与FCM算法、FCM-S1算法、KFCM-S1算法相比，能在含噪红外图像分割方面取得更为理想的结果。表1为图5～7所示含噪红外图像分割后的部分参数值。