영상분할은 컴퓨터비전 시스템에서 영상정보추출의 중요한 과정 중의 하나이다. 이중에서 퍼지 클러스터링 방법은 영상분할에 광범위하게 사용되고 있다. 대부분의 퍼지 클러스터링 방법으로는 FCM 알고리즘이 사용된다. 그러나 FCM 알고리즘은 클러스터의 중심과 데이터간의 거리에 의존하기 때문에 클러스터 크기가 다를 경우에는 데이터가 오분류될 수 있다. 본 논문에서는 클러스트 크기에 상관없이 데이터를 분류할 수 있는 평균내부거리를 이용한 퍼지 클러스터링 알고리즘을 제안하였다. 평균내부거리는 각 데이터로부터 해당 클러스터 중심까지의 거리를 평균한 값으로 클러스터의 크기와 밀도에 비례한다. 실험 결과를 통하여 제안된 방법이 분류 엔트로피와 적합도 함수에 의해서 좋은 결과를 보여주고 있음을 증명하였다.
Image segmentation is one of the important processes in the image information extraction for computer vision systems. The fuzzy clustering methods have been extensively used in the image segmentation because it extracts feature information of the region. Most of fuzzy clustering methods have used the Fuzzy C-means(FCM) algorithm. This algorithm can be misclassified about the different size of cluster because the degree of membership depends on highly the distance between data and the centroids of the clusters. This paper proposes a fuzzy clustering algorithm using the Average Intracluster Distance that classifies data uniformly without regard to the size of data sets. The Average Intracluster Distance takes an average of the vector set belong to each cluster and increases in exact proportion to its size and density. The experimental results demonstrate that the proposed approach has the g<Xld results by classification entropy and validity function.
