基于空间模式聚类的彩色图像分割

采用了一种基于空间模式聚类的方法,它将图像中的每个像素看成是一个模式,每个模式既体现了所代表像素的空间信息,又包括了像素的颜色信息。这样,对像素的聚类,转变成为对模式的聚类,聚类过程考虑了彩色图像空间中的三个颜色分量。经过实验,此方法能够比较好的对一些彩色图像进行聚类图像分割。

基于矫正变量的聚类噪声图像分割算法

传统聚类图像分割算法在对含有噪声的图片进行分割时图片中的噪声往往引起较大的偏差。针对含有一定噪声的图片提出一种算法,分别在传统模糊聚类算法中的距离公式和隶属度值公式中增加修正量的方法,以减少噪声对聚类结果的影响。实验结果证明该方法对一些噪声图片具有抗噪性能。

改进的基于空间模式聚类的图像分割

为了提高算法在含有一定噪声的图片中的分割功能,将一种隶属度函数计算方法加入到一种空间模式聚类算法当中,使原本已经充分挖掘图像空间信息的聚类算法,在含有一定噪声的图片上得到较好的分割效果。实验证明,修改后的算法提高了抗噪性能。

具有数据容错能力的模糊C均值聚类算法

提出基于模糊c均值聚类算法的两个新算法。设置每个数据隶属度的误差阈值,规定每个数据的隶属度误差不能超过给出的误差阈值。使用该类算法可以对有误差的数据进行模糊聚类。先利用隶属度矩阵的误差范围建立新的拉格朗日函数,再使用Kuhn-Tucker条件计算该函数,并通过一组实验来证明这类算法的正确性和有效性。