基于改进的FLICM的医学图像分割研究

针对医学图像灰度分布模糊不确定、噪声污染重等特点,提出了一种新的FLICM的改进算法,以进一步提高医学图像的分割精度和算法抗噪性。对FLICM算法严格按照梯度下降法推导获得新的隶属度和聚类中心表达式,然后设计一种充分利用像素的灰度信息和局部空间信息的FLICM改进算法。相比于原FLICM算法的医学图像分割,其抗噪性能更强,分割精度更高。理论分析和实验测试结果表明,该改进算法更适用于医学临床诊断。

基于差异图融合和FLICM聚类的SAR图像变化检测

针对传统SAR图像变化检测算法易受噪声影响、检测精度低等问题,提出了一种基于差异图融合和FLICM聚类的SAR图像变化检测算法。该算法以对数比和滤波比法生成两幅不同表征的差异图像,并设计融合算子对两差异图的特征信息进行综合,获取高可分性的融合差异图;之后采用局部信息模糊C均值聚类对融合差异图进行处理,分离出其中的变化区域和非变化区域。实验选用漏检数、误检数、正确率、Kappa系数作为评价指标,对算法进行了定性和定量的实验分析。分析结果表明,所提出的算法具有更好的相干斑噪声抑制能力,可有效、准确地检测出变化区域,提高了变化检测的精度。

基于FLICM的浅层目标毫米波全息检测研究

检测浅层隐匿目标要求探测系统能有效穿透各种介质并能对不同深度处的目标实现成像。毫米波由于其穿透性高、对生物体伤害小、环境适应能力强和在该波段下不同材料的回波对比度较好的特点广泛应用于隐匿目标探测领域。宽带毫米波探测系统通过FMCW毫米波雷达阵列采集隐匿目标的反射信号以重建电场分布信息,获取目标的图像。但是毫米波探测系统的距离分辨力不足,重建的图像会受全息散斑的影响引入伪像而干扰真实目标的图像。针对这一问题,提出基于结合局部信息的模糊c均值阈值算法(FLICM)分割真实目标的方法以减少虚假目标的干扰,并将所提出的算法与传统算法进行了比较。实验结果表明,所提出的算法有效地实现了隐匿目标的图像分割,抑制了散斑的影响,提高了对隐匿物品的探测精度。

结合SCoW的改进FLICM医学图像分割研究

为了提高医学图像的分割精度和分割效率,针对模糊局部C-均值(fuzzy local information C-means,FLICM)系列算法分割效率低、局部空间信息描述不够准确的问题,提出结合空间约束分水岭(spatial-constrained watershed,SCo W)的改进FLICM分割算法。首先对图像进行SCo W预处理分块,压缩预处理数据;然后修正细分割处理,提取各超像素块的均值特征;最后设计一种改进的FLICM算法对各超像素块进行聚类,完成图像分割。与原FLICM算法相比,结合SCo W的改进FLICM算法的分割精度更高,分割效率得到大大提升。经理论分析和实验测试表明,该改进算法更适用于医学临床诊断的需要。

参数自适应的可变类FLICM灰度图像分割算法

为解决传统FLICM算法需人为给定图像聚类数的问题,基于该算法通过聚类中心描述聚类的特点,设计以聚类中心为操作对象的分裂合并操作,以实现可变类图像分割.在此基础上定义分裂合并操作的接受率,不但能够有效避免算法陷入局部极值,促进其快速收敛,同时有利于参数阈值的自适应.分别利用所提出算法和传统ISODATA算法分割模拟图像和灰度纹理图像,对其结果的定性定量分析验证了所提出算法的有效性和普适性.

一种结合遗传算法的图像分割方法

模糊聚类算法是一种解决图像分割的常见算法,Stelios在模糊C均值聚类算法的基础上提出了FLICM算法,极大地改进了图像分割的效果。基于此,经过分析证明FLICM算法存在的不收敛问题,在此基础上改进了FLICM算法,并提出了结合遗传算法来解决因目标函数复杂度高而无法给出"闭合"迭代公式的问题。从结果来看,该算法不仅克服了FLICM算法不收敛的问题,而且取得了更好的图像分割效果,使得图像细节得到更充分的保留。

结合模糊聚类与色彩空间的遥感图像阴影检测

高分辨率遥感图像中的阴影会导致特征信息的丢失、物体的假色调和形状失真,严重影响图像的质量。针对现有阴影检测算法对遥感图像中非匀质阴影区域及亮阴影区域易漏检、检测精度低等问题,该文结合模糊聚类及HSV色彩特征提出了一种新的遥感图像阴影检测算法。首先,对图像进行预处理,剔除亮度、饱和度与阴影区相似的干扰地物;其次,利用基于局部信息改进的模糊聚类算法对图像进行结合邻域信息的聚类,克服噪声情况下的错误聚类;最后,结合图像在HSV色彩空间的H分量和RGB空间的灰度直方图进行多阈值提取阴影,得到阴影区域。实验证明,改进算法有机结合了阴影像素点的邻域信息及色彩不变特性,在亮阴影及非匀质阴影区域检测中明显提高了检测精度。

一种基于新差异算子和纹理的SAR图像水体变化检测算法

针对多时相合成孔径雷达(SAR)变化检测中的孤立噪声点、需人工选择部分参数、信息利用不全等问题,提出一种基于新差异算子和纹理的SAR图像水体变化检测算法。一是根据SAR图像的特征,结合比率检测算子(LR)和最大似然比检测算子(LLR),提出一种新的差异算子,放大非变化和变化区域的特点,然后根据新差异图像的相邻直方图比值图确定差异图像初始分割阈值。二是提出一种新的基于局部信息的模糊C均值聚类(FLICM)方法,该方法利用初始分割阈值得到初始聚类中心,然后提出基于纹理的FLICM(FLICM_texture)方法进一步将差异图像分为3类。三是根据差异图像分割的阈值将过渡区域再次分类。本文利用加拿大渥太华和瑞士伯尔尼市、印度金奈上空的SAR图像,展示了本文方法的优越性。渥太华地区的正确率(PCC)达到了98.00%,kappa系数达到了92.03%;伯尔尼地区PCC达到了99.66%,kappa系数达到了85.77%;金奈地区PCC达到了98.83%,kappa系数达到了84.96%。

基于模糊局部信息C均值的SAR图像变化检测

变化检测本质上可以看作是对变化区域和非变化区域的聚类问题。针对未考虑邻域信息的模糊C均值聚类算法容易受到噪声影响,本文提出了一种基于模糊局部信息C均值聚类(FLICM)的变化检测方法。考虑到比值法得到的差异影像中还有加性噪声对检测的影响,本文采用字典去噪方法,利用稀疏表达去除加性噪声,从而提高检测精度。该算法首先利用比值法构造差分影像,然后用Gabor字典对图像进行去噪,最后通过模糊局部信息C均值对图像进聚类,获得变化区域。为验证本文算法是否有效,本文选用了两个不同地区的多时相SAR图像,研究结果表明,与其他算法的实验比较,本文提出的方法有较高的检测精度。