基于二维直方图加权的模糊C均值聚类的煤泥浮选泡沫图像的分割

通过对实际煤泥浮选泡沫图像的模糊C均值聚类图像分割结果的对比分析,与普通模糊C-均值聚类的算法和一维直方图加权的模糊C-均值聚类的算法相比,基于二维直方图加权的模糊C-均值聚类的算法,具有收敛速度快,实时性强的特性,不仅准确地将煤泥浮选泡沫图像划分了气泡顶点、气泡表面及背景三类像素,还增加了气泡边缘与背景的对比度,使气泡区域定位准确,使得后续的基于标记的分水岭的图像分割更加准确,避免了过分割与欠分割。

基于二维直方图的中智模糊聚类分割方法

加入邻域像素均值,对中智模糊聚类分割算法加以改进,以提高其抗噪性能。将各像素与其邻域像素均值相结合,形成二元数组,统计其出现的频次,由此构造二维直方图。通过对此二维直方图进行中智模糊聚类,实现图像分割。对标准灰度图像添加椒盐噪声和高斯噪声,用以验证改进算法的性能。视觉效果及分割图像的峰值信噪比均显示,改进算法相比原中智模糊聚类分割法具有更好的抗噪能力和分割效果。

基于二维Otsu和模糊聚类的图像分割算法

针对传统二维Otsu算法计算复杂度高的问题,提出一种改进的Otsu图像分割算法。该算法通过求两个一维Otsu法的阈值来代替传统二维Otsu法的阈值,使得计算复杂度得到了降低;同时为了改进分割效果,结合使用了模糊C-均值聚类算法。实验结果表明,改进的算法充分发挥了两者的优势,不仅在计算速度上优于原二维Otsu算法,且分割效果较好。

基于直方图加权的半模糊聚类

通过分析影像数据的特点,利用直方图的统计特性,结合HCM收敛速度快的优点,提出了一种基于直方图加权的半模糊化的聚类算法,此方法结合了全局与局部信息,提高了聚类的速度,改善了聚类的效果;采用Lena和脑影像实验与传统算法作比较证明了该算法的效果更好,并对一副97658k的影像进行处理,证明了该算法效率高。

基于加权模糊C均值聚类的图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点.但是这种算法存在着本质上的缺陷,就是仅利用了图像的灰度信息,而没有考虑像素的空间信息,使得其对于实际的含有噪声的图像分割效果不理想.因此,提出了一种新的加权模糊C均值聚类算法,实践证明,该方法可以有效地、实时地把目标从背景中分割出来,并具有较强的鲁棒性.

基于样本和属性加权的二维FCM聚类分割法

为衰减存在于图像上的噪声,尽可能地精确提取目标,提出一种基于样本和属性加权的二维模糊C-均值(FCM)聚类分割法。构造合理的二维直方图对图像进行滤波,通过改变样本权的幂函数大小提高目标提取的精确性,为提高聚类效果及抗噪性,对目标函数的类内距离进行属性加权,实现属性权数值的自动确定。基于遥感图像和小目标图像的实验结果表明了该方法的有效性。

结合方向信息和模糊聚类的指纹图像二值化方法

尽管指纹图像具有局部方向一致性,但在一些局部区域,尤其是包含指纹奇异点的区域点方向变化仍然较大。鉴于此在求出指纹各个像素的点方向以后对指纹图像进行分块,引入了方向信息可靠块和方向信息不可靠块的概念。对方向信息可靠块提出一种用方向信息分割指纹图像的方法。对方向信息不可靠块,采用两种方法区分出指纹块和背景块:一是利用该块的均值、方差;二是利用邻域信息。在此基础上对不可靠块中的指纹块采用加权模糊C-均值聚类的方法对其进行二值化。实验表明:用本文提出的方法对指纹图像进行二值化处理后得到的二值图像脊线光滑无孔洞、对断线起到了一定的连接作用,而且对于方向变化较大的分块避免了二值化后纹线的偏移。

一种基于模糊聚类的快速图像分割算法

提出一种基于二维直方图加权的模糊c均值图像快速分割算法.通过将原图像和它的平滑图像相结合,构造一个二元组的“广义图像”,广义图像的直方图就是原图像的二维直方图.然后对此二维直方图进行塔形分解得到金字塔的上一层——顶层,相应地称原二维直方图为底层.最后,利用加权模糊c均值聚类算法分别对顶层和底层进行模糊聚类,从而实现对原图像的分割.实验结果与性能分析表明,该算法具有较高的分割速度和良好的抑制噪声的能力.

基于二维直方图的快速FCM图像分割

模糊聚类方法广泛应用于图像分割,目前最常用的算法是将空间邻域信息作为惩罚函数用以修改聚类目标函数,虽然它有效提高了算法的抗噪性,但当数据样本大时,运算速度较慢.为解决此问题,一种利用原图像及其平滑图像的二维统计信息将图像从像素空间映射到二维直方图特征空间的方法被提出,对标准测试图像和真实脑部CT图像的实验表明,该算法在不影响分割效果的前提下快速地对含噪图像进行分割,有效提高了运算效率.

图像分割中模糊聚类数目的确定

尽管模糊聚类是一种无监督的分类,但目前的FCM类型的算法却要求聚类原形参数的先验知识(原型数目及类型),否则算法就会产生误导,这就限制了在图像分割中的应用。因此需要对聚类数目给出一个判断算法。通过对图像的灰度直方图中加入它的梯度信息,提出了灰度-梯度的二维直方图。该方法能有效地抑制噪声的干扰,更准确地得到聚类数目,使模糊聚类完全无监督化。

一种快速鲁棒核空间图形模糊聚类分割算法

针对现有鲁棒图形模糊聚类算法难以满足强噪声干扰下大幅面图像快速分割的需要,提出一种快速鲁棒核空间图形模糊聚类分割算法。该算法将欧氏空间样本通过核函数映射至高维空间;采用待分割图像中像素邻域的灰度和空间等信息构建线性加权滤波图像,对其进行鲁棒核空间图形模糊聚类;并引入当前聚类像素与其邻域像素均值所对应的二维直方图信息,获得鲁棒核空间图形模糊聚类快速迭代表达式。对大幅面图像添加高斯和椒盐噪声进行分割测试,实验结果表明:本文算法相比基于图形模糊聚类等分割算法的分割性能、抗噪鲁棒性和实时性有了显著提高。

基于MAR与FCM聚类的声呐图像分割

针对模糊C均值聚类算法中,聚类效果往往受到聚类中心数目和初始聚类中心的影响这一问题,提出一种基于多尺度自回归(MAR)模型与模糊C均值(FCM)聚类的声呐图像分割方法。引入MAR模型,建立层与层之间以及相邻层像素点间的数学关系,利用粗尺度图像的灰度-邻域均值二维直方图中的峰值个数来确定聚类中心数目,通过MAR得到的预测分割结果引导初始聚类中心的确定。实验结果表明,改进后的算法能准确、快速地确定聚类中心数目,并较好地解决初始聚类中心问题;与传统的FCM聚类方法相比,具有分割准确和收敛速度快的特点。

一种嵌入局部信息的快速KFCM聚类分割算法

针对核空间模糊局部C-均值聚类分割算法时间复杂性过大而不适合实时场合图像分割需要的问题,提出了一种核空间局部模糊C-均值聚类分割的快速算法。利用像素与其邻域像素之间的空间距离信息和灰度方差信息构造一种加权共生矩阵;将图像像素的一维直方图以及像素与邻域像素之间的二维共生直方图相结合构造了一种新的核空间模糊C-均值聚类分割目标函数,并对其推导获得隶属度和聚类中心迭代表达式;将图像像素采用该算法聚类所得隶属度进行邻域滤波处理,以便改善该算法的抗噪性能。实验结果表明,该分割算法相比核空间局部模糊C-均值聚类分割更有利于实时场合和大幅面图像分割的需要。

基于捕食者-食饵微粒群优化的二维FCM图像分割方法

传统模糊C均值聚类算法进行图像分割时仅利用了像素的灰度信息,没有考虑像素的空间邻域信息,因此抗噪性能差.为了克服传统模糊C均值聚类算法的局限性,提出了一种基于捕食者—食饵微粒群算法的二维模糊C均值聚类图像分割方法.该方法将图像的聚类分割转化为一个优化问题,根据像素的灰度信息和改进二维直方图描述的像素邻域关系特性,建立包含邻域信息的适应度函数,并利用捕食者—食饵微粒群的全局优化能力,通过迭代优化获得最优聚类中心,实现图像分割.仿真结果表明,所提算法不易陷入局部最优,抗噪能力强,聚类正确性高,分割效果好,是一种有效的图像分割算法.

基于BEMD和灰度共生矩阵的图像特征提取

提出了一种新的图像特征提取方法,用二维经验模式分解将图像分解到固有模态函数(Intrinsic Mode Functions,IMF)域,即将图像分解成一系列的IMF和一个残差。并结合灰度共生矩阵对所提取到的各IMF图像和残差图像进行特征提取。为了验证算法的有效性,将其推广到像素级,对合成纹理和遥感图像进行了特征提取,并结合核模糊聚类(KFCM)算法对提取的特征向量做聚类分析,实现了图像的有效分割。

医学图像自动多阈值分割

针对医学图像的自动多阈值分割问题,采用模糊C-均值(FCM)聚类法找到医学图像的不同组织和背景的聚类中心,再利用二维直方图的方法,找到多阈值分割的各个阈值点进行分割。引用二维直方图的方法可以很好地保留目标的细节信息,更好地抑制噪声。

湿地遥感图像分割算法设计及实现

提出了一种结合熵和模糊C均值的聚类分割方法。模糊C均值(FCM)聚类算法广泛用于图像的自动分割,但是传统的FCM算法没有考虑像素的空间信息,因而对噪声十分敏感,基于二维直方图的模糊C均值聚类算法除了考虑像素点的灰度信息外还考虑了像素点邻域的空间信息,可有效地抑制噪声;在目标函数中引入熵项则能更好地抑制噪声和外围点对类中心估计的影响。实验分析结果表明,算法对湿地遥感图像的分割效果优于FCM算法。

乳腺动态增强MR图像序列的肿瘤分割

针对乳腺动态增强MRI的特点,本文提出一种基于二维直方图加权模糊聚类算法用于分割乳腺肿瘤。该方法通过对动态增强减影图进行分割来提取肿瘤,并且对福建肿瘤医院提供的临床数据进行了实验验证分析。实验结果表明,该方法对于动态对比增强的乳腺MRI图像的肿瘤分割具有较好的效果。

双绞线图像快速分割算法

提高双绞线图像分割速度是实时测量双绞线绕距的关键。针对模糊C-均值算法聚类速度慢、依赖特征空间分布结构、随机初始化聚类中心等问题,本文提出了一种用于双绞线图像的快速分割算法。首先,快速算法将多维RGB空间转换为一维灰度空间,利用优化搜索范围的二维最大类间方差法分割双绞线图像的前景和背景图像;其次由于一维灰度空间无法有效描述前景图像中像素点在特征空间的分布情况,故将其特征空间转换为CMYK空间,并利用改进的模糊C-均值算法分割双绞线前景图像。该改进算法采用了特征距离,使得算法对数据点的分布具有更好的健壮性,并提出了一种迭代合并最近邻域点的方法初始化聚类中心,使算法迭代次数大大降低。最后与金标准库图像对比,发现改进后的评价参数得到了有效地提升,分割时间约为模糊C-均值算法的31%。通过本文所提出的算法可以快速准确地分割双绞线图像。