基于偏移场校正的模糊局部C-均值聚类算法

为了提高灰度不均匀医学图像分割性能,提出了一种基于偏移场校正的模糊局部C-均值聚类算法。该算法将含偏移场校正的医学图像距离模型应用于模糊局部C-均值聚类算法,并对得到聚类目标函数进行严格推导,获得迭代求解的隶属度、聚类中心和偏移场表达式,来构造聚类分割算法。对比实验表明,相对于现有分割算法,该分割算法在处理医学图像时能够获得较好的分割效果。

条件随机场模型约束下的遥感影像模糊C-均值聚类算法

遥感影像具有丰富的空间相关信息,而传统的基于像元光谱的聚类算法并不能将空间信息融入聚类,聚类结果往往不好。针对这一问题,本文提出了一种条件随机场模型约束下的模糊C-均值聚类算法,通过邻域像元的分类先验信息对中心像元的类别进行约束从而提取空间相关信息,基于二阶条件随机场将光谱信息和空间相关信息同时融入聚类,并使用环形置信度迭代算法得到像元分类后验概率的全局最优推测。试验证明,本文算法能够有效地保持地物的形状特征,分类精度相比传统算法有所提高。

基于马尔可夫随机场的模糊c-均值遥感影像分类

针对模糊c-均值聚类方法对初始值敏感,且在聚类时忽略空间相关信息的不足提出一种基于马尔可夫随机场的模糊c-均值聚类方法,该方法用马尔可夫随机场来描述像元的空间相关性,形成顾及空间相关的模糊c-均值分类方法。初始值依据第一主成分的密度函数确定,既克服对初始值的依赖性,又在聚类的时候考虑空间相关信息。通过实例数据验证,所提出的方法分类精度优于传统的模糊c-均值模型。

基于核空间马尔科夫随机场的图像模糊聚类

引入核函数,对马尔科夫随机场图像模糊聚类算法加以改进,即利用核函数把马尔科夫随机场的输入空间信息样本映射到高维特征空间,在特征空间完成聚类。对标准灰度图像添加高斯噪声和椒盐噪声,利用改进算法实现聚类,视觉效果及分割图像的峰值信噪比显示,改进算法的聚类能力、分类精度和抗噪性能均有提高。

基于模糊聚类空间模型的非均匀MR图像分割

模糊C-均值聚类算法(FCM)已广泛地运用到MR图像的分割中。但传统的算法中未利用图像的空间信息,在分割叠加了噪声和附加了偏移场的非均匀MR图像时分割效果不理想。本文改进了传统FCM的目标函数,引入控制邻域作用紧密程度的参数,提出了一种能够更加合理地运用图像的空间信息,改进的模糊C-均值聚类算法。通过对脑部MR 图像的分割实验表明,该算法能够比传统的FCM和其它改进算法对非均匀图像进行更精确的分割。

空间权重自适应的MRF高光谱图像模糊聚类方法

传统模糊聚类方法以像元光谱信息为基础,通过相似性准则在特征空间内进行自动聚集。高光谱图像聚类过程往往受到混合像元和“同物异谱”现象的影响,造成结果噪声和破碎严重,导致算法难以适应于高光谱图像地物识别。针对传统聚类算法的不足,考虑邻域像元间相关性和连续性即上下文特征,文章提出了一种新的基于空间权重自适应马尔科夫随机场模型(markov random field,MRF)的高光谱图像模糊聚类算法,在模糊C-均值聚类目标函数中引入空间项,并采用自适应权重系数控制其在聚类中的影响程度,将空间信息自适应地引入聚类过程中。通过模拟及真实高光谱数据实验证明,较仅使用光谱及分类后处理滤波算法,该算法有效提高了高光谱图像聚类的精度和抗噪能力。

改进的熵最小方法用于MRI偏差场的校正

灰度不均匀性分布是磁共振成像中经常发生的一种病态混扰,它给医生读片诊断和磁共振图像(MRI)计算机自动化处理带来很大困难。针对偏差场平滑、渐变的特性,本研究提出了一种改进的基于图像信息熵最小化的自动校正算法.该方法是一种全自动的无需先验知识的校正方法。在实验过程中,采用模糊C-均值聚类算法来提取反映偏差场变化趋势的同类特征点;通过二次曲面拟合特征点曲面的方法,提取初始化曲面参数;应用具有学习能力的粒子群寻优算法提高信息熵搜索的优化速度。最后,在对Brain-Web数据库仿真MRI和实际采集到的MRI校正中,获得了更适合人眼观看的校正图片,为临床诊断提供了准确可信的图像数据。

用于脑部核磁共振图像分割的具有抗噪能力的BCFCM算法

脑部核磁共振成像(MRI)是脑疾病临床诊断的重要手段,而脑组织的准确分割则是其中一个重要的环节。然而MRI图像中普遍存在的噪声和偏移场给脑组织的准确分割造成了很大的困难。在MRI图像分割算法中,偏移场矫正模糊C-均值算法(BCFCM)在模糊C-均值聚类算法(FCM)的基础上增加了对偏移场的估计和空间信息的使用,可以很好地消除图像偏移场对分割造成的影响。但是BCFCM算法由于没有考虑到噪声对偏移场估计的影响,因此对高噪声图像的分割效果欠佳。针对MRI脑组织分割,在图像预处理过程中提出一种快速的分割方法来去除颅骨及其附属物。此外,提出基于BCFCM的改进算法,该改进算法在迭代过程中可以通过对噪声强度的估计来自适应地改变目标函数窗口的大小。同时,该算法引入高斯核函数对偏移场进行平滑处理,并通过阈值限制偏移场的估计值,以有效地避免偏移场的错误估计对分割结果的影响。实验结果表明,改进后的算法不仅可以有效准确地分割脑组织,而且具有较强的抗噪声和处理偏移场的能力。