基于方差加权的FLICM模糊聚类的图像分割方法研究

针对Krinidis等人提出的模糊局部信息聚类方法(FLICM)进行图像分割时存在边界误分现象。提出了一种方差系数加权的FLICM模糊聚类分割方法。从三方面作出了改进,首先在传统FLICM的基础上引进了核函数;其次统计出每个像素点邻域(不包含当前像素点)的方差信息以及利用离群点判断条件得到各像素点离群点信息,根据方差信息构造加权系数,利用加权系数对模糊因子G进行加权,进而计算出每个像素点的隶属度值;最后将邻域各像素隶属度值的平均值分配给离群点。实验表明,提出的方差系数加权的FLICM模糊聚类分割方法在提高噪声鲁棒的同时有效地消除了边界误分现象,更加适合图像分割的需要。

基于变分法与Markov随机场模糊局部信息聚类法的SAR影像变化检测

为了提高合成孔径雷达(synthetic aperture radar,SAR)影像变化检测的精度,提出一种基于变分法与马尔可夫随机场模糊局部信息聚类(Markov random field fuzzy local information C-means clustering,MRFFLICM)的SAR影像变化检测方法。首先融合对数比影像和对数均值比影像来构建差异影像;然后采用变分去噪模型去除差异影像的噪声;最后利用马尔可夫随机场将空间邻域信息引入到模糊局部信息C均值聚类算法中,提高聚类的性能。对两组不同时相真实SAR影像数据进行对比实验,结果表明,提出的变分去噪方法能够避免去除微小变化区域,有效抑制SAR影像的斑点噪声,同时MRFFLICM方法可以有效提高变化检测的精度,提升了变化检测方法的适应性。