改进的基于灰度级的模糊C均值图像分割算法

基于灰度级的模糊C均值算法是一种快速的图像分割算法。因为无损检测图像灰度分布不均衡,该算法不能有效分割图像中的目标与背景,故提出一种改进的基于灰度级的模糊C均值算法(IFCMG)。首先,利用灰度级像素数和隶属度构造类的总隶属度表达式并将其融入目标函数中以均衡化目标像素和灰度像素对目标函数的贡献。接着,推导基于新目标函数的隶属度和聚类中心。然后,考虑到类的密度也会影响聚类结果,设计类的紧密度表征形式并将其融入聚类进程。最后,采用无损检测图像进行分割实验。对于每幅图像,本文算法具有较高的F_value指标值。利用综合评价公式对所有F_value值进行评价,本文算法综合评价值比对比算法分别高出26.13%,16.46%,13.75%,25.10%。本文算法能够有效分割具有灰度分布不均衡特征的无损检测图像,扩展了基于灰度级的模糊C均值聚类算法的应用范围。

用于分割无损检测图像的改进的抑制式模糊C均值聚类算法

由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。

融合混沌优化和改进模糊聚类的图像分割算法

基于邻域广义模糊聚类算法能够分割含噪声灰度图像,但是如果图像灰度分布不均衡或者起始的聚类中心设置不合适仍会导致该算法分割失败,为此,提出一种基于混沌优化和改进模糊聚类算法相融合的图像分割算法.首先,将每一类的隶属度之和引入基于邻域广义模糊聚类算法的目标函数中,从而能够均衡较大类和较小类对目标函数的贡献.其次,以新目标函数为基础,利用拉格朗日乘子法推导出相应的隶属度和聚类中心.再次,将混沌优化和改进模糊聚类算法联合得到最优解,即最合适的聚类中心,细节上,每一代的聚类中心分别由混沌系统和改进模糊聚类算法两种路径产生,具有较小目标函数的聚类中心进入下一个迭代进程.最后,利用具有不平衡特性的无损检测图像进行实验,结果表明本文算法具有更高的分割准确率和更好的视觉效果.