一种快速的模糊局部C-均值聚类分割算法

针对模糊局部C-均值聚类算法计算复杂度高且对大数据样本集进行聚类时极为耗时的特点,提出了快速的模糊局部C-均值聚类分割算法。该算法将目标像素点与其邻域像素点构成的共生矩阵引入模糊局部C-均值算法,得到新的聚类隶属度和聚类中心表达式。对像素分类时,利用邻域像素隶属度进行滤波处理,进一步改善了算法的抗噪性。实验结果表明,该算法满足了图像分割有效性的需求,相较于模糊局部C-均值聚类算法,该算法具有更好的分割性能和实时性,能更好地满足实际场合图像分割的需要。

改进的基于模糊C-均值聚类的图像分割算法

目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.

基于模糊C-均值聚类的靶场光测胶片成像质量检测方法

针对光测胶片传统检测方式存在效率低，检测误差大，检测点的选择对检测结果影响较大等问题，根据模糊C-均值聚类的原理，提出了一种基于像素灰度聚类的胶片成像质量检测方法．利用扫描仪将光楔胶片进行数字化，并对其进行聚类分析，有效地消除了无信息图像区域，客观地反映了光测胶片的成像质量．试验证明，可提高效率3—5倍，并提高检测的准确性．

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。

局部线性嵌入与模糊C-均值聚类的红外图像彩色化算法

针对红外图像彩色化处理后清晰度低、色彩不够自然等问题,将改进后的局部线性嵌入算法(LLE)算法引入到红外图像彩色化应用中,提出了一种LLE与模糊C-均值聚类的红外图像彩色化算法。首先通过扩大邻域范围和添加权重信息等方法改善了LLE算法敏感于稀疏矩阵的缺陷,在红外和彩色模板像素矢量化空间中,利用最近邻搜索计算最佳匹配系数,经彩色值计算将彩色模板中的颜色映射到红外图像特定区域,完成模板彩色与红外目标图像的颜色传递。利用改进后的模糊C-均值聚类对彩色化后的红外图像进行颜色聚类,在颜色聚类集上利用直方图均衡化进行分段颜色均衡处理,最后将均衡化后的图像合成。将本算法与其他两种红外彩色化算法进行仿真对比,实验结果表明,与其他两种算法相比,提出的红外图像彩色化算法在仅仅利用目标红外图像和彩色模板下就能获得图像较为清晰、目标突出的彩色化结果。

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。

一种新的道路描述子:对称边缘方向直方图

基于主要道路物方空间形状特征 ,本文提出了一种新的特征矢量———对称边缘方向直方图 ,作为较高分辨率航空影像中主要道路的特征描述 .图像空间边缘像素的拓扑关系 ,该矢量较好地描述了图像的主要形状属性 ,并具有对于图像平移、旋转、尺度和光照变化的不变性 .模糊C 均值聚类算法的分割实验表明 ,该特征矢量较好地解决了较高分辨率影像中主要道路的特征描述问题 ,能有效地从实际航空影像中提取主要道路种子点 .

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。

二维Renyi灰度熵和模糊聚类在图像分割中的应用

针对传统二维Renyi熵阈值算法计算复杂度高的问题,提出一种改进的二维Renyi图像分割算法。该算法利用两个一维Renyi熵算法的阈值来代替传统二维Renyi法的阈值,使得计算复杂度大大降低;同时为了改善图像分割效果,综合使用了FCM算法。实验结果表明,改进的算法充分发挥了二者的优势,不仅提高了运算速度,且分割效果更好。

模糊聚类分割在医学图像处理中的应用

对同一纵坐标上的点进行聚类，在模糊Ｃ－均值算法的基础上，提出了改进的模糊算法来解决图像处理中的不确定问题，并给出了一些实验结果．

三维FMF的HFCM水声数据分割

针对三维水声数据背景复杂、受噪声干扰严重等特点,提出一种结合三维FMF的HFCM水声数据分割算法,以提高水声数据分割的精度和效率。该算法首先选取三维滤波窗口,利用最大熵阈值法计算出模糊阈值;再结合半高斯模糊隶属度函数对水声数据进行模糊中值滤波;最后采用HFCM算法对滤波后的数据进行分割。对两组不同的三维水声数据进行分割处理的结果表明,该算法能够有效地降低噪声干扰,分割效果要优于未滤波的HFCM以及均衡FMF的HFCM分割算法,并且在分割效率上要明显优于传统的模糊C-均值算法。

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。

基于颜色差分直方图的运动目标提取

为了降低动态变化的背景对运动目标提取的干扰,使用颜色差分直方的方法来降低由于背景不稳定、光照强度变化造成的错误。首先计算一个位置点所在的小邻域内像素之间的差值。其次,使用高斯隶属度函数的模糊关系做颜色差分。最后,提出一种新的模糊颜色差分直方图,即采用模糊C-means聚类和颜色差分结合的方法。模糊C-means聚类聚类算法在颜色差分直方图中的使用可以降低计算的直方图的维数较大的复杂性,也降低了背景因强度变化而产生的移动假象或背景照明度的变化而产生的影响。随机选择两个视频帧集合来测试该方法。仿真结果表明,该算法在一些复杂的视频序列场景中能够表现出较好的性能和结果。

快速自动模糊C-均值聚类彩色图像分割算法

针对传统模糊C-均值(FCM)聚类算法计算复杂度高、无法自动确定聚类数目的问题,提出了一种快速自动FCM聚类彩色图像分割算法。首先通过改进的简单线性迭代聚类(SLIC)超像素算法预分割图像,将传统基于单个像素的聚类转化为基于超像素区域的聚类,降低FCM计算复杂度;其次利用改进的密度峰值算法自动确定聚类数目,提高算法灵活性;最后,对超像素图像进行基于直方图的FCM聚类,完成图像分割。为验证所提算法的有效性,采用BSDS500、AID和MSRC公共数据库作为实验数据集,并与其他4种FCM分割算法进行了比较。实验结果表明,所提分割算法在分割精准度、模糊分割系数、模糊分割熵和视觉效果等方面均优于其他几种比较算法。

基于HSI色彩空间与FFCM聚类的葡萄图像分割

为适应农业采摘机器人对葡萄对象快速准确识别的需要,提出了基于HSI色彩空间与以直方图信息为特征的快速模糊C-均值聚类(FFCM)算法相结合的葡萄图像分割方法。该方法以H分量作为葡萄图像聚类分割的处理数据,根据FFCM算法对灰度图像聚类分割。试验对夏黑葡萄果实在自然光、顺光、背光照射环境下拍摄的图像进行分割。结果表明:葡萄图像分割方法能够快速且较好地从复杂自然环境中将葡萄目标分割出来,为葡萄采摘机器人的研制提供了重要参考。

一种中医舌象的舌质舌苔分离方法

舌诊是中医诊法最重要的特色之一,舌诊客观化研究有助于舌诊的继承和发展。根据舌象的特点,分析并处理了舌象的色度直方图,提出了自动确定颜色类别数和初始聚类中心的算法,并在改进模糊聚类算法的基础上提出了一种彩色舌图像舌质舌苔分离方法。实验结果表明,与标准模糊聚类算法相比,该算法极大地加快了聚类迭代速度,减少了系统运算时间;相对于阈值分割法,能够获得更加符合中医要求的苔质分离效果。

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。

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FCM聚类的自适应彩色图像分割算法

针对现有模糊c-均值聚类(FCM)算法存在的抗噪性能不佳且依赖初始条件的问题,提出一种基于FCM聚类的自适应彩色图像分割算法。通过直方图阈值方法分别得到彩色图像RGB各分量直方图的分割阈值,利用区域分裂合并方法获得聚类个数和初始聚类中心,使用一种考虑了像素间邻域信息的模糊c-均值聚类算法对图像聚类,得到最终分割结果。实验结果表明,该算法对彩色图像具有良好的分割效果,与现有同类主要算法相比,其分割效果和抗噪性能都有明显提高。