一种混合递增NEM的空间聚类算法

由于EM算法不适合空间聚类对空间信息的要求,而邻域EM算法虽然结合了空间惩罚项,但是NEM在E-step步需要大量的迭代.为了既能满足空间信息的要求,又能避免过多的计算量,本文提出了EM与NEM二者相结合的混合递增NEM算法,算法首先在随机子样本中进行EM训练,直到似然判断条件下降,根据增量因子进行样本更新,然后样本转向NEM训练一次,如此进行循环递增的交叉训练,使得计算量降低,性能提高.实验结果显示,MNEM只需要较少的运算便可达到收敛,聚类质量结果优于NEM.

基于SPKFCM快速双循环水平集非均匀图像分割

针对传统快速双循环水平集对初始演化曲线过于依赖的问题,提出一种基于空间惩罚核模糊C-means(SPKFCM)算法的初始演化曲线自动选取快速双循环水平集算法。首先,对模糊均值聚类算法进行改进,通过增加空间惩罚函数提出SPKFCM算法,用于对快速双循环水平集算法的自动初始化;其次,基于SPKFCM并结合快速双循环水平集算法,设计基于SPKFCM快速双循环水平集算法框架,并给出相应速度参量F_d和F_(int)模糊化形式;最后,通过与已有算法在仿真图像上的对比结果显示,所提算法在随机初始化条件下,具有更高的分割精度和计算效率。

基于相关滤波与颜色概率模型的目标跟踪算法

针对地面战场环境下相似背景对目标跟踪器产生的干扰,提出了一种基于相关滤波与改进颜色概率模型的目标跟踪算法。首先,在传统颜色概率模型的基础上,利用前景目标直方图与背景直方图的差异性提出了一种突出前景的颜色概率模型;然后,根据相关滤波器响应置信度和最大响应位置生成空间惩罚矩阵,用该矩阵惩罚相关滤波器判定的背景像素的似然概率,利用积分图的方法得到颜色概率模型响应图;最后,将相关滤波器和颜色概率模型得到的响应图进行融合,融合响应图的最大响应位置即为目标的中心位置。与核循环结构滤波器(CSK)、核相关滤波器(KCF)、判别式尺度空间跟踪(DSST)、SAMF、Staple等5种算法在跟踪性能上进行比较,在OTB-100标准数据集上的结果表明,所提算法的整体精度提高了3.06%至55.98%,成功率提高了2.24%至54.97%;在相似背景干扰下,其精度提高了10.28%至43.9%,成功率提高了8.3%至48.29%。在36段战场视频序列上的结果表明,所提算法的整体精度提高了2.2%至45.98%,成功率提高了3.01%至58.27%。该算法能够更好地应对地面战场环境下相似背景的干扰,为武器平台提供更精确的位置信息。