互补空间信息和隶属度修正的直觉模糊聚类苗族服饰图案分割

苗族服饰图案分割对推动苗族服饰文化的数字化保护和传承具有重要意义。针对直觉模糊聚类算法鲁棒性差、对噪声敏感的问题,提出一种基于互补空间信息和隶属度修正的直觉模糊聚类苗族服饰图案分割算法。首先,该算法使用互补空间信息的加权平方欧式距离代替传统欧氏距离,用于提高算法的抗噪性能;其次,采用隶属度连接机制,减少算法的迭代次数,从而提升算法的运行速率;最后,利用图像的局部像素特征和空间关系,对邻域内的像素点赋予不同的权重来修正隶属度函数,以实现更为准确的分割。当混合噪声的密度为10%时,所提算法在合成图像数据集上的分割精度达到99.72%,在苗族服饰图案数据集上的划分系数和划分熵为97.23%和4.61%。结果表明,与相关算法相比,所提算法的分割精度更高、细节保留能力更强。

基于模糊C均值聚类与空间信息相结合的图像分割新算法

针对传统的模糊C均值聚类(FCM)图像分割方法未考虑图像的空间信息,对噪声十分敏感的问题,本文提出了一种结合空间信息的模糊C均值聚类分割新算法;该算法将图像的二维直方图引入传统的模糊C均值聚类算法中,并对隶属函数做了改进;依据平方误差和最小准则,来确定模糊分类矩阵及聚类中心;最后,依据最大隶属度原则,划分图像像素的类别归属,以改善传统的PCM算法的分割质量。实验结果表明,该算法显示了较好的分割效果和较强的抗噪性能。

一种空间信息自适应的鲁棒模糊聚类算法

针对传统模糊聚类算法利用空间信息对抗噪声时对图像分割造成影响的问题,本文提出一种新型鲁棒模糊聚类方法(fuzzy c-means_adaptive spatial,FCM_AS)。在传统FCM算法基础上,引入空间信息自适应方法,提出了新的模糊聚类模型FCM_AS及其对应的迭代优化算法。该模型在利用像素空间信息对抗噪声的同时,在像素的局部信息和非局部信息之间,设置一个自适应权重参数,实现对空间信息的自适应调整。为验证本文算法的有效性,采用多种流行算法在合成图像和脑MR图像上进行对比实验。实验结果表明,与传统的模糊聚类方法相比,FCM_AS算法在处理合成图像和复杂的医学图像噪声时,可有效消除噪声对分割过程的影响,分类相对准确,且边缘信息平滑,图片准确度较高,更加接近理想分割效果,具有更好的鲁棒性和优越性,是一种稳健的图像分割算法。该研究实现了对空间信息的自适应调整,具有一定的理论意义和应用价值。

一种结合空间信息的改进模糊聚类图像分割算法

为提升模糊C均值(fuzzy C-means,FCM)聚类算法抑制噪声能力,提出一种改进的模糊聚类图像分割算法。首先,利用非局部空间信息和局部空间信息构建多维图像信息。其次,引入先验概率保证每次迭代前的隶属度考虑图像空间信息。最后,添加隶属度惩罚项改善聚类分割效果。实验结果表明,改进算法与模糊局部信息C均值(fuzzy local information C-means,FLICM)聚类算法、结合核度量及局部信息的模糊C均值(KWFLICM)聚类算法、结合非局部空间信息的模糊C均值(FCM_NLS)聚类算法、粒子群优化非局部模糊C均值聚类图像分割(PSO-WMNLFCM)算法相比,划分系数和划分熵均有较大改善,划分系数提高到0.9573,划分熵降低到0.0596。

基于空间信息的可能性模糊C均值聚类遥感图像分割

可能性模糊C均值(PFCM)聚类算法作为模糊C均值(FCM)聚类算法的一种改进算法,能在一定程度上克服FCM算法对噪声的敏感性;但由于PFCM没有考虑像元间的空间信息,对含有较大噪声的图像分割效果依然不理想。为此,提出一种新的基于空间信息的PFCM算法(SPFCM),克服了PFCM算法对含有较大噪声的图像分割效果不佳的缺点。通过对人工图像和IKONOS遥感图像进行分析,结果表明,SPFCM算法无论是在视觉上还是在分割正确率上都优于传统的FCM算法、PFCM算法及两种加入空间信息的FCM算法;对于含有高斯噪声和盐椒噪声的图像,平均分割正确率高达99.71%,是一种去噪效果较好的图像分割算法。

基于结合空间信息的FCM聚类的分水岭图像分割

提出了一种分水岭变换和结合空间信息的FCM聚类相结合的图像分割方法。方法采用基于图论的结合区域特征信息和空间信息的距离度量,以分水岭变换得到的图像分割小区域为节点构建一个连通加权图,通过计算图上不同节点之间的最短路径来度量不同区域之间的相似程度,从而实现过分割小区域的合并。该方法综合考虑了区域的特征之间的差异和空间位置的差异,与传统的FCM聚类方法在特征空间进行聚类相比,具有较强的噪声抑制能力。图像分割的实验结果证明了该算法的可行性和有效性。

利用空间信息的核模糊C均值聚类算法

模糊聚类,特别是模糊C均值聚类算法(FCM)广泛地运用到图像的分割中。但是传统的算法未对数据对特征进行优化,亦未考虑图像的空间信息,对噪声图像分割不理想。在FCM目标函数中引入核函数,用内核引导距离代替传统的欧式距离,同时考虑到邻近象素的影响,增加了空间约束项,提出了利用空间信息的核FCM算法。通过对模拟图和仿真脑部MR图像的分割实验证明,该算法可以有效的分割含有噪声图像。

不同形状邻域空间信息的模糊聚类图像分割

在经典的融合空间信息的模糊聚类图像分割方法中,图像像素的空间信息大,都采用正方形的邻域窗来获取。为了更好地分割出图像中的边界及细节信息,对不同形状邻域空间信息的模糊聚类图像分割进行了研究。在该方法中,首先采用圆形、三角形和菱形邻域窗获得图像像素的空间信息,然后分别将这三种空间信息引入到融合空间信息的模糊聚类图像分割中。Berkeley图像上的分割实验表明分别采用圆形、三角形和菱形邻域窗获得图像像素空间信息的模糊聚类图像分割方法在分割性能上要优于融合正方形邻域窗空间信息的方法。

融合像素空间信息及加权模糊聚类的肺结节识别

针对肺部计算机辅助诊断中孤立肺结节识别容易受噪声、气管、血管的干扰问题,提出一种融合空间信息及加权模糊聚类的肺结节识别算法.该方法利用融合像素空间信息及带特征权重的模糊C均值聚类算法实现感兴趣区域分割;利用特征选择算法计算感兴趣区域各特征权重,加权模糊C均值聚类算法分类感兴趣区域,识别肺结节.对比实验证明,该算法对感兴趣区域分割抗噪声性增强;感兴趣区域分类准确率提高;整体算法对肿瘤的检出率较高,漏诊率降低,为医生诊断早期肺癌病灶提供更加准确的客观依据.

基于空间信息及灰度信息的塔型模糊聚类图像分割

对于二维灰度图像,基于灰度信息的图像信息熵分析法,由于没有考虑到图像的空间信息,存在着对图像信息描述不准确的问题。在进行图像分割时,若图像复杂到一定程度时,无法得到满意的效果。本文从空间信息和灰度信息出发,将图像的空间信息和灰度信息作为特征向量,对比较复杂的图像进行聚类分割,取得了满意的效果。经分析和实验验证,本文提出的基于空间信息和灰度信息的塔型模糊C-均值聚类（PFCM）图像分割方法与传统的非塔型聚类算法相比,具有收敛速度快、稳定性好等优点。同时,由于对初始聚类中心的合理初始化,消除了聚类分析中常见的死点问题。

结合空间信息的FCM聚类噪声图像分割方法

标准模糊C均值聚类算法由于没有考虑任何与图像空间连续性有关的信息,对噪声高度敏感,针对这一问题,提出一种基于图像空间信息的FCM聚类分割算法。该算法将图像像素的空间信息引入到相似性度量和隶属度函数中,其中空间信息由像素的相对位置和邻域内像素的特征决定。实验结果证明,该方法能有效地对含有一定噪声的图像进行分割,具有较好的抗噪性能。

鲁棒总变分核空间模糊聚类分割算法研究

针对现有的总变分模糊聚类分割算法在强噪声干扰图像分割中难以获得准确有效分割结果的不足,提出了鲁棒总变分核空间模糊聚类分割算法。该算法首先在鲁棒模糊聚类分割算法的目标函数中引入了总广义变分(TGV)正则化,消除图像中不需要的噪声和伪影;其次引入局部空间信息、局部灰度信息以及非均匀隶属函数从而构造一个新的模糊局部信息因子,在保证噪声抑制的同时保留图像中更多细节信息;最后将改进的聚类算法推广至核空间,使原空间线性不可分的像素样本点变成线性可分或近似线性可分,从而更好地给每个像素分配更高的隶属度。实验结果表明,与现有的总变分模糊聚类分割算法相比,建议算法在强高斯噪声干扰情况下的分割精度提高了14.7%,对强高斯噪声有较好的鲁棒性以及分割性能。

显著信息引导的直觉空间模糊聚类图像分割

为克服直觉模糊C-均值(IFCM)聚类算法应用于图像分割时,易受噪声影响,且对聚类中心初始值敏感的缺陷,给出显著信息引导的直觉空间模糊聚类图像分割方法。使用图像的显著信息初始化聚类中心,能够很大程度地防止算法陷入局部最优;将改进的融合局部空间信息的模糊因子引入到IFCM聚类算法中,可提升算法的抗噪性能。实验结果表明所给方法能在多种含噪声图像上得到较好的分割效果。

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。

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。

一种结合空间信息的FCM算法对脑MR图像的分割

根据局部统计信息引入一个控制参数用于区分某个空间邻域中的噪声点、边缘点和区域内部的点,提出一种合理利用空间信息对隶属度更新的FCM算法。仿真结果表明,使用该算法对附加有偏差场和噪声的脑MR图像进行分割,所得的结果相对于FCM算法和一些改进的算法具有更好的紧致性和分离性。

基于模糊物元贴近度聚类模型的荆州市城乡结合部农地质量评价

城乡结合部是城市与农村相互结合的特殊经济地理单元,是城市快速扩张的重点区域。目前城乡结合部土地评价偏重土壤质量。针对此点,在确定农地质量评价指标体系后,借助GIS和模糊物元贴近度聚类模型计算评价单元贴近度,划分研究区农地质量等级,并采用野外调查和相关系数法检验结果。结果表明:研究区农地质量中等偏上,以2,3级为主,占评价总面积的73.35%;其结果可为确定城市扩展方向、合理利用城乡结合部土地资源提供参考依据。

核空间局部自适应模糊C-均值聚类图像分割算法

针对传统模糊C-均值聚类算法对在噪声干扰下图像的分割效果不理想问题,提出一种核空间与自适应中值滤波相结合的改进算法.算法利用自适应中值滤波获得像素的局部空间信息,并由此生成一种新的模糊因子加入到目标函数中,然后在核空间中对目标函数进行优化求解,得到最优聚类中心和隶属度.实验结果表明,该算法对被高椒盐噪声污染的图像具有较高的精度和鲁棒性.

基于三维感兴趣区域和模糊聚类的肝脏肿瘤分割

肝脏CT图像往往存在着较多的噪声,且肝脏肿瘤的灰度与周围肝实质接近,边界模糊,分割困难。在对肝脏肿瘤分割时,传统的水平集方法对初始轮廓敏感,需要手动调整参数,时间复杂度较高。本文结合肿瘤的模糊性,提出基于三维感兴趣区域(三维ROI)和结合空间信息的模糊聚类的肝脏肿瘤分割方法。首先在三维选取肿瘤的初始感兴趣区域,再结合空间信息的模糊聚类方法进行分割,然后进行形态学操作,最后利用B样条水平集对轮廓边缘进行平滑。实验结果表明,本文提出的方法,操作简便,速度快,能较好地分割出肝脏肿瘤。

各向异性权重的模糊C均值聚类图像分割

传统的模糊C均值聚类算法(FCM)在图像分割中未考虑各个点的灰度特征及其邻域像素的关联程度,导致其对于噪声十分敏感.而各种改进算法虽然较好地克服了图像噪声的影响,但由于使用均值滤波等方法导致分割图像边缘模糊.为此,提出一种基于各向异性权重的FCM图像分割方法,通过引入新的邻域窗口权重的计算方法,使得中心点邻域内各点具有各向异性的权重;并使用基于灰度级的快速算法,提出了各向异性权重的模糊C均值聚类算法.实验结果表明,文中方法具有较强的抗噪性,对于噪声具有良好的稳定性,分割精度较高.