基于改进型模糊聚类算法的植物病斑检测

针对植物病害图像成分复杂、病斑排列无规则等特点,提出了一种改进型模糊聚类的病斑检测算法。该算法采用Markov随机场与模糊聚类算法耦合策略,能够有效解决植物病斑检测时的模糊性和随机性问题。仿真实验表明,改进后的算法能够实现植物病斑的自适应检测,鲁棒性较好。然而,对于Markov与模糊聚类算法的最佳耦合方式及对于如何减少算法的运算量仍需作深入的研究。

模糊隶属度加权的KFCM脑MRI的组织分割方法

医学图像受成像机制的影响不可避免地会引入噪声.为解决传统医学图像分割算法对噪声敏感的问题,提出一种模糊隶属度加权的KFCM分割方法.该方法在传统KFCM算法基础上引入局部空间信息,定义了局部隶属度函数,并结合传统KFCM算法得到的全局隶属度函数构造加权隶属度函数,为每个像素计算隶属度值;进一步地,结合邻域信息,使用迭代聚合方法为每个像素重新分配隶属度值.选取Simulated Brain Database数据集,对加入不同噪声的图像进行实验的结果表明,该方法在保证对噪声鲁棒的同时,能够提高分割精度.

半空间中次调和函数的Phragmn-Lindelf定理及应用

本文利用调和函数的Carleman公式,结合Levi的方法,在半空间中证明了次调和函数的Phragmn-Lindelf定理.作为Phragmn-Lindelf定理的应用,本文引入了半空间中的C类函数,并且得到了次调和函数属于C类函数的一个充分必要条件,从而推广了Ahlfors和Levi等的经典结果.