基于形态学变换和FFCM聚类的灰度图像颜色迁移算法

针对传统颜色迁移算法计算量大、对图像无法准确进行颜色迁移的问题,提出一种基于形态学变换和快速模糊C均值聚类(FFCM)的灰度图像颜色迁移算法。首先对目标图像进行腐蚀膨胀运算,消除亮度不均匀的区域,通过FFCM聚类算法对目标图像进行准确聚类,然后在目标图像与源图像中选取对应样本块,完成样本块的颜色迁移,并以已上色的样本块为参考,完成图像的全局颜色迁移。实验结果表明:与Welsh和FCM算法相比较,本文算法处理时间分别缩短64.29%和54.25%,结果图像在类间交界处的颜色过渡更加自然,证明了算法的有效性。

基于FFCM和分水岭算法的图像分割方法

提出了一种将FFCM算法与分水岭算法相结合的图像分割方法。针对均值聚类算法没有考虑图像空间信息的欠缺,本文将分水岭分割方法与均值聚类法相结合。由于分水岭分割后的图像灰度分布较为集中,故采用了快速模糊C均值聚类,并根据实验过程中得出的数据,分析了FFCM与FCM计算量的差别。最后将本文所采用的算法编程实现,得出了较为满意的分割结果。

基于HSV彩色空间与直方图信息的植物叶脉FFCM算法提取

为满足植物分类和识别对植物叶片叶脉信息的需要,提出了基于HSV彩色空间与直方图信息FFCM聚类算法相结合的植物叶片叶脉提取方法。该算法可以简述为以下四个步骤:a)将植物叶片图像由RGB转换到HSV彩色空间;b)使用FFCM聚类算法实现叶片图像像素点的聚类,通过比较叶脉和叶肉像素值的均值大小对植物叶片进行颜色的分类,通过对自定义偏移量值的判定对图片进行受光度的分类;c)针对不同类别的植物叶片,分别进行去除部分叶肉的处理;d)使用FFCM算法再次聚类,在最终的聚类结果中提取叶脉像素点。实验结果表明,该方法既能有效处理和区分绿色和枯黄的叶片图像,也能很好地处理和区分受光均匀和受光不均匀的叶片图像,可以应用于植物的分类与识别。

基于空间约束的快速FCM纱线表观均匀性检测

探讨基于空间约束的快速模糊算法用于纱线均匀性检测的效果。提出了一种基于空间约束的快速模糊C均值算法,对纱线图像进行阈值分割,并用该方法检测了6种不同线密度的环锭纺纯棉纱的表观均匀性。试验表明:该算法通过放大最大隶属度值的同时抑制次最大隶属度值,具有抗噪性能强,收敛速度快的优点;检测所得结果与USTER CLASAIMATE 5型纱疵分级仪的测试结果相近。认为:将基于空间约束的快速模糊算法用于纱线表观均匀性检测的方法准确可行。

一种车载红外视频彩色化算法

针对红外图像成像的特点,将基于Fisher评价函数的多阈值红外图像分割算法和基于先验色彩知识的红外图像上色算法运用到车载红外视频彩色化中。在基于Fisher评价函数的多阈值分割之前对关键帧进行快速模糊C均值聚类,以所得聚类中心来限制多阈值分割中阈值的取值范围,实现了较快的图像分割;再以得到的阈值对红外视频逐帧进行景物分类,同时根据先验知识逐帧对不同景物类别赋予自然彩色。实验结果表明,该算法实现了对车载红外视频的自动彩色化,不仅得到的图像色彩较为真实有利于人眼的目标识别,实时性方面也达到了较好的效果。