基于FCM-WA联合算法的多种类矿石图像分割

矿石图像分割是基于机器视觉的矿石粒度分布检测的重要组成部分。针对复合矿山中颜色多样、纹理复杂且边缘粘连的多种类矿石图像难以识别与分割的问题,提出了一种基于FCM-WA联合算法的矿石图像分割方法。首先对矿石图像进行形态学优化,利用双边滤波、直方图均衡化和形态学重构来优化矿石图像的几何特征,减少噪声对分割效果的影响,提高图像对比度;然后将模糊C均值聚类(FCM)算法与分水岭(WA)算法相结合,利用FCM算法进行聚类迭代,计算出合适的分割阈值并对矿石图像进行分割,输出二值化图像;再利用基于距离变换的WA算法优化FCM算法的分割结果,对FCM算法输出的矿石图像边缘粘连部分进行分割,以获取最佳的分割图像。研究结果表明:(1)利用形态学优化流程处理矿石图像能够减少噪声并增强边缘信息,从而提高对比度;(2)相比传统的大津法和遗传算法,本文所提FCM-WA方法的稳健性更强、分割效果更好,对多种类的矿石图像像素分割准确率和矿石粒度识别准确率均可达到92%以上;(3)通过试验验证,FCM-WA方法能够精确地分割颜色多样、纹理特征复杂及边缘粘连的多种类矿石图像,分割结果满足粒度分布检测的要求;(4)FCM-WA方法符合现实矿山企业生产的需求,能够为研发新型矿山智能化粒度检测设备提供可靠的技术支持。

基于改进VMD形态谱和FCM的滚动轴承故障诊断方法

针对滚动轴承故障信号的非线性特性及不同故障类型信号具有不同形态特征的特点,提出一种基于改进变分模态分解(VMD)形态谱和模糊C均值聚类(FCM)算法相结合的故障诊断方法。采用VMD方法对滚动轴承振动信号进行分解,针对分解过程中关键参数的选取,提出相关参数选择方法,并计算各固有模态函数(IMF)的能量波动系数,以获得对信号特征信息敏感的模态分量进行重构。计算重构信号的形态谱以反映信号的形态特征。通过FCM算法实现滚动轴承工作状态和故障类型的诊断。运用该方法对实测滚动轴承振动信号进行分析,并将所提方法同基于原始振动信号、经验模态分解、总体经验模态分解形态谱的故障特征提取方法进行对比。结果表明:所提方法能够更加有效提取滚动轴承信号的故障特征,实现故障类型的准确诊断。

基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究

针对滚动轴承的故障诊断问题,提出了一种基于集总经验模态分解(EEMD)、形态谱特征提取和核模糊C均值聚类(KFCMC)集成的故障诊断新方法。首先,对实测的滚动轴承振动信号进行EEMD分解,得到若干个代表不同振动模态的内禀模态函数(IMF);其次,基于峭度、能量和均方差三个评价指标,从分解得到的若干个IMF分量中选出含有故障特征信息最丰富的3个IMF分量作为诊断用的数据源;然后在选定尺度范围内提取每个IMF分量的形态谱平均值,将三个形态谱平均值构成一个三维特征向量,作为一个样本,形成样本集;最后,利用KFCMC完成对滚动轴承不同故障的分类识别。此外,为了对比说明该方法的识别效果,还将振动信号用经验模态分解(EMD)方法进行分解,用模糊C均值聚类(FCMC)进行分类识别,结果表明所提方法的识别效果要优于EMD形态谱和FCMC相结合的方法。通过对实测的滚动轴承振动信号的实验验证,表明该方法可以实现对滚动轴承故障的有效诊断。

基于均值漂移和模糊C均值聚类的图像分割算法

为改进传统的模糊C均值聚类(FCM)算法应用于图像分割时计算代价大、性能依赖于初始聚类个数和聚类中心、分割过程中易陷入局部极值的问题,提出一种基于均值漂移和模糊C均值聚类的图像分割算法。首先,利用优化的均值漂移算法对原始图像进行分割,分割后形成带权的分割图像并且得到聚类数目和聚类中心;然后,以带权分割图像为输入图像同时把聚类数和聚类中心引入加权FCM算法进行分割;最后,对分割结果进行形态学优化和二值化处理以提升分割效果。实验表明,该方法相对于传统的模糊C均值聚类算法有更好的图像分割效果和分割效率,且分割效果与人类视觉感知具有更高的一致性。

FCM分割和形态学的沥青路面图像裂缝提取

利用裂缝相对于路面的亮度、几何纹理等特征差异,提出了一种基于FCM图像分割和形态学的沥青路面图像裂缝提取方法。拍摄的路面图像经过去噪、亮度非均匀校正和对比度增强等一系列预处理,提高图像中裂缝与路面背景的差异。采用FCM方法分割图像,初步提取裂缝。利用膨胀、腐蚀和细化等形态学操作,对裂缝连通区域面积进行阈值判决实现裂缝的精细提取。实验结果表明,该综合方法获得了较好的检测结果,能有效地提取弱对比度的裂缝和细小裂缝。

模糊C均值聚类算法的一种初始化方法

模糊Ｃ均值聚类算法（ＦＣＭ）在图像处理和模式识别中有着广泛的应用，该算法实质上是一种局部搜索寻优方法，对初始值很敏感，容易陷入局部极小值。当聚类数比较多时，往往得不到满意的聚类结果。本文首先讨论了ＦＣＭ算法初始化对聚类结果的影响，然后提出了一种基于形态处理的ＦＣＭ初始化方法。这种方法不仅可以得到比较满意的聚类结果，而且可以自动确定聚类数。

基于顶帽变换和模糊C均值聚类的图像分割方法

为了准确地对背景亮度不均匀的图像进行分割,提出了一种综合运用形态学中的顶帽变换和模糊C均值(FCM)聚类的图像分割方法。FCM聚类算法已成功地应用于图像分割,但对于具有不均匀亮度背景的灰度图像,则无法进行准确有效地分割。根据提出的方法,对于具有亮度不均匀背景的灰度图像,首先利用顶帽变换对图像进行处理,以消除亮度不均匀的背景,然后再利用FCM聚类算法对图像进行分割。实验结果表明,该方法可以准确地对背景亮度不均匀的图像进行分割,是一种有效的图像分割方法。

中国境内稗(Echinochloa crus-galli)形态变异及其遗传和地理背景分析

采集了浙江、福建、江苏、湖南、湖北、四川、重庆、黑龙江、河南9个省的稗(Echinochloa crus-galli(L.)P.Beauv.)及其变种的33份种子,分别播种在相同的环境下,获得33个种群,测定了种群的16个形态性状,筛选出重复性好的9条ISSR引物,从33个种群中扩增出了109个位点。基于这些形态性状和ISSR位点信息,对33个种群先进行主成分分析,在此基础上再进行模糊均值聚类分析,探讨了它们的形态和遗传变化特点,及其与形态—遗传—地理背景三者之间的关系。主要结论如下:(1)33个种群可以鉴别出形态性状相对一致的4组,能够识别出西来稗(E.crus-galli var.zelayensis(Kunth)Farw.)、无芒稗(E.crus-galli var.mitis(Pursh)Peterm.)、细叶旱稗(E.crus-galli var.praticola Ohwi);(2)基于109个位点信息对33个种群进行聚类分析得到了6组,部分组与形态聚类分组有一定的对应性;(3)33个稗草种群的遗传分化受地理背景因素的影响(r=0.684,n=33,P<0.001);形态变异也有较明显的遗传背景因素(r=0.425,n=33,P<0.02)。在相对一致的稻田生境中,可能存在着形态上的趋同适应,使遗传上分化的组间在形态上又往往有交叉过渡,致使稗原变种(E.crus-galli var.crus-galli)、西来稗、无芒稗、短芒稗(E.crus-galli var.breviseta(D9ll)Podp.)在形态上难以区别;(4)基于遗传和形态数据分析,发现细叶旱稗无论在形态上,还是遗传上,均形成了明显的一组,推测与该种长期适应于干旱生境有关,建议将细叶旱稗提升为种的水平,并将其命名为Echinochloa praticola(Ohwi)Guo S L,Lu Y L,Yin L P&Zou M Y。

改进AMD广义形态分形维数和KFCMC的液压泵故障诊断方法

针对液压泵故障诊断问题,提出了一种基于改进解析模态分解(AMD)、广义形态分形维数(GMFD)和核模糊C均值聚类(KFCMC)相结合的新方法。根据故障特征频率先验知识,在有效二分频范围内对实测液压泵多模态故障振动信号进行AMD分解,并基于欧氏距离法选定实现最优分解的二分频;将基于最优二分频所提取含有丰富运行特征信息的故障分量信号作为数据源,并提取GMFD作为特征向量;利用KFCMC实现对液压泵不同故障的诊断。此外,还利用原始AMD、经验模态分解(EMD)、集总经验模态分解(EEMD)、局部均值分解(LMD)、变分模态分解(VMD)和模糊C均值聚类(FCMC)方法对上述信号进行分析,结果表明所提方法效果要优于上述传统分解和诊断方法。通过对仿真和实测液压泵故障振动信号的实验验证,表明该方法可以有效地诊断液压泵不同故障。

基于模糊C均值聚类和数学形态学的图像分割

心肌细胞钙离子实时激光扫描共聚焦光学切片呈现为点状分布的荧光图像并且受到噪声的严重干扰,单独利用模糊C均值聚类不能对这种图形进行有效分割。针对这种特定的图像提出了一种基于模糊C均值聚类和数学形态学的图像分割算法。首先利用邻域平均对图像预处理,然后利用模糊C均值聚类做分割,最后利用数学形态学的方法对图像做了平滑、连通和去噪处理。这种方法,不但有效地抑制了噪声,而且分割出的图像边缘连续、清晰。

优化的模糊C均值聚类在民族服饰图像分割中的应用

图像分割是图像处理和图像识别领域的重要研究内容之一。目前成熟的分割算法中,对于具有纹理、背景复杂或受噪声污染的图像分割效果不佳。针对这些问题,在模糊C均值聚类算法基础上,Lei等人;提出了一种快速鲁棒的模糊C均值算法(Fast and Robust Fuzzy C-means Clustering Algorithm,FrFCM)。通过在合成噪声图像和少数民族服饰图像上的分割来验证FrFCM算法的性能。实验结果表明,该算法能够以较低的计算代价和较高的分割精度实现对民族服饰图像的良好分割,同时具有较强的抗噪性。

基于形态学操作和模糊聚类技术的超声图像分割

针对医学超声图像对比度低和噪声强的特点,提出了多尺度形态学操作和模糊聚类技术相结合的图像分割方法.该方法利用多尺度形态变换提取图像的结构特征,通过对不同尺度结构特征数量的统计分析,估计图像中噪声尺度大小,并修改不同尺度结构特征的强度,从而实现对图像局部对比度的增强和噪声抑制.同时,使用新的模糊C均值聚类算法对增强后图像进行分割,从而进一步地减少图像中噪声对分割的影响,完成超声图像的有效分割.实验结果表明该方法对超声图像的分割是有效的.

基于图像纹理的沥青路面坑槽识别及提取

针对现有基于视觉的坑槽检测方法仅侧重识别、提取精度不高的缺点,提出了一种综合利用坑槽灰度特征和纹理特征的坑槽识别及提取方法。图像二值化后,根据形状特征和标准偏差对坑槽进行定性识别和初始提取;对检测出含有坑槽的图像,利用灰度共生矩阵提取纹理特征,并利用主元分析法剔除冗余纹理特征,通过模糊C-均值聚类算法将属于坑槽病害的纹理区域聚为一类,再叠加定性识别的初始提取结果,经形态学处理即可准确提取坑槽病害区域。该方法定性识别的召回率为90.0%,精确率为87.1%,准确率为92.2%,所提取的坑槽区域与原图像坑槽区域重叠度在80%以上的图像比率为70.4%,在70%以上的比率为85.2%。结果表明,该方法对于存在裂缝、碎石、积水等复杂状况的路面,都可取得良好的坑槽识别和提取效果。

基于Gabor变换的木材表面缺陷图像分割方法

为了提高对木材表面缺陷图像分割的正确率,采用了环形Gabor滤波器将木材纹理图像变换到联合空间频率域,并在能量意义下定义了特征参数。根据多方向滤波结果形成缺陷图像的分割特征向量。结合模糊C均值聚类算法和数学形态学后处理操作提取出缺陷目标区域,分割正确率为98.29%。通过与基于灰度共生矩阵的分割方法进行比较实验,该方法平均分割精度比后者提高了4.22%,实验结果表明了该方法的可行性。

基于模糊聚类和形态学的轮胎断面特征提取

针对轮胎断面图像中胶料之间灰度相差小,边界模糊性强,传统的边缘提取方法难以实现断面特征提取的问题,提出了1种将多层次模糊增强、模糊C均值聚类以及形态学等方法有机结合,用于轮胎断面特征提取的算法.该算法先将钢丝区域去除并对图像整体进行灰度变换,然后通过多层次模糊增强,增加胶料之间的对比度,再运用模糊C均值聚类分割出各胶料区域,并对各区域进行形态学处理并提取边界,最后将各区域边界叠加,加入钢丝区域,得到轮胎断面的特征.对不同光照条件下的轮胎断面图像进行试验.结果表明:该算法可以解决轮胎断面图像中胶料之间灰度差小的问题,并有效提取了轮胎断面中的胶料边界和钢丝特征,且对光照条件具有一定的适应性.

基于彩色图像融合的隐藏武器检测技术

针对基于图像融合的隐藏在人衣服下面的武器检测技术存在的未充分保护人体的隐私权、色彩失真等问题,提出了一种基于模糊C均值(Fuzzy C-means Clustering,FCM)聚类分割的隐藏武器检测方法,该方法采用FCM聚类、数学形态学对红外图像进行武器分割与提取,并将武器融合到彩色可见光图像HSI空间的I分量中,通过逆变换得到RGB彩色融合图像。该方法的融合过程只有武器参与,避开了人身体的其他部位,保护了人体的隐私权,且融合图像维持了源可见光图像的真彩色、武器目标清晰。经过对比实验,本文方法得到的融合图像具有更丰富的信息,在主观上具有更好的视觉特性,在客观评价指标上也取得了良好的评价。

一种红外序列图像目标边缘检测方法

红外序列图像边缘检测是图像处理中的重点和难点之一。提出了一种基于柔性形态学的红外序列图像边缘检测算法,首先对目标红外图像进行柔性边缘提取,然后在此基础之上采用模糊c均值聚类方法将图像转化为二值图像,从而得到比较精确的目标边缘检测图像。计算机仿真实验表明,该方法的性能优于传统的检测算子,并且具有抑制噪声的功能。

一种改进的彩色图像分割方法

介绍了一种融合多尺度形态学、蚁群聚类、模糊C-均值(FCM)聚类的新的彩色图像分割方法。该算法首先利用多尺度形态学提取图像边缘,再利用蚁群聚类算法的全局搜索性和鲁棒性的优点并结合边缘信息,确定聚类中心和聚类个数,将其作为FCM聚类的初始聚类中心和聚类个数,克服了FCM算法自身并不能确定聚类中心需要人为设定的缺陷。实验结果表明,该算法可以准确地分割出目标,是一种有效的图像分割方法。

神经元的形态分类和识别--2010年全国研究生数学建模竞赛C题论文

根据神经元的空间几何特征参数,研究神经元的空间形态分类方法,将神经元根据几何形态分类识别.首次提出利用模糊C均值算法(FCM)建立了模糊聚类分析模型,对所给的神经元样本进行了分类,这一模型用来对神经元进行分类比较合理,且计算结果准确.同时,还利用相关分析原理分析了不同动物神经系统中同一类神经元的形态特征有着很高的相似度.

融合空间模糊C-均值聚类的纱线疵点检测算法

为了精确评价纱线疵点的种类与个数,提出了一种融合空间模糊C-均值(FCM)聚类的纱线疵点检测算法。首先利用融合空间FCM聚类算法提取纱线条干;然后对纱线条干进行形态学开运算处理,以获取精确的纱线条干,并利用条干上下边缘点之间的像素个数计算纱线的直径与平均直径;最后根据纱线疵点标准判定纱线疵点的种类与个数。为了验证本算法的有效性和准确性,对多种不同线密度的纯棉纱线进行测试,并将测试结果与电容性纱疵分级仪的检测结果进行对比。结果表明,本算法与电容性的检测结果一致性较好,且价格低廉,不易受环境温度、湿度等因素的影响。