Mean shift模糊C均值聚类图像分割算法

针对传统模糊C均值(FCM)聚类算法对结构复杂图像分割效果不理想且算法执行效率较低的缺陷,提出一种融合均值平移(mean shift)的FCM聚类算法.利用mean shift算法将图像分成若干同质区域,将此区域视为新的节点;通过图像局部信息熵描述新节点的空间和灰度特征;采用能较好模拟人眼非线性视觉响应的指数函数进行相似性测度.实验结果表明,对于复杂背景图像和含噪声图像,所提出的算法在目标提取效果和执行效率上具有较强的鲁棒性.

基于MEAN-SHIFT和SVM的血细胞图像分割

提出一种新的血细胞图像分割算法,结合无监督和有监督模式识别技术,利用颜色快速提取感兴趣的有核细胞。首先通过mean- shift过程寻找RGB颜色空间中的细胞核、红细胞和背景聚类峰(局部密度最大区域) ,其中的细胞核图像区域经过适当形态学膨胀后可以得到部分胞浆像素;然后细胞核聚类峰和部分胞浆颜色组成正特征子集,而红细胞和背景聚类峰附近颜色组成负特征子集,训练一个两分类SVM,得到的分类模型随后对图像的颜色空间向量分类,实现细胞区域整体提取。通过颜色量化手段,能够显著减少训练集的颜色向量数量,实现SVM实时训练和分类。借助于m ean- shift鲁棒的特征空间分析性能和SVM出色的小样本学习推广能力,该方法对图像颜色变化、染色条件差异等鲁棒性强,无过度分割现象,分割速度和效果均优于流域变换方法。骨髓和外周血涂片的分割试验证明了方法的有效性,已应用于实际图像处理系统。

基于K-means聚类算法的图像特征分割研究

针对K-means(K均值)聚类算法在彩色图像特征分割中存在欠分割、精度低等问题,选取Tree和Boy两幅彩色图像作为原始数据,基于K-means聚类算法对图像进行分割实验,并采用混淆矩阵方法检验K-means算法的性能。实验结果表明:Tree和Boy彩色图像的RGB(三原色)特征空间分割精度分别为57.6%和60.4%;而Lab特征空间分割精度分别为62.8%和65.3%。这说明Lab特征空间比RGB特征空间的精度更高,更适合应用于K-means聚类算法分割彩色图像。

一种快速、稳健的图像分割方法

提出了一种快速、稳健的彩色图像分割算法。首先将图像划分为多个色彩变化平滑区域和非平滑区域,进而对非平滑区域进行进一步量化,最后使用区域增长法合并较小区域从而实现图像分割。试验结果表明,该算法可以获得良好的图像分割结果并具有较高的效率。

改进的快速模糊C均值聚类图像分割算法

为了提高图像分割的运算速度,该文在将传统模糊C均值(FCM)聚类算法应用于图像自动分割的基础上,提出一种改进的快速图像分割算法。将图像从像素空间映射至其对应的灰度直方图特征空间,实现在特征空间进行数据聚类分析以减少聚类样本数量。依据灰度直方图特性,通过曲线拟合方法获得图像的聚类数及初始聚类中心。实验结果表明,在有效分割图像的基础上,该算法的运算迭代次数减少了约10%,运行时间减小了约6%。

图像分割的快速模糊c均值聚类算法

提出了一种快速有效的图像模糊c-均值(FCM)聚类分割方法。该方法一方面通过特征映射减少数据量,另一方面通过调整算法的计算步骤以减少迭代过程的存储量,从而大大缩短图像分割的运行时间。应用于图像分割的实验结果表明新算法在保持原有FCM分割效果的同时大大缩短了CPU时间。

基于PSO_KFCM的医学图像分割

在核模糊聚类算法(KFCM)的基础上,提出了一种新的PSO_KFCM聚类算法。新算法利用高斯核函数,把输入空间的样本映射到高维特征空间,利用微粒群算法的全局搜索、快速收敛的特点,代替KFCM算法逐次迭代的过程,在特征空间中进行聚类,克服了KFCM对初始值和噪声数据敏感、易陷入局部最优的缺点。通过对医学图像进行分割,仿真实验结果表明,新算法在性能上比KFCM聚类算法有较大改进,具有更好的聚类效果,且算法能够很快地收敛。

基于均值平移与模拟泛洪的图像分割算法

针对图像处理的特点,综合考虑执行速度与健壮性要求,提出了一种顺序搜索LUV空间候选点的均值平移实现方法。为了克服传统的基于特征空间分析的图像分割方法对像素点空间关系考虑不够充分的缺陷,借鉴Vincent&Soille沉浸模拟分水岭算法思想,构造了一种与均值平移方法相适应的新的模拟泛洪方法执行图像分割。新方法比较符合人的主观感知,且易于容纳更多的特征以满足特定的图像分割需求。对实验用彩色图像的分割结果表明了该方法的有效性。

主成分分析在均值漂移遥感影像分割中的应用

针对均值漂移分割算法假设样本处于欧式空间,而遥感影像由于波段范围广,不能像普通彩色图像一样,能够由RGB空间转换到LUV空间来满足这种假设的问题,该文提出采用主成分分析（Principal Component Analysis,PCA）对遥感影像进行变换,以满足这种假设。对于输入的一幅遥感影像,首先采用PCA对该影像进行变换,并且将变换后的数据线性拉伸到0~255之间,然后替换原始影像数据,并调用均值漂移算法进行影像分割。实验结果表明,采用所提出方法得到的结果优于直接对原始影像进行均值漂移分割的结果。