基于多尺度核模糊聚类的图像分割算法

针对现有的模糊聚类算法容易受到噪声影响,难以实现精准分割的问题,提出一种基于多尺度核模糊聚类的图像分割算法。首先,利用高斯滤波对分割图像进行多次模糊,构建多尺度空间。然后,利用图像的局部空间信息和权重信息来修改局部模糊因子,同时引入核函数,用内核诱导距离替换原始欧式度量,增加了其对噪声点和离群值的鲁棒性。将全局隶属度和局部隶属度加权,二次修正隶属度的划分。最后,使用滤波后的上层图像聚类结果依次指导下层图像聚类,避免了随机初始化,有效抑制噪声,提升算法的分割性能。为验证算法的有效性,与其他8种聚类算法进行对比分析,结果表明:所提算法在噪声污染和复杂图像中能够取得较好的分割结果。

连续子邻域内的鲁棒双边滤波

提出一种连续子邻域内的鲁棒双边滤波算法(Robust Bilateral Filtering)。首先,利用自适应区域生长方法在图像局部邻域中分割出种子像素的连续子邻域;然后,在该连续子邻域中采用改进的双边滤波算法对种子像素值进行平滑处理。为了提高算法的鲁棒性能,类似非局域均值滤波算法(Non-Local Means Filtering),以像素空间临近度和像素局部窗口相似度定义该滤波器核函数。算法结合了双边滤波和非局域均值滤波的优点,且在连续子邻域内进行去噪处理相对可获得更为合理的图像效果。仿真实验表明,该算法具有良好的去噪效果,同时较好地保留了图像的细节特征。

基于邻域统计的图像消噪方法

中值滤波是一种在去除噪声的同时能较好保护图像边缘细节的非线性滤波技术。介绍了中值滤波及其改进算法、分析了中值滤波的属性、提出了一种基于邻域统计和奇异点检测的中值滤波器的改进算法。计算机模拟实验结果表明:该改进算法能在有效地去除噪声的同时,较好地保护图像细节,较标准中值滤波器和维纳滤波器具有更优良的滤波性能。

基于邻域关联特性的纸病去噪方法

对传统的均值滤波、中值滤波的优缺点进行了分析,引入基于邻域关联特性的图像滤波去噪方法。该方法针对纸病图像噪声源多、样本有限等局限性,根据系统各因素间的内部联系和发展态势的相似程度来度量因素之间的关联程度,从而进行滤波。仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波方面能有效地滤除噪声,同时还能较好地保护图像细节。在纸病检测测试中,该方法可以解决纸病准确去噪的问题。

基于边界过滤和邻域均值滤波的室内定位算法

在构建位置指纹库时,采用过滤法剔除数据采集阶段位于边界的位置指纹点,使用邻域均值算法滤除指纹库中指纹的噪声点。将指纹库k-means聚类为合适的k个指纹类以表示相似的位置指纹点,再用加权k近邻法实现精确定位。实验证明,相对于传统未对RSSI信号做处理的定位算法,该算法平均定位精度提高了28.9%。

结合改进扩散和双边滤波的低剂量CT重建

针对低剂量计算机断层扫描(CT)重建图像时出现明显条形伪影的现象,提出一种结合非局部均值模糊扩散和扩展邻域双边滤波的中值先验(MP)重建算法。首先,使用基于非局部均值模糊扩散方法对中值先验分布的最大后验(MAP)重建算法进行改进,以减少重建图像中的噪声;然后,采用基于扩展邻域的双边滤波方法对重建图像进行处理,以保持图像的边缘和细节信息,进一步提高重建图像的信噪比。采用Shepp-Logan模型和胸腔模型来验证算法的有效性,实验结果表明,与滤波反投影(FBP)、中值根先验(MRP)、非局部均值模糊扩散的MP重建(NLMMP)算法和非局部均值双边滤波的MP重建(NLMBFMP)算法相比,所提新算法的归一化均方距离和均方绝对误差最小,且信噪比最高,分别为10.20 d B和15.51 d B。该重建算法可以在对重建图像进行降噪的同时保持了图像的边缘和细节信息,改善了低剂量CT图像质量退化的问题,获得高信噪比和高质量的重建图像。

基于机器视觉的大尺寸薄壁机械零件微裂纹检测研究

当前的微裂纹检测方法不能对微裂纹图像进行平滑处理,导致无法有效检测到微裂纹的长度、面积以及圆度。为此,设计一种基于机器视觉的大尺寸薄壁机械零件微裂纹检测方法,对大尺寸薄壁机械零件微裂纹图像进行灰度拉伸,利用邻域均值算法对拉伸后的图像进行平滑处理,进而利用机器视觉理论提取微裂纹图像缺陷特征,通过计算对微裂纹的缺陷特征进行约束处理,完成大尺寸薄壁机械零件的微裂纹检测。测试结果表明:该方法具有较好的检测效果和精准度。

一种嵌入局部信息的快速KFCM聚类分割算法

针对核空间模糊局部C-均值聚类分割算法时间复杂性过大而不适合实时场合图像分割需要的问题,提出了一种核空间局部模糊C-均值聚类分割的快速算法。利用像素与其邻域像素之间的空间距离信息和灰度方差信息构造一种加权共生矩阵;将图像像素的一维直方图以及像素与邻域像素之间的二维共生直方图相结合构造了一种新的核空间模糊C-均值聚类分割目标函数,并对其推导获得隶属度和聚类中心迭代表达式;将图像像素采用该算法聚类所得隶属度进行邻域滤波处理,以便改善该算法的抗噪性能。实验结果表明,该分割算法相比核空间局部模糊C-均值聚类分割更有利于实时场合和大幅面图像分割的需要。

改进的蜂群优化聚类集成联合相似度推荐算法

协同过滤算法由于推荐效果良好,而被广泛应用于推荐领域,但其在数据稀疏及冷启动的情况下会导致推荐效果明显下降。在数据稀疏情况下,为充分利用用户的历史信息以提高算法的推荐精度,提出一种改进的聚类联合相似度推荐算法。采用改进的蜂群算法来优化K-means++聚类的中心点,使聚类中心在整个数据内达到最优,并对聚类结果进行集成,使得聚类得到进一步优化。根据聚类结果,在同一类中采用改进的用户相似度算法来优化传统相似度算法,使用户间的相似度达到最优,并根据领域的评分预测方法将最佳结果推荐给用户。实验结果表明,该算法的精度、召回率及平均绝对误差均优于其他现有算法,且在数据稀疏情况下其性能仍最佳。

基于邻域窗口滤波的图像去雾

户外摄影成像质量常常受雾霾等能见度低的天气影响,为了提高雾天的成像质量,提出了一种基于邻域窗口滤波——NWF(Neighborhood Window Filtering)的图像去雾算法。在大气散射模型下使用暗原色统计先验,大气透射率和暗通道有关,直接使用暗通道估计出的大气透射率结果粗糙,还原的图像边缘有光晕看起来不够真实。针对这一问题设计了一种简单高效的邻域窗口滤波器从八个邻域方向上计算切尾均值自适应选择出最佳的方向来提取精细的大气透射率图,该方法不仅能平滑尘雾浓度图,又能从根本上保留纹理信息。结合大气散射模型使用具有更多纹理边缘信息的的透射率图,最后可以还原出一幅更加真实的去雾图片。实验结果表明,该方法相比于传统的导向滤波及双边滤波的去雾方法更加简单,效果明显。

基于邻域局部最大均值与多尺度形态学滤波的弱小红外目标检测算法

根据弱小目标的成像特性,提出了基于邻域局部最大均值与多尺度形态学滤波的目标检测算法。通过滑动窗口判断图像中心是否为最大值,若是,则用中心点四邻域的两个方向的最大均值替代中心点;否则,计算其四邻域方向极大二值的梯度,根据加权系数计算赋给中心点。遍历整幅图像,用来消除噪声和改善初始图像的信噪比。然后,再对图像进行多尺度的形态学滤波,可以有效地估计背景并将背景从原始图像中移出。改进的自适应分割方法计算阈值之后,从候选点中来提取目标。对序列图像采取多帧关联处理,可以进一步降低虚警率。实验结果表明,该算法易于实现,能提高检出概率,较好并完整地检测出目标,且降低虚警率。

大尺度非局部均值伪影抑制技术对提高低剂量腹部CT图像质量的价值研究

目的评价大尺度非局部均值伪影抑制(AS-LNLM)技术对提高低剂量腹部CT图像质量的价值。方法对腹部检查的26例患者采用GE Discovery CT750 HD进行腹部常规剂量及低剂量CT扫描。分别采用滤波反投影(FBP)、40%自适应统计迭代重建(ASIR)技术对常规剂量及低剂量腹部原始数据进行0.625 mm薄层重建,并将两种重建算法的低剂量数据进行AS-LNLM技术处理,应用后处理站对图像进行质量评价分析,测量并比较肝脏、脾脏及腹主动脉的噪声、对比噪声比和信噪比,并对腹部图像质量进行主观评分。记录每例患者每次检查的剂量长度乘积(DLP)和CT剂量指数(CTDIvo1),并计算有效剂量(ED)及剂量平均减低率。结果对于腹部图像质量,AS-LNLM低剂量图像比未使用此技术的常规剂量及低剂量图像有更低噪声值、更高对比噪声比(CNR)及信噪比(SNR)(P<0.05);常规剂量图像较低剂量图像有更低噪声值以及更高的CNR及SNR(P<0.05);对于FBP重建算法,低剂量+AS-LNLM技术及未用此技术低剂量图像的主观评分分别为(3.36±0.69)和(1.95±0.72)(P<0.05);对于40%ASIR重建算法,低剂量+ASLNLM技术及未用此技术低剂量图像的主观评分分别为(3.68±0.48)和(2.18±0.66)(P<0.05)。常规剂量图像用FBP及40%ASIR两种算法重建后的图像主观评分分别为(4.73±0.46)和(4.82±0.40)。低剂量扫描的CTDIvol值、DLP值及ED值分别为(1.84±0.01)m Gy、(49.60±2.63)m Gy/cm和(0.74±0.04)m Sv;常规剂量扫描的CTDIvol值、DLP值及ED值分别为(7.61±0.03)m Gy、(204.18±11.19)m Gy/cm和(3.06±0.17)m Sv。结论AS-LNLM低剂量图像较常规扫描不但可以明显降低扫描剂量,并可以明显提高图像CNR及SNR,图像质量能够满足诊断要求。

海德堡视网膜断层扫描仪的三维点云去噪方法研究

双边滤波法可以对海德堡视网膜断层扫描仪(HRT)扫描获得的三维点云数据进行有效的去噪处理。该算法在去噪的同时保留了图形的特征信息,缺点是多次迭代计算耗费了大量时间,所以该算法无法直接运用到实际的诊断中。邻域均值算法对位于某点一定邻域内所有点的Z坐标做均值处理,且根据距离中心点的远近取不同的权值,也能对图形进行去噪处理,只是单独使用虽耗费时间较少但效果远不及双边滤波算法。因此,本文提出采用邻域均值法作为双边滤波算法去噪的预处理。研究发现,该方法在保留图形特征的同时,并且在相同去噪效果的前提下可以显著减少计算时间,提高运行效率。

基于改进型中值滤波的高密度椒盐噪声图像去噪算法研究

针对目前已有滤波算法对高密度椒盐噪声降噪能力较低的问题,提出了一种基于改进型中值滤波的算法。该算法在自适应中值滤波与斜率差值的基础上,采用图像局部均值与方差的方式对噪声点进行预判定,并对图像边缘进行二次邻域均值滤波。实验结果表明,该算法能够有效去除高密度椒盐噪声,并且能较好地保留细节信息。

基于邻域信息TDLMS滤波器的红外小目标检测

为了有效地抑制背景,提高目标与背景的对比度,提出了一种基于邻域信息TDLMS滤波器的红外目标检测算法.该算法对TDLMS滤波器的结构和预测方法进行了改进,充分利用被预测像素的邻域信息对背景进行预测.实验结果表明该算法对不同背景和不同大小红外目标都具有很好的检测效果,能够更大程度提高局部信杂比.

双迭代等距均值滤波的医学图像恢复

医学图像中往往有很多与脉冲噪声灰度相同的像素,因此含脉冲噪声的医学图像的恢复非常困难。为了获得比现有的脉冲噪声滤波器更好的噪声抑制和纹理结构保持效果,提出了一种双迭代等距均值滤波(dual iterative equidistant mean filter,DIEMF)的医学图像恢复方法。该方法采用等距离邻域进行噪声检测和去除;噪声检测器循环地利用邻域的非最值像素与中心像素之间的平均绝对差,以及利用多数原则,将噪声像素与无噪像素区分开来;噪声去除采用自适应和双迭代的方法,以等距邻域中无噪像素和先前恢复像素的平均值作为中心噪声像素的灰度估计值,充分利用最近的先前恢复的像素。实验结果表明,该方法在噪声抑制和纹理结构保持方面优于现有的方法,特别是对于低密度噪声,它比现有的滤波器具有显著的优越性。