结合邻域信息的改进抑制式FCM图像分割方法

针对模糊C均值聚类(FCM)算法在含噪声图像分割中存在的运算开销大、收敛速度慢等不足,在抑制式RC-FCM算法的基础上提出一个结合邻域信息的改进抑制式FCM算法,算法通过构建图像灰度及邻域信息的二维直方图设定聚类样本空间和初始聚类,根据样本到聚类中心的最大和最小距离动态设定抑制因子,再通过改进的最小抑制FCM算法实现图像分割。实验表明改进算法不仅能够提高FCM算法的聚类速度,而且提高了对噪声图像的分割精度。

一种基于Ridgelet变换和抑制式FCM聚类的数字水印算法

利用人类视觉系统的掩蔽效应和脊波变换(ridgelet transform,RT),提出了一种新颖的自适应乘性数字水印算法。由于脊波具有方向敏感性和各向异性的特点,具有自然纹理和曲线边缘的图像首先进行分块脊波变换,使脊波变换系数能够分段线状表示图像中的边缘奇异性。然后根据不同纹理程度的图像块提取脊波方向能量特征,结合人眼接受信号具有近似对数的特性对此特征进行非线性调整;并将其作为抑制式模糊聚类(suppressed fuzzy C-means algorithm,s-FCM)的特征向量,将图像块分成两类:较平坦区域、强纹理和边缘区域。最后将数字水印自适应嵌入到属于第二类的图像块的能量最大方向的中频脊波系数,并由该图像块的脊波方向能量特征控制嵌入强度。水印通过相关检测器判断存在与否。实验结果表明水印算法具有较高的不可见性和稳健性。

基于改进抑制式FCM聚类算法的图像分割

在抑制式模糊C-均值聚类算法中,由于对隶属度的修正只考虑了隶属度的相对值,而没有考虑其绝对值,影响其聚类效果。针对其不足,提出了一种改进的模糊C-均值聚类算法。算法中,值的选择由所修正的隶属度的大小来确定。实验表明,该算法能获得较好聚类的效果。

基于CEEMDAN-DFA与FCM聚类算法的大地电磁强噪声识别与抑制

CEEMDAN(complete ensemble empirical mode decomposition with adaptive noise,自适应噪声的完备经验模态分解)-DFA(detrended fluctuation analysis,去趋势波动分析)滤波算法首先将含噪信号进行CEEMDAN分解,并以DFA方法提供的标度指数为依据,然后从分解得到的本征模态函数中自适应地选取有用的分量去重构信号。仿真试验表明,在不同信噪比背景下,该方法相对于小波阈值和EMD(empirical mode decomposition,经验模态分解)-DFA方法具有一定的优越性。此外,选用模糊熵与短时能量作为模糊C均值(Fuzzy C-means,FCM)聚类算法的特征参数,对受典型强噪声干扰的大地电磁信号进行信噪识别,获得了较好的识别效果。鉴于此,将这2种算法相结合对实测信号中受到强干扰的部分进行识别与噪声抑制。结果表明,该方法能有效地克服传统整体滤波处理产生的过处理现象,在压制强噪声的同时能较好地保留实测数据中有用的低频成分。

基于FCM聚类算法的快速水平集图像分割仿真

为解决当前水平集图像分割方法中由于噪声过高引起的聚类和分割效果差的问题,提出基于FCM聚类算法的快速水平集图像分割方法。在水平集图像分割中引入聚类能量和正规化能量概念,结合小波变换方法抑制图像中的噪声;利用FCM聚类方法设计图像分割模型,利用模型进行模糊聚类以及交替曲线平滑过程,获取能量泛函的极小值,以达到快速水平集图像分割的目的;改进模型中边界截止函数,并通过灰度值与隶属度之间的关系修正已分割图像的边缘信息,提高分割质量。实验结果表明,所提方法能够有效降低噪声对分割结果所产生的影响,获取理想的图像分割结果。

基于纹理抑制FCM和小波模极大值的织物疵点检测算法

为实现织物疵点的自动化检测,提出一种纹理抑制FCM和小波模极大值的织物疵点检测方法,该方法对输入图像进行中值滤波处理,采用改进总变差模型(RTV)提取织物图像的主结构信息(疵点),实现抑制背景纹理,再利用最大类间方差(Otsu)算法将模糊C均值(FCM)算法聚类获得的隶属度矩阵进行分割,获得二值化的疵点图像,然后采用小波模极大值算法获取疵点的二值化边缘图像,最后将两个二值化结果进行点乘与形态学处理,分割出疵点区域.结果显示,该方法可以检测油污、飞丝和破洞等疵点类型,检测效果较好,相比于RTV-FCM算法和RPCA算法,正检率分别提高了3.08%和4.61%.

优选抑制式非局部空间模糊C-均值图像分割方法

当图像被噪声严重污染时,像素的邻域像素也可能被污染。此时,来自于像素点的邻域像素的局部空间信息无法在含噪图像分割中发挥积极的指导作用。鉴于此,利用图像中与像素具有相似邻域结构的像素构造新的非局部加权和图像,并在新图像的灰度直方图上采用优选抑制式模糊C-均值聚类,提出优选抑制式非局部空间模糊C-均值图像分割方法。实验结果表明,该方法能进一步提高模糊C-均值聚类方法对于图像噪声的鲁棒性,获得了更加理想的分割结果。

半抑制式模糊C-均值聚类算法

针对抑制式模糊C -均值聚类算法所存在的不足 ,提出了一种改进算法———半抑制式模糊C -均值聚类算法。通过对抑制式模糊C -均值聚类算法的良性扩展 ,在保持收敛速度变化不大的前提下改善了聚类的效果。实验表明 ,该算法是有效的。

基于二维直方图的图像模糊聚类分割改进方法

基于二维直方图的模糊聚类分割方法,可以有效地抑制噪声的干扰。但是,FCM算法用于图像数据聚类的最大缺陷是运算开销太大,从而限制了该算法在图像分割中的应用。针对这个问题,本文将改进抑制式FCM算法拓展到二维空间,在保持空间信息的基础上,引入了自适应抑制因子来修正不同大小的隶属度,减少了数据的聚类次数,实验结果表明该方法提高了聚类的速度,又有很好的聚类效果。