基于旋转复小波变换的图像纹理谱聚类算法

性.实验表明,本文算法能够较显著地提高聚类的正确性.     

基于模糊聚类的小波变换图像去噪算法改进

介绍一种改进的较优的基于模糊聚类的小波变换图像去噪算法.首先分析了模糊C均值聚类算法中加权指数m的重要性,采用基于模糊决策的方法,分别构造模糊目标和模糊约束,由模糊目标和模糊约束的交集来共同确定最优的加权指数m以获取较为理想的聚类分类结果.再利用该种加权模糊聚类算法把小波系数划分成包含信号与只包含噪声的小波系数两类,将只包含噪声的小波系数置为零,将包含信号的小波系数利用软阈值法进行收缩,最后对处理后的系数根据M带小波变换的局部时频分析能力及其良好的信噪分离能力进行M带小波变换,得到去噪效果较好的图像.     

形态小波域声纳图像去噪算法

为解决声纳图像易受噪声污染、对比度降低的问题,提出一种形态小波域图像去噪算法.首先构造了可以用于灰度图像处理的形态中值小波,并在实现完备重构的基础上对中值小波进行了提升;然后利用提升后的形态小波,以移位抽取的方式对声纳图像进行完整的形态多分辨率分析;经阈值处理后,最终通过各重构图像的加权平均得到理想的去噪效果.仿真实验表明,形态小波域去噪算法在去除噪声的同时能完好保留图像边缘等重要细节,与传统的小波阈值去噪方法比较,对比度有所提高,图像更加清晰.     

基于小波分析的网络通信大数据谱聚类算法研究

传统谱聚类算法存在聚类效果差的缺陷,为此提出基于小波分析的网络通信大数据谱聚类算法研究。采用小波分析方法对采集到的电网通信网络大数据的相异性进行度量,将得到的相异性度量结果转换为数据之间的相似性,并对网络通信大数据相似性关系进行构建,得到网络通信大数据的相似度矩阵,以上述得到的网络通信大数据相似度矩阵为基础,采用聚类算法对数据进行聚类,实现了网络通信大数据的谱聚类。通过实验可得,提出的谱聚类算法的准确率与纯度分别高出传统算法34%与21.2%,说明提出的基于小波分析的谱聚类算法具备极好的聚类效果。     

谱聚类算法研究综述

聚类分析是一种常见的分析方法,谱聚类作为聚类分析的一支,因其不受样本形状约束等特点备受瞩目.为及时掌握当前谱聚类算法研究动态,通过对比分析众多谱聚类优化算法,从半监督学习、二阶段聚类算法选择、算法执行效率优化等三个角度,将谱聚类优化算法分为三类,并对每类算法的优化思想进行综述.介绍经典多路谱聚类与基本理论,并分析相似矩...     

用于文本聚类的模糊谱聚类算法

谱聚类方法的应用已经开始从图像分割领域扩展到文本挖掘领域中,并取得了一定的成果。在自动确定聚类数目的基础上,结合模糊理论与谱聚类算法,提出了一种应用在多文本聚类中的模糊聚类算法,该算法主要描述了如何实现单个文本同时属于多个文本类的模糊谱聚类方法。实验仿真结果表明该算法具有很好的聚类效果。     

基于谱聚类的聚类集成算法

谱聚类是近年来出现的一类性能优越的聚类算法,能对任意形状的数据进行聚类, 但算法对尺度参数比较敏感,利用聚类集成良好的鲁棒性和泛化能力,本文提出了基于谱聚类的聚类集成算法.该算法首先利用谱聚类算法的内在特性构造多样性的聚类成员; 然后,采用连接三元组算法计算相似度矩阵,扩充了数据点之间的相似性信息;最后,对相似度矩阵使用谱聚类算法得到最终的集成结果. 为了使算法能扩展到大规模应用,利用Nystrm采样算法只计算随机采样数据点之间以及随机采样数据点与剩余数据点之间的相似度矩阵,从而有效降低了算法的计算复杂度. 本文算法既利用了谱聚类算法的优越性能,同时又避免了精确选择尺度参数的问题.实验结果表明:较之其他常见的聚类集成算法,本文算法更优越、更有效,能较好地解决数据聚类、图像分割等问题.     

并行谱聚类算法

谱聚类算法是建立在谱图理论上的一种点对聚类算法,具有实现简单、理论基础扎实和适应任意数据空间的优点,因而成为机器学习领域的研究热点.谱聚类算法最大的问题在于计算复杂度过高,而并行计算可以提高解题效率,因此本文采用最为流行的并行计算框架MAP/REDUCE在Hadoop环境中实现了并行谱聚类算法,大大改善了谱聚类算法在大规模数据环境中的聚类效率问题.     

基于均值聚类多小波图像融合算法研究

研究图像融合精度优化问题.针对传统的图像融合质量不高,由于图像中边缘信息丢失,使图像的清晰度和分辨率降低.为了提高图像的分辨率,给出了一种新的均值聚类多小波图像融合算法.针对多小波变换的优点,对融合图像采取分段式的多小波分解,并根据不同的融合规则对分解后的小波的不同高低频率重构,对融合后的边缘模糊图像区域采用均值聚类方法进行融合,可有效解决图像融合后边缘细节丢失等问题,对多组多聚焦图像进行验证实验,仿真结果表明,改进的方法能够更好的保留图像边缘信息,融合效果明显优于传统的图像融合方法.     

基于加速k均值的谱聚类图像分割算法改进

对谱聚类图像分割算法进行改进,即引入加速均值算法替换原算法中的k均值算法,得出加速谱聚类的图像分割算法.将改进算法应用于微软剑桥研究院Grab cut数据集中的5幅实验图像,结果显示:在平均区域一致性评价不降低的前提下,改进算法完成分割所花费的平均时间比改进前可缩短58％.     

基于迭代算法的小波阈值图像去噪研究

在图像的小波阈值去噪中,为了提高阈值的准确度,引入了迭代算法。实验结果表明,与普通的小波阈值去噪方法相比,该方法不但可以大量保留图像的边缘信息,而且减小降噪图像与原图像的误差。     

基于小波变换的图像去噪研究

根据噪声能量在不同尺度、不同方向上的高频系数的分布差异,将全局阈值法改进为在不同尺度、不同方向采用不同的阈值进行去噪。该方法与全局软阈值与硬阈值相比,有更好的视觉效果。通过比较去噪图像的峰值信噪比和均方根误差的数据可以看出,此法较全局软、硬阈值法有更好的去噪效果。     

基于区域的非下采样形态小波医学图像融合算法

提出了基于区域的非下采样形态小波医学图像融合算法。该算法首先将待融合的图像进行非下采样形态Haar小波分解成高频子带和低频子带,对低频子带图像直接按绝对值最大的规则进行融合,对各高频子带图像则先进行区域分割,对分割的区域根据其活跃度指数进行匹配,再对相匹配的区域按能量最大规则进行融合;最后根据融合后的低频子带及高频子带进行融合图像重构。实验结果表明,该算法在保持移不变形态小波融合方法优点的基础上,增强了融合图像的细节及亮度信息,同时有效地克服了对噪声和非精确配准敏感等缺点。     

基于声纳图像的水平集分割算法研究

针对现有的图像分割方法无法准确地分割声纳图像的问题,提出了一种改进的水平集声纳图像分割方法。介绍了LBF能量模型,借鉴其无重初始化的水平集演化思想。为克服声纳图像中复杂背景带来的负面效应,利用形态学顶帽—底帽变换对声纳图像进行预处理,并在此基础上进行无需初始化的水平集分割。进行仿真对比实验,实验结果显示:与LBF能量模型相比,改进的水平集分割方法更加适应于背景不均匀的声纳图像分割。     

小波分析理论与图像降噪处理

简要介绍了小波分析基本理论中的小波变换和小波包变换,重点论述了小波分析在图像降噪处理中的应用及其算法流程。在此基础上,利用Matlab R2007进行了图像去噪仿真测试,并对仿真结果进行了分析。结果表明,利用小波分析理论进行图像降噪处理,能够取得较好的降噪效果。     

基于小波变换的图像去噪优化算法

提出了一种基于小波变换的图像去噪优化算法。先通过小波边缘检测法求出有噪图像的边缘图像;再利用广义交叉确认原理求出的阈值对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像。该算法能在有效去噪的同时保留图像的细节信息,提高了信噪比。     

基于小波包分解的整体变分去噪算法

由Rudin等人提出的整体变分（TV）模型被认为是目前最好的图像去噪模型之一。理论表明,TV模型对分块常量的图像去噪效果显著。对于纹理细节丰富的图像,通过引入小波包分解技术,对图像的纹理细节进行多层小波包分解,得到一系列近似分块常量的子图像,用TV模型对子图像分别进行处理,从而图像的纹理细节得到了更好的保留。相对于单独使用TV模型去噪,该方法得到的复原图像峰值信噪比（PSNR）提高了1 dB左右。同时由于采用改进的Bregman迭代方案求解TV模型,算法收敛时间得到了极大的减少。     

基于最小Bayes风险的小波域局部自适应图像去噪

简要介绍了广义高斯分布的基本概念和小波系数的分布特性,分析了BayesShrink法的原理并指出其存在的不足。以冗余小波变换为基础,利用子带内小波系数之间的相关性,提出了一种局部自适应的图像去噪策略。以当前小波系数为中心,选取尺寸合适的邻域窗口,以该窗口为单位估计相应的理想标准差和局部阈值,再通过软化处理达到系数收缩的目的。实验表明,该算法能有效滤除图像噪声,较好地保留了图像纹理和细节等重要信息,取得了较高的峰值信噪比和较好的视觉效果。     

结合空间信息的模糊聚类侧扫声纳图像分割

目的 针对侧扫声纳图像具有背景复杂、噪声污染重等特点,提出一种结合空间信息的模糊聚类分割算法(FCM),以提高侧扫声纳图像的分割精度和分割速度。方法 采用结合组合邻域中值滤波的FCM算法,首先选取正十字邻域和斜十字邻域,分别计算两个邻域内的像素灰度中值;然后,结合其中的较小值,引入惩罚项,得到融合灰度信息和空间信息的灰度值;最后,对融合后的灰度图像进行FCM分割。结果 利用该算法对不同尺寸和不同目标的侧扫声纳图像进行分割,并将分割结果与其他5种聚类算法的分割结果进行比较,对比分析每种算法的分割精度和运算时间。结合中值滤波的FCM算法的分割精度和运算时间均优于传统的FCM算法和结合均值滤波的FCM算法,其中结合组合邻域中值滤波的FCM算法的运算速度较快,分割精度略高于结合传统中值滤波的FCM算法。结论 结合组合邻域中值滤波的FCM算法在对侧扫声纳图像进行分割时,具有较强的抗噪性、实时性和较强的边缘保持能力。