基于直觉模糊C均值聚类的红外图像缺陷检测

红外热成像技术常被用来检测碳纤维增强复合材料的内部缺陷,但常用的光学热源加热效率低,需要近距离加热试件。激光具有能量集中、衰减小的优点,其作为加热源有助于实现远距离检测。本文介绍了线激光扫描红外热成像无损检测技术,并对加热过程中材料内部热传导进行了分析。其次,针对红外图像均匀性差、对比度弱,不利于缺陷特征提取的问题,本文引入基于直觉模糊C均值聚类算法的图像分割方法来提取缺陷边缘,与K-Means聚类方法相比,该方法可以提升缺陷模糊边缘的识别和检测能力,保留更多图像的细节信息,有助于准确提取缺陷边缘特征。     

基于Canny算子的红外图像边缘检测研究

在红外图像处理中,提出了尺度相乘的Canny边缘检测器,定义了尺度相乘函数,该函数是两个尺度检测滤波器响应的乘积.通过确定尺度相乘后的梯度图像,采用非最大值抑制方法得到边缘图像.实验结果表明,该算子提高了传统Canny检测算子的性能,具有良好的检测精度,在定位和噪声抑制两方面得到了较好的折中.     

基于Canny算子的舰船热尾流红外图像边缘检测研究

针对海面情况复杂,舰船热尾流红外图像受干扰大,目标区域不易辨别的特点,提出了一种自适应滤波平滑技术并采用动态阈值分割算法对传统的Canny边缘检测算法加以改进.在实际应用中,提取出了清晰、连通的舰船热尾流的边缘,达到了令人满意的结果.为红外探测潜艇提供了科学的水面热轨迹情况的依据.     

基于Canny边缘检测算子的图像检索算法

针时依赖传统Canny算子的基于边缘的图像检索系统所存在的不足,提出一种基于Canny边缘检测的图像检索算法.使用改进的Canny算子提取图像边缘特征,将该特征通过傅里叶描述予转化为向量,根据向量闯的Manhanttan距离进行图像检索.试验结果表明,改进的Canny算子能够检测到低强度的边缘并保持边缘清晰连贯,而且该图像检索算法具有良好的检索效果.     

基于模糊C均值聚类的作物病害图像分割方法研究

图像分割是指将人们感兴趣的目标从背景中分割出来,分割结果的好坏直接影响后期的图像分析和识别.基于作物病害图像的分割技术就是将病斑从病害图像中分割出来,以便于后期病害的诊断和识别.模糊C均值聚类是一种重要数据分析和建模的无监督方法,为提高作物病害图像的分割效果,根据作物病害图像的特点,提出一种基于模糊C均值聚类算法的作物病害图像自适应分割方法,并与K均值聚类算法进行比较,结果显示本文算法在进行图像分割方面表现出明显优势.     

非局部模糊C均值聚类图像分割

改进的广义模糊C均值聚类分割算法(GIFP_FCM)是一种新型的模糊聚类算法。然而,GIFP_FCM对噪声很敏感,这是因为该算法忽略了图像的空间信息。为了解决这一问题,本文提出一种新算法,即非局部自适应空间约束聚类算法(FCA_NLASC)。在该方法中,一种新的非局部自适应空间信息被引入到改进的GIFP_FCM的目标函数。该算法的特点是控制每个像素在非局部空间信息图像中的噪声。对于合成图像和真实图像,与GIFP_FCM算法比较,实验结果表明,FCA_NLASC算法能够较好地保持图像细节特征,并且对噪声具有较强的鲁棒性。     

基于红外图像特征与K-means的边缘检测

为解决红外图像边缘模糊导致边缘提取困难的问题,提出一种基于边缘特征与K-means结合的红外图像边缘检测方法.首先将人眼视觉特性与红外图像边缘点处的灰度分布特点结合,构造出反映其结构特征的数据集;再利用K-means将数据集分为边缘点和非边缘点,提取出图像边缘;最后利用二步法将边缘进行细化,以便实现红外图像边缘检测.实验结果表明:该方法能够通过自适应阈值提取出红外图像的完整外部轮廓,并保留内部边缘信息,对弱边缘起到良好的提取效果,并有效抑制噪声干扰.     

基于Canny算子的图像边缘检测算法

图像边缘检测是一种非常经典的基于计算机视觉技术的图像处理技术,主要是根据图像的某种特定信息,把目标的边缘与周围的区分开来。回顾了几种传统的边缘检测方法,并分析它们的优缺点,详细阐述了Canny算子的检测原理和实验方法。实验结果表明Canny算子是最优的边缘检测算子,能够较稳定地对目标图像进行边缘信息提取,得到较好的检测效果。     

基于上下文模糊C均值聚类的图像分割算法

像素间的上下文相关信息对图像分割算法的抗噪性和准确性具有重要意义,现有的模糊C均值(FCM)聚类算法对此缺乏充分考虑.该文基于对空间上下文的可靠性度量,提出一种模糊C均值聚类算法(RSFCM)应用于图像分割:通过对空间上下文有效建模来提高聚类算法的抗噪声干扰性能,并研究了一种新的可靠性模糊度量指标,使聚类算法能更好地平衡细节保留和去噪,从而获得更加准确的分割结果.实验选取人工合成图像、交通标志图像和遥感图像3类数据测试聚类算法性能,结果表明,RSFCM在图像分割过程中能有效地抑制椒盐噪声和高斯噪声引起的类内异构及类间同构问题,能提高图像的像素可分性,并有效地保留了图像的边缘细节.     

基于上下文模糊C均值聚类的图像分割算法

像素间的上下文相关信息对图像分割算法的抗噪性和准确性具有重要意义,现有的模糊C均值(FCM)聚类算法对此缺乏充分考虑.该文基于对空间上下文的可靠性度量,提出一种模糊C均值聚类算法(RSFCM)应用于图像分割:通过对空间上下文有效建模来提高聚类算法的抗噪声干扰性能,并研究了一种新的可靠性模糊度量指标,使聚类算法能更好地平...     

一种基于Ｃ均值的模糊核聚类图像分割算法

模糊核聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,已广泛应用于图像分割领域,但其算法对初值敏感,很大程度上依赖初始聚类中心的选择,并且容易收敛于局部极小值,用于图像分割时,隶属度的计算只考虑了图像中当前的像素探值,而未考虑邻域像素探间的相互关系,故对分割含有噪声图像不理想。故提出了一种改进的模糊核聚类图像分割算法,先通过数据约简,不损失数据聚类结构的前提下对数据进行挖掘,然后在模糊核聚类算法中引入特性核函数,将约简后的数据映射到高维非线性特征空间进行划分,最后再利用表征邻域像素的参数来修正当前空间像素的隶属度。实验结果表明,提出的算法较好地解决了模糊核聚类算法在局部极值处收敛和在迭代过程中出现停滞等问题,最终得到最佳全局聚类,迭代次数降低明显,并具有高鲁棒性、对噪声不敏感的特点。     

基于OTSU和Canny算子的红外图像特征提取

机械设备运行过程中,标记的故障样本量小,导致建立的模型故障诊断准确率低,为此本文提出一种结合深度学习与域自适应的工件涡流热成像的缺陷检测方法。首先将注意力机制引入深度残差网络ResNet50中,加强模型的特征提取能力;然后将源域和目标域数据送入改进的ResNet50网络中提取深度特征,并且在网络的全连接层中引入局部最大均值差异,用于缩小两域特征间的分布差异,以此实现相关子域的分布对齐;最后在网络的Softmax分类器中实现对工件金属材料的缺陷检测。在公开的磁瓦数据集和本文实验采集的金属板涡流红外图像数据集上进行实验,结果表明,本文方法对涡流红外图像的裂纹缺陷检测识别准确率较高,通过t分布随机邻居嵌入方法对分析结果可视化,验证了本文方法的优越性。     

基于多属性模糊C均值聚类的属性约简算法

模糊C均值聚类算法在处理高维数据集时,存在计算复杂度高,算法泛化能力差,计算精度低等问题。考虑到特征属性对聚类的贡献程度的差异,在多属性模糊C均值聚类的思想上,提出一种基于属性重要性的约简算法。为验证有效性,在UCI数据集上,将新算法与因子分析法和粗糙集理论约简方法进行比较分析。实验结果表明,该方法具有更好的泛用性,在平均标准差大或类间中心距离较远的数据集上具有更好的性能。     

马尔可夫化的多尺度FCM在影像分割中的应用

为了同时处理影像分割问题中的随机性与模糊性,提出了一种多尺度(MR,multi-resolu-tion,马尔可夫随机场(MRF,markov random field)模型下的模糊C均值(FCM,fuzzy C-means)聚类分割算法(MR-MRF-FCM)。利用FCM算法能够处理影像模糊性的优点、MRF模型描述空间关系的长处以及小波的多尺度分析的优点,先对影像进行多尺度小波分解,并对小波系数建立MRF,进而用MR-MRF中的条件概率矩阵代替FCM算法的隶属度矩阵。实验结果从视觉效果和定量指标两方面表明,本文方法优于经典的MRF、多尺度MRF、FCM和核FCM等方法。     

基于PSO优化模糊C均值的WSN分簇路由算法

针对无线传感器网络节点能量有限、负载不均衡的问题,提出了一种基于粒子群优化模糊C均值的分簇路由算法POFCA.POFCA分别从成簇阶段和数据传输阶段进行了优化.成簇阶段,首先使用粒子群优化算法优化模糊C均值算法,克服了模糊C均值对初始聚类中心的敏感,并根据节点剩余能量和相对距离动态更新簇首,平衡簇内负载.数据传输阶段,...     

Infrared image segmentation algorithm based on distribution information intuitionistic fuzzy c-means clustering

Due to the sensitivity of the traditional intuitionistic fuzzy c-means (IFCM) clustering algorithm to the clustering center in image segmentation,which resulted in the low clustering precision,poor retention of details,and large time complexity,an intuitionistic fuzzy c-means clustering algorithm was proposed based on spatial distribution information suitable for infrared image segmentation of power equipment.The non-target objects with high intensity and the non-uniformity of image intensity in the infrared image had strong interference to the image segmentation,which could be effectively suppressed by the proposed algorithm.Firstly,the Gaussian model was introduced into the global spatial distribution information of power equipment to improve the IFCM algorithm.Secondly,the membership function was optimized by local spatial operator to solve the problem of edge blur and image intensity inhomogeneity.The experiments conducted on Terravic motion IR database and the data set containing 300 infrared images of power equipment show that,the relative region error rate is about 10% and is less affected by the change of fuzzy factor m.The effectiveness and applicability of the proposed algorithm are superior to other comparison algorithms.     

基于模糊C均值聚类与空间信息相结合的图像分割新算法

针对传统的模糊C均值聚类（FCM）图像分割方法未考虑图像的空间信息,对噪声十分敏感的问题,本文提出了一种结合空间信息的模糊C均值聚类分割新算法;该算法将图像的二维直方图引入传统的模糊C均值聚类算法中,并对隶属函数做了改进;依据平方误差和最小准则,来确定模糊分类矩阵及聚类中心;最后,依据最大隶属度原则,划分图像像素的类别归属,以改善传统的PCM算法的分割质量。实验结果表明,该算法显示了较好的分割效果和较强的抗噪性能。     

多分辨率图像锥的FCM聚类图像分割算法

模糊C-均值（FCM）聚类算法是一种基于像素分类的图像分割方法，在分割的过程中，仅仅利用了像素点的灰度信息，但在灰度密度丰富变化和图像的对比度不明显的情况下，物体和背景的分布将相互重叠而密不可分，往往得不到满意的分割效果。为了解决上述问题，现提出了一种基于多分辨率图像锥的模糊C-均值聚类图像分割算法。该方法利用多分辨技术产生多分辨率图像锥，将图像从空间信息引入，考虑图像的局部特性，使分割算法局限于图像的子图像中，物体和背景比单纯运用FCM更容易区分，且算法稳定性高，速度快。