基于数学形态学的聚类集成算法

提出了基于数学形态学的聚类集成算法CEOMM.它利用不同的结构元素的探针作用,对不同的结构元素探测出来的簇核心图进行集成,在集成所得到的簇核心基础上聚类.实验结果表明,算法CEOMM对有复杂类形状的数据集进行聚类时,效果比传统聚类算法更好,且能确定聚类数.而且由于采用了不同的结构元素进行探测,对于由不同形状的类构成的数据集其聚类效果很理想.     

基于数学形态学的带障碍约束的空间聚类算法研究

该文提出了一种基于数学形态学的带障碍约束的聚类算法。通过数学形态学的膨胀运算,进行连通区域的寻找,同时借助于进行膨胀运算的结构元素,确定障碍物与连通区域是否相交。算法与DBCluC算法不同的是:通过结构元素,大大减少了需要进行相交判断的点的数量,具有较高的时间效率。     

从空间数据库发现聚类：一种基于数学形态学的算法

聚类算法能从空间数据库中直接发现一些有意义的聚类结构而不需要背景知识,是空间数据发掘和知识发现的重要手段。在分析已有聚类算法的基础上,提出了一种基于数学形态学的聚类算法,该算法能够处理任意形状的聚类,采用启发式方法自动确定最优聚类数。同时,该算法也可以在矢量型空间数据库中得到实现。试验表明算法是可行和有效的,且能处理存在噪音的数据。     

一种基于多主体技术的分布式图像聚类算法

针对医学图像具有对比度较低,不同组织之间的模糊性较高的特点,给出一种基于多主体和数学形态学灰度形态运算的聚类算法。算法采用agent技术和多结构元素结合的模式,用结构元素做智能个体,每个不同类型的agents随机散布在离散空间格点上,在同时刻控制系统驱动下agents根据其自身结构元素的类型用给出的邻域平均算子自主选择作相应的运算进而实现图像聚类。算法无须先验知识和预处理操作,对初始聚类点不敏感,无须事先输入聚类簇数。算法具有分布式并行计算功能和自主分析能力。实验结果验证了该算法的可行性和可靠性。     

基于形态学聚类算法图像配准仿真研究

研究图像配准精确度问题。由于两张图片几何关系及量度均有不同,要达到配准效果应有空间一致性。传统的聚类图像配准算法进行图像配准时,配准精度较低,算法复杂度高等不足。为了有效提高图像配准的精确度,提出了一种改进的数学形态学和聚类算法相结合的图像配准方法。算法首先改进的基于空间模式均值聚类对图像进行区域分块,并对分块的位置进行空间聚类,并准确计算出基准图像的最后的配准位置,并采用数学形态学方法对配准后的图像进行边缘处理,最后评估配准图像的质量。仿真结果表明,提出的改进的算法有效的提高了配准精确度,是一种可行性有效的图像配准算法,为图像配准提供了依据。     

基于数学形态学的围棋棋群聚类算法

计算机围棋可以模拟人类棋手的棋群聚类能力以提高搜索效率。本研究以数学形态学为工具,在形式化基础上采用带有限制条件的膨胀运算进行棋群的初步聚类,结合其它一些启发式搜索方法完成棋群的最终聚类,并结合实战对局评价了此算法的性能,指出了此算法的应用价值。     

基于k最相似聚类的子空间聚类算法

子空间聚类是聚类研究领域的一个重要分支和研究热点,用于解决高维聚类分析面临的数据稀疏问题。提出一种基于k最相似聚类的子空间聚类算法。该算法使用一种聚类间相似度度量方法保留k最相似聚类,在不同子空间上采用不同局部密度阈值,通过k最相似聚类确定子空间搜索方向。将处理的数据类型扩展到连续型和分类型,可以有效处理高维数据聚类问题。实验结果证明,与CLIQUE和SUBCLU相比,该算法具有更好的聚类效果。     

一种有效聚类算法的研究和实现

提出了一个基于数学形态学的三维空间聚类算法。该算法通过闭合运算,将空间对象聚成类,一次完成三维空间聚类,可以快速处理非凸的、复杂的聚类形状。由于该算法基于数学形态学,所以易于实现其高性能并行算法。采用实例将算法与普通聚类算法进行了性能比较。     

基于数学形态学的聚类分析

数学形态学广泛应用于图像识别之中.经典的聚类方法在聚类形状复杂时难于获得满意的结果.本文提出一种新的基于数学形态运算的聚类方法,通过合理选择离散化参数和结构元素,这种基于分级数学形态操作序列的聚类方法能较好地将各个簇分离开来.实验证明此方法比传统方法效果更好,并且能有效确定聚类数.     

基于聚类结构和局部相似性的多视图隐空间聚类

随着数据获取方式的多样化发展,针对多视图领域的算法研究变得越来越重要,但大多数方法仅通过自表示属性或局部结构获取样本间的相似性关系,在此过程中忽略了整体样本的聚类结构和原始空间的噪声的影响,使得聚类结果存在较大误差。为解决此问题,提出了一种基于聚类结构和局部相似性的多视图隐空间聚类方法(multi-view latent subspace clustering with cluster structure and local similarity, MLC2L),通过隐表示融合不同视图上的共享信息并抑制噪声的存在。此外,通过探索隐空间内样本间的局部相似性关系和整体的聚类结构促进样本达到同类聚合、异类远离的目的;最后引入一个交替方向迭代优化算法来快速求解目标函数。实验结果显示,在六个真实数据集的实验中,MLC2L在MSRC-v1、UCI以及100Leaves上的五个评价指标均为最优,在3Sources、WebKB和Prokaryotic等数据集上的五个指标有四个最优,大量的实验分析也证明了融合局部结构和整体聚类结构的MLC2L在多视图聚类任务上的有效性。     

二值图像膨胀腐蚀的快速算法

传统二值图像膨胀腐蚀算法存在大量冗余操作,运算效率低,制约了大结构元素在实际工程上的应用。提出了一种快速膨胀腐蚀算法。首先针对结构元素建立方向-位置偏移表,然后提取图像的边界,对每一条边界用一个起始点和一条方向链表示。对边界进行膨胀处理,根据方向链查询方向-位置偏移表,对表中记录的像素进行填充。将边界的膨胀结果与原图像的并集作为对原图膨胀的结果。快速腐蚀运算可根据膨胀与腐蚀的对偶性在此基础上实现。实验结果表明,相对于传统算法及其他优化算法,该算法速度更快,实用性更强。     

基于数学形态学的统计数值离散化图谱生成

为了提供满足应用要求的统计数值空间分布图,提出结合数学形态学方法和地理信息系统技术生成数值的空间分布图谱。对数值以行政区域为单位进行网格均匀离散化处理,以网格所处的区域性质、网格内包含的建筑物区块面积所占比例,建立腐蚀或膨胀系数,并通过形态学腐蚀或膨胀操作,生成数值专题图谱。实例验证了算法的合理性、可行性以及正确性。     

数学形态学在图象处理中的应用进展

数学形态学是一种非线性滤波方法,形态和差运算,即膨胀与腐蚀是数学形态学的基础,数学形态学已由二值形态学、灰度形态软数学形态学、模糊形态学发展到模糊软形态学,可用于抑制噪声、特征提取、边缘检测、图象分割、形状识别,纹理分析、图象恢复与重建等图象处理问题,在图象处理领域得到了越来越广泛的应用,本文结合目前的研究进展,对数学形态学的理论研究及其应用进展进行综述性阐述。     

纹理与几何特征在道路提取中的应用

提出一种利用纹理与几何特征的高分辨率遥感影像道路提取方法。首先分析高分辨率遥感影像的纹理特征;提出基于纹理特征的聚类方法;将影像大致分为道路区域和非道路区域;然后选取适当的几何特征指数;剔除道路区域中含有的非道路像素;得到初步道路信息。最后通过数学形态学处理;去除初步道路信息中由于车道线、树木影响而产生的孔洞;最后得到完整的道路信息。实验结果表明;与传统方法相比;该方法能够有效地从高分辨率遥感影像中提取道路。     

腐蚀/膨胀算法在足球机器人视觉系统中的应用

在FIRA MiroSot机器人足球比赛中;视觉系统是获得比赛场上机器人与球位置信息的唯一途径。视觉系统的识别速度、精度直接影响到比赛的胜负。针对传统视觉系统在机器人足球比赛中获取各实体的位置不够准确的问题;提出了一种结合数学形态学中腐蚀/膨胀算法来处理视觉系统中的实时图像;增加足球机器人视觉系统识别的精度的设计方案。实验结果表明;该方案在没有降低比赛中识别速度的前提下;大大地提高了识别精度。     

彩色图像形态学的研究及其应用

基于对彩色图像形态学的研究,提出一种面向RGB颜色空间的距离和字典序相结合的颜色向量序,给出基于所定义像素序实现的彩色图像形态学膨胀、腐蚀、开和闭算子。把灰度图像形态学重构及一种边缘增强和噪声清除的算法推广到彩色图像。实验结果表明,基于向量序实现的彩色图像形态学的基本算子性能良好,边缘增强和过滤的效果较好。     

基于改进的彩色图像形态学膨胀和腐蚀算子设计

分析了RGB、LSH、L^*a^*b^*颜色空间的优缺点,提出了一种面向RGB颜色空间的、基于改进的距离序和字典序相结合的颜色向量序并分析了其性能;定义了彩色图像形态学的基本算子,实现了彩色图像形态学重构开算法。实验结果表明提出的颜色向量序性能良好,建立在该向量序上的彩色图像形态学算法能够较好的保持图像的边缘信息和色调,并且亮度均匀,与原图像相比对比度均匀增强,重构开算法的实验结果比原文献中方法有了较大的改进;具有不需要在不同的颜色空间之间转换的优点。     

数学形态学在作物病害图像处理中的应用研究

作为一种2维卷积运算的非线性图像处理方法,数学形态学的内容包括二值形态学、灰度形态学和彩色形态学。膨胀、腐蚀、开运算、闭运算是数学形态学的基础。数学形态学可用于噪声去除、边缘检测、图像分割、特征提取等图像处理问题,在图像处理领域得到了越来越广泛的应用。结合目前的研究进展,对数学形态学的分类及其在作物病害图像处理中的应用进行综合性阐述,并对数学形态学目前存在的问题以及未来的发展方向进行了讨论。     

A Combinatorial Optimization Technique for the Sequential Decomposition of Erosions and Dilations

This paper presents a general algorithm for the automatic proof that an erosion (respectively, dilation) has a sequential decomposition or not. If the decomposition exists, an optimum decomposition is presented. The algorithm is based on a branch and bound search, with pruning strategies and bounds based on algebraic and geometrical properties deduced formally. This technique generalizes classical results as Zhuang and Haralick, Xu, and Park and Chin, with equivalent or improved performance. Finally, theoretical analysis of the proposed algorithm and experimental results are presented.     

一个显微图象分析软件系统IMAGE—A的设计与实现

本文介绍了一个显微图象分析软件系统IMAGE_A的设计和实现.它基于数学形态学理论,这个系统包含由图象变换、形状分析、纹理分析、辅助功能四个基本部分构成的图象分析系统软件,及在这个系统软件基础上开发的一个应用项目:胸腹水涂片癌细胞辅助识别系统Cell.