首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 187 毫秒
1.
传统模糊C-均值聚类算法需要输入初始聚类中心,但是输入错误的初始聚类中心会产生较差的图像分割结果。对此提出一种改进的医学图像分割算法——基于免疫模糊聚类的医学图像分割。该算法能够快速有效地找出合适的初始聚类中心值,使之最大可能地趋近于理想值,从而大大提高算法的效率,避免陷入局部解。同时,将免疫克隆选择算法融入到模糊聚类算法中。实验结果表明,该算法能快速有效地找到合适的初始聚类中心,能有效提高搜索效率和准确率,得到较理想的分割效果。  相似文献   

2.
基于免疫谱聚类的图像分割   总被引:4,自引:0,他引:4  
张向荣  骞晓雪  焦李成 《软件学报》2010,21(9):2196-2205
提出了一种基于免疫谱聚类的图像分割方法.利用谱聚类的维数缩减特性获得数据在映射空间的分布,在此基础上构造一种新的免疫克隆聚类,用于在映射空间中对样本进行聚类.该方法通过谱映射为后续的免疫克隆聚类提供低维而紧致的输入.而免疫克隆聚类算法具有快速收敛到全局最优并且对初始化不敏感的特性,从而可以获得良好的聚类结果.在将其用于图像分割时,采用了Nystr?m逼近策略来降低算法复杂度.合成纹理图像和SAR图像的分割结果验证了免疫谱聚类算法用于图像分割的有效性.  相似文献   

3.
用于图像分割的粗糙集改进模糊聚类方法   总被引:2,自引:0,他引:2       下载免费PDF全文
采用一种新的基于粗糙集理论的图像分割算法。通过提取直方图的外层,以及计算像素点周围的局部模糊程度来更新粗糙度。使用局部模糊粗糙度和待定算子来更新FCM算法中的隶属度函数。从粗糙集理论意义上来说,直方图的外层与上近似有关,而直方图取值与下近似有关。该方法通过对比传统的聚类分割算法和刘华军的改进算法,大大降低了时间复杂度,聚类效果显著。实验证明,该方法收敛性较强,运行时间较短,且具有良好的分割效果。  相似文献   

4.
王亮  田萱 《计算机科学》2018,45(2):318-321
当前局部特征模糊分割算法没有对单幅散焦图像进行预处理,导致单幅散焦图像的清晰度较低,从而影响分割效果。原有的模糊分割算法在像素分割的过程中,像素标签量巨大,从而导致分割过程复杂。为此,提出利用免疫谱聚类算法实现对单幅散焦图像的局部特征模糊分割。首先,通过分块的方法对局部模糊图像进行再次模糊;然后,比较模糊前后散焦图像的奇异值变化,并以该变化为依据对散焦图像进行标识 ;最后,提取出单幅散焦图像的奇异值特征,进而实现单幅散焦图像的局部特征模糊分割的目标。利用谱聚类的方法对散焦图像中的像素点样本进行聚类,采用Nystrm逼近方法对像素点相似性矩阵的特征向量进行计算,降低了计算的复杂度;同时利用免疫算法提高聚类结果的准确性,保证了散焦图像的局部特征模糊分割结果。实验结果表明,所提算法能够有效地对单幅散焦图像进行分割,分割的效果较好,计算过程较为简单。  相似文献   

5.
以往的免疫遗传聚类算法都要事先设置聚类数及聚类中心,采取的是有教师学习的方式,对环境的适应性不太。结合免疫网络算法和免疫遗传分类,提出了事先通过一种无教师学习,确定聚类数及聚类中心的免疫遗传分类算法,同时在聚类分类的基础上运用粗糙集对图像进行分割。通过对人脑MR图片的聚类和分割实验,验证了该方法的有效性。  相似文献   

6.
石文峰  商琳 《计算机科学》2017,44(9):45-48, 66
Fuzzy C-Means(FCM)是模糊聚类中聚类效果较好且应用较为广泛的聚类算法,但是其对初始聚类数的敏感性导致如何选择一个较好的C值 变得十分重要。因此,确定FCM的聚类数是使用FCM进行聚类分析时的一个至关重要的步骤。通过扩展决策粗糙集模型进行聚类的有效性分析,并进一步确定FCM的聚类数,从而避免了使用FCM时不好的初始化所带来的影响。文中提出了一种基于扩展粗糙集模型的模糊C均值聚类数的确定方法,并通过图像分割实验来验证聚类的效果。实验通过比对不同聚类数下分类结果的代价获得了一个较好的分割结果,并将结果与Z.Yu等人于2015年提出的蚁群模糊C均值混合算法(AFHA)以及提高的AFHA算法(IAFHA)进行对比,结果表明所提方法的聚类结果较好,图像分割效果较明显,Bezdek分割系数比AFHA和IAFHA算法的更高,且在Xie-Beni系数上也有较大优势。  相似文献   

7.
针对有偏场环境下带有光栅的散焦图像分割问题,提出了一种新的基于有偏场估计的模糊聚类分割算法。通过建立依赖于有偏场的模糊聚类目标函数,导出了基于灰度以及邻域灰度均值的聚类中心、模糊聚类函数以及有偏场估计的迭代算法;并在该算法生成的初始分割基础上,利用膨胀算子对分类结果进行细化。该方法较好地处理了传统模糊聚类对有偏场下光栅图像分割精度下降的问题。实验结果表明,基于有偏场的模糊聚类算法能有效分割光栅图像,其分割精度优于传统模糊聚类和阈值法。  相似文献   

8.
提出了一种结合C-均值聚类算法和模糊熵的图像分割方法,该方法先采用C均值聚类算法对含噪图像进行初步分割,再利用模糊熵准则作后续处理。该方法一方面能够继承C-均值聚类算法的优点,可以灵活地用在基于多特征和多阂值的图像分割中,另一方面充分考虑了图像的区域信息,利用模糊熵最小作为准则,对c均值聚类算法初步分割结果的错分类点作了进一步的处理,克服了C-均值聚类算法对噪声敏感的缺点。实验结果表明,本文方法在运算开销上只比C-均值聚类算法多4~6S,对于低信噪比的图像能够取得优于C-均值聚类算法的分割效果。  相似文献   

9.
针对偏置环境下图像分割问题,提出了一种基于偏置场估计的模糊聚类算法。通过建立依赖于偏置场的模糊聚类目标函数,提出了模糊聚类隶属函数和偏置场估计的迭代算法。该方法较好地处理了传统模糊聚类在偏置场存在的情况下图像分割精度下降问题。实验结果表明,该算法能有效分割具有偏置噪声的图像,其分割精度优于传统模糊聚类法。  相似文献   

10.
目的 为了进一步提高噪声图像分割的抗噪性和准确性,提出一种结合类内距离和类间距离的改进可能聚类算法并将其应用于图像分割。方法 该算法避免了传统可能性聚类分割算法中仅仅考虑以样本点到聚类中心的距离作为算法的测度,将类内距离与类间距离相结合作为算法的新测度,即考虑了类内紧密程度又考虑了类间离散程度,以便对不同的聚类结构有较强的稳定性和更好的抗噪能力,并且将直方图融入可能模糊聚类分割算法中提出快速可能模糊聚类分割算法,使其对各种较复杂图像的分割具有即时性。结果 通过人工合成图像和实际遥感图像分割测试结果表明,本文改进可能聚类算法是有效的,其分割轮廓清晰,分类准确且噪声较小,其误分率相比其他算法至少降低了2个百分点,同时能获得更满意的分割效果。结论 针对模糊C-均值聚类分割算法和可能性聚类分割算法对于背景和目标颜色相近的图像分类不准确的缺陷,将类内距离与类间距离相结合作为算法的测度有效的解决了图像分割归类问题,并且结合直方图提出快速可能模糊聚类分割算法使其对于大篇幅复杂图像也具有适用性。  相似文献   

11.
Generalized rough fuzzy c-means algorithm for brain MR image segmentation   总被引:1,自引:0,他引:1  
Fuzzy sets and rough sets have been widely used in many clustering algorithms for medical image segmentation, and have recently been combined together to better deal with the uncertainty implied in observed image data. Despite of their wide spread applications, traditional hybrid approaches are sensitive to the empirical weighting parameters and random initialization, and hence may produce less accurate results. In this paper, a novel hybrid clustering approach, namely the generalized rough fuzzy c-means (GRFCM) algorithm is proposed for brain MR image segmentation. In this algorithm, each cluster is characterized by three automatically determined rough-fuzzy regions, and accordingly the membership of each pixel is estimated with respect to the region it locates. The importance of each region is balanced by a weighting parameter, and the bias field in MR images is modeled by a linear combination of orthogonal polynomials. The weighting parameter estimation and bias field correction have been incorporated into the iterative clustering process. Our algorithm has been compared to the existing rough c-means and hybrid clustering algorithms in both synthetic and clinical brain MR images. Experimental results demonstrate that the proposed algorithm is more robust to the initialization, noise, and bias field, and can produce more accurate and reliable segmentations.  相似文献   

12.
In real pattern recognition applications, the complete and accurate information of a given set is not always easy to get. Such incomplete knowledge may lead to imperfect expressions of the set using many pattern recognition methods. Rough sets theory is designed to approximately describe an imprecise set by a pair of lower and upper approximations which are weighted by different parameters. As the distributive character varies from one set to another, it is undesirable to employ a constant weighted parameter for controlling the importance of the lower and upper approximations on describing various given sets. This paper presents an improved rough-fuzzy c-means clustering algorithm in which a parameter selection strategy is designed to adaptively adjust the weighted parameter depending on the distributive character of each cluster instead of manually choosing a constant parameter. Such an online-decision method enables the formed prototype to get close to the desirable location. Experimental results on synthetic datasets, real-life datasets, and image segmentation problems confirm the effectiveness of the proposed adaptive parameter selection strategy. With the introduction of adaptive parameter selection strategy, the improved rough sets-based clustering algorithm outperforms its counterparts in certain cases.  相似文献   

13.
Traditional fuzzy C-means clustering algorithm has poor noise immunity and clustering results in image segmentation. To overcome this problem, a novel image clustering algorithm based on SLIC superpixel and transfer learning is proposed in this paper. In the proposed algorithm, SLIC superpixel method is used to improve the edge matching degree of image segmentation and enhances the robustness to noise. Transfer learning is adopted to correct the image segmentation result and further improve the accuracy of image segmentation. In addition, the proposed algorithm improves the original SLIC superpixel algorithm and makes the edge of the superpixel more accurate. Experimental results show that the proposed algorithm can obtain better segmentation results.  相似文献   

14.
针对局部空间信息的模糊C-均值算法(WFLICM)中空间影响因子容易受到噪声影响出现错误标识的问题,提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法(NLWFLICM),在WFLICM算法的模糊影响因子中引入非局部空间信息,根据噪声程度自适应地设置局部和非局部信息权重,并重新标记中心点的模糊影响因子。实验结果表明,NLWFLICM算法具有比WFLICM算法更强的鲁棒性和自适应性,并在一定程度上提高了WFLICM算法对含有大量噪声图像进行分割的鲁棒性,同时保留了图像的纹理。为了提高算法的聚类性能和收敛速度,结合Canopy算法能够快速对数据进行粗聚类的优点,提出基于Canopy聚类与非局部空间信息的FCM图像分割改进算法(Canopy-NLWFLICM),可以在NLWFLICM算法聚类前,对聚类中心进行预处理,从而提高收敛速度和图像分割精度。  相似文献   

15.
混合聚类彩色图像分割方法研究   总被引:2,自引:0,他引:2       下载免费PDF全文
提出了一种基于K-均值算法和EM算法混合聚类的彩色图像分割方法。首先将待分割的RGB彩色图像转化成YUV空间模型,然后将该图像分割成n小块,对每个块的颜色分量用改进的K-均值聚类算法进行聚类分析,最后用EM聚类算法对每个块进行聚类,分割源图像。对K-均值算法和EM算法的初始聚类中心引进了改进算法,加快了算法的收敛速度。并与相似的分割方法进行了比较实验,给出了详细的实验结果与分析。实验表明该方法分割速度快,效果好,具有较高的实用价值。  相似文献   

16.
提出一种基于树形聚类匹配的脑肿瘤自动分割方法.为了去除非脑组织对于脑肿瘤定位的影响,首先提出一种新的脑组织提取算法,这种算法无需完整的序列影像,可直接对三维影像数据进行分割.其次对分割后的脑组织影像进行中心定位,建立树形索引匹配结构,采用一种节点匹配算法完成粗分割,最后根据粗分割结果,采用形变模型完成精确分割.算法的特点是无需数据集的训练,能够较为准确的完成脑肿瘤的自动分割,实验结果验证了算法的实用性及可行性.  相似文献   

17.
基于粗-模糊神经网络的决策控制   总被引:3,自引:0,他引:3  
通过将模糊集和粗集,神经网络结合,提出了一种基于模糊规则的新的粗模糊神经网络,它通过利用误差反向传播算法实时修正该新型网络中的权值参数,从而能被有效地应用于不确定系统的决策分类与模式识别问题.最后通过对一个不确定决策系统的模式识别的仿真结果表明该粗模糊神经网络能大大提高模式识别决策的准确率.  相似文献   

18.
针对现有图像分割算法聚类复杂以及分割精度不够高的问题,提出了基于几何距优化质心和粗糙模糊C-均值(RFCM)相结合的医学图像聚类分割算法。首先建立软集表示的像素集,并计算每个像素与质心之间的距离,然后基于像素和质心之间的最小距离,将像素分组到聚类中。为了将软集应用到粗糙模糊C-均值中,定义了一个模糊软集,进一步将输入图像转换为二值图像,通过计算连通区域的几何距选择适当的质心。最后利用这些新的质心计算更新像素的隶属度值,从而完成模糊聚类划分。在Allen Brain Atlas等三个医学数据库上评估了所提出混合算法的性能,获得的Jaccards系数和分割精度(SA)都优于几种对比算法。实验证明,提出的聚类分割算法具有良好的性能。  相似文献   

19.
The incorporation of spatial context into clustering algorithms for image segmentation has recently received a significant amount of attention. Many modified clustering algorithms have been proposed and proven to be effective for image segmentation. In this paper, we propose a different framework for incorporating spatial information with the aim of achieving robust and accurate segmentation in case of mixed noise without using experimentally set parameters based on the original robust information clustering (RIC) algorithm, called adaptive spatial information-theoretic clustering (ASIC) algorithm. The proposed objective function has a new dissimilarity measure, and the weighting factor for neighborhood effect is fully adaptive to the image content. It enhances the smoothness towards piecewise-homogeneous segmentation and reduces the edge blurring effect. Furthermore, a unique characteristic of the new information segmentation algorithm is that it has the capabilities to eliminate outliers at different stages of the ASIC algorithm. These result in improved segmentation result by identifying and relabeling the outliers in a relatively stronger noisy environment. Comprehensive experiments and a new information-theoretic proof are carried out to illustrate that our new algorithm can consistently improve the segmentation result while effectively handles the edge blurring effect. The experimental results with both synthetic and real images demonstrate that the proposed method is effective and robust to mixed noise and the algorithm outperforms other popular spatial clustering variants.  相似文献   

20.
侯晓凡  吴成茂 《计算机科学》2016,43(10):297-303
针对模糊局部C-均值聚类算法计算复杂度高且对大数据样本集进行聚类时极为耗时的特点,提出了快速的模糊局部C-均值聚类分割算法。该算法将目标像素点与其邻域像素点构成的共生矩阵引入模糊局部C-均值算法,得到新的聚类隶属度和聚类中心表达式。对像素分类时,利用邻域像素隶属度进行滤波处理,进一步改善了算法的抗噪性。实验结果表明,该算法满足了图像分割有效性的需求,相较于模糊局部C-均值聚类算法,该算法具有更好的分割性能和实时性,能更好地满足实际场合图像分割的需要。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号