基于模拟退火和粒子群改进的图像分割FCM方法

针对模糊C均值聚类(FCM)算法在分割图像时需要事先给出聚类数和容易陷入局部极小值的问题,提出一种新的FCM算法。首先,利用粒子群算法更新FCM的聚类中心,以加强算法的搜索能力,提高收敛速度;其次,根据模拟退火准则决定是否接受新的聚类中心,以得到当前迭代下的全局最优值;最后,设定有效性函数寻找图像的最佳聚类数,使算法具有自适应判断图像类别个数的能力。实验结果表明,该算法具有较好的全局收敛性,并且在未知聚类数的情况下能自适应寻找图像的最佳分类个数。     

基于小波变换和均值滤波的图像去噪研究

针对均值滤波现有的缺点和小波变换存在的优势,特提出将小波变换和均值滤波相结合的算法,在该算法中,首先通过小波去噪进行图像处理,将处理后的图像通过小波变换得到近似图像、水平、垂直和对角三个高频细节提取出来,针对含噪图像的特点,对水平、垂直和对角三个高频细节采用不同的滤波模板进行中值滤波变换,最后将近视低频细节和变换后的三个高频信号采用逆小波变换得到再一次去噪后的图像。经过仿真实验结果可知,该算法在有效降低噪声的同时,保留了尽可能多的图像细节信息,其去噪效果优于单一的小波变换去噪、均值滤波去噪。     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。     

基于信息熵和改进粒子群算法的医学图像分割方法研究

针对传统的医学图像分割算法存在组织边缘模糊、灰度不均匀和图像噪声高的问题,将信息熵和改进的粒子群算法相结合,提出了一种基于信息熵和改进的粒子群算法的医学图像分割方法,在确保信息熵最大的条件下,实现医学图像的最佳阈值分割.将信息熵最大化作为适应度函数,通过改进的粒子群算法优化获得最佳分割门限,实现医学图像的最佳阈值分割.选择不合噪声和含噪声的脑部图像为研究对象,通过直观分析、客观分析和分割速度分析发现,提出的新方法在很大程度上克服了传统医学图像分割算法存在的缺陷,分割速度和精度得到显著提升;与此同时,新的算法具有很强的鲁棒性和抗噪声能力.     

基于改进演化策略的图像FCM聚类分割方法

提出图像分割算法在充分利用演化策略全局搜索能力的基础上，根据图像的灰度分布，按照模糊聚类的分割策略实现图像的分割。为了保证搜索到更优解，提出了一种新的演化策略改进方法，以提高其全局寻优能力，并将其应用到分割算法。实验结果表明，算法的分割效果很好。     

基于粒子群模糊C均值聚类的快速图像分割

模糊C-均值聚类算法是一种无监督图像分割技术,但存在着初始隶属度矩阵随机选取的影响,可能收敛到局部最优解的缺点。提出了一种粒子群优化与模糊C-均值聚类相结合的图像分割算法,根据粒子群优化算法强大的全局搜索能力,有效地避免了传统的FCM对随机初始值的敏感,容易陷入局部最优的缺点。实验表明,该算法加快了收敛速度,提高了图像的分割精度。     

基于最大熵和粒子群优化的红外图像分割

最大模糊熵是一种有效的图像分割方法,该方法的一个关键问题是确定模糊隶属度函数的最优参数组合,从而使得图像变换到模糊域后的模糊熵最大.但是直接采用穷举法来寻找最优参数组合的计算量是很大的,甚至是不可能的.因此,提出了采用一种新的优化方法,即粒子群算法来寻找最优参数组合.在参数搜索空间中,随机初始化一群粒子,通过粒子之间的相互协作来寻找最优解.所提出的方法用于分割红外图像的结果表明,花费很小的计算代价就可以获得理想的分割结果.     

基于改进的双水平集的MRI图像快速分割方法

针对MRI图像具有高噪声与灰度不均的特点,提出了结合小波变换与中值滤波的去噪预处理的双水平集的快速分割方法。对于MRI图像存在的多种噪声问题,利用小波变换去除高斯噪声,采用中值滤波去除椒盐噪声,对原始图像进行预处理。在传统的双水平集模型中增加一个自适应的加速因子,对去噪图像进行快速分割得到分割效果图。实验结果表明,改进的算法显著加快了图像分割速度,既有较强的抗噪性,又保留了图像的细节信息,且无需重新初始化,取得了良好的分割效果。     

基于小波去噪和改进DCV的脑部MR图像分割

针对脑部MR图像具有高噪声、灰度不均和难分割的特点,提出了基于小波去噪和双水平集的脑部MR图像分割模型。对于MR图像中存在较大噪声伪影的问题,引入小波变换来去除噪声,对图像进行预处理。对传统的DCV模型进行改进,对去噪后的图像进行分割,得出最终的分割效果图。实验表明,该模型可有效解决脑部MR图像存在的高噪声、灰度不均和多目标的问题,有较强的抗噪性,保留了图像的细节信息,无需重新初始化,取得了较好的分割效果。     

基于FCM的分块自适应图像分割方法研究

基于模糊C均值聚类（FCM）的图像分割是应用较为广泛的图像分割方法之一,但是传统的模糊C均值聚类算法都是基于欧氏距离的,对于图像中的噪声是十分敏感的。针对这一局限性,提出一种基于FCM的分块自适应图像分割方法。该方法不仅考虑了噪声不均匀分布对分割结果的影响,而且充分考虑了图像像素的灰度信息和空间信息。通过对含有噪声的自然图像和合成图像的分割试验,我们可以得到,与传统的FCM图像分割算法相比,本文方法能显著提高含有噪声图像的分割质量。     

小波变换和改进的FCM算法在医学CT图像分割中的运用

为了更好地运用电脑技术辅助医学诊断,本文研究了一项在小波变换和改正的模糊C均值PCM算法基础上进行医学CT图像分割的方法,以FCM算法为基础,采取小波变换方式针对医学CT图像展开分解,之后运用分解后的低频图的像素点来作为FCM算法的基础点,然后运用马氏距离来进行进一步修正,从而确保更加准确的反应医学图像中的信息.研究结果显示,通过这一方法的处理,医学CT的效果得到了很大的提升.     

基于自适应粒子群优化的三维OTSU图像分割算法

针对三维OTSU分割算法运算量大、计算时间长的问题,提出了一种基于自适应粒子群优化的三维OTSU图像分割算法。首先采用最佳熵的方法初步提取图像的目标区域,根据该目标区域特征自适应地调整三维OTSU算法的背景搜索范围,然后采用三维OTSU算法并结合粒子群优化最佳分割阈值对原图像进行分割。实验结果表明,与三维OTSU阈值分...     

基于粒子群优化非局部模糊聚类图像分割算法

为提高局部模糊聚类算法(WFLICM)对噪声图像 分割的抗噪性,克服模糊聚类图像分割算法对初 始聚类中心的敏感性及易陷入局部最优问题,在WFLICM算法的基础上提出一种基于粒子群 优化的融合 局部和非局部空间信息的模糊聚类图像分割算法(PSO-WMNLFCM)。首先,利用粒子群优化 算法的全局 寻优能力得到最优粒子,并以此粒子作为模糊聚类算法的初始聚类中心。其次,用像素的非 局部空间信息 替换模糊因子中的局部邻域值,产生新的目标函数。最后,由拉格朗日乘子法最小化目标函 数,得到隶属 度和聚类中心的更新公式,从而完成图像分割。仿真结果表明,PSO-WMNLFCM算法相比于 模糊局部聚 类(FLICM)算法、局部模糊权重(WFLICM)算法、非局部模糊聚类(NLFCM)算法、非局部模 糊聚类 (MNLFCM)算法、基于粒子 群的局部模糊聚类(PSO-FLICM)算法的划分系数提高了20.92%,20.51%,24.84%,1.44%,23.28%左右。     

基于改进量子粒子群的红外图像增强算法

为了提高红外图像增强的效果,采用改进量子粒子群算法。首先构造粒子群多层空间结构,粒子运行空间划分为主层空间、次层空间,粒子信息交流通过主层空间、次层空间分别进行,交流过程受自身信息度因子和交流度因子影响;接着量子旋转门更新通过镜像门操作,梯度方法自适应调整量子门的旋转角度,提高了算法性能;最后将红外图像高频分量和低频分量分离,对其分别进行增强。实验仿真显示本文算法对红外图像增强结果相比其他算法较清晰,优质系数评价指标相比HE、NSCT、MSR、PSO、RSQS算法分别提高了43.60、36.52、25.60、19.24、12.14,对比度指标相比HE、NSCT、MSR、PSO、RSQS算法分别提高了27.99、20.70、15.28、13.97、10.85,性能指标较优。     

基于分类思想的改进粒子群优化算法

针对粒子群算法存在收敛速度慢、收敛精度低且易收敛到局部极值的问题,提出一种基于分类思想的粒子群改进算法。该算法将粒子适度值和适度值均值做差与适度值标准差进行比较,从而将粒子所在区域划分为拒绝域、亲近域、合理域。根据不同区域中粒子的特点选取不同惯性权重和学习因子,使粒子高效地选择自身经验或种群经验,合理增强或减弱粒子全局搜索能力和局部搜索能力。数值实验结果表明,与其他粒子群改进算法相比,新的分类粒子群算法有效加快了粒子的收敛速度,提高了算法的收敛精度,有效改善了算法寻优性能。     

基于改进粒子群算法的二维相位解缠方法

相位解缠是干涉合成孔径雷达(InSAR)干涉数据处理的关键步骤之一,枝切法作为一种经典的相位解缠算法在相位解缠过程中,建立的枝切线长度越短相位的解缠效果越好,枝切线该如何建立至关重要。在旅行商问题(TSP)理论求解最短路径的思想下,一种利用粒子群优化算法建立最短枝切线的方法被提出,该方法在基本粒子群优化算法中引入变异算子对粒子群算法容易陷入局部收敛的缺陷进行了改进。相对于Goldstein枝切法而言,该方法能够更有效的缩短枝切线的长度,避免解缠过程中\     

分数阶粒子群的模糊聚类图像分割算法研究

针对模糊C-均值聚类算法易受初始聚类中心的影响而陷入局部极值的缺陷,提出基于分数阶粒子群的模糊聚类图像分割算法。利用分数阶微积分容易跳出局部极值的固有优势,将其引入粒子群的速度、位置更新进程,同时改进分数阶阶次的自适应调整机制并引入步长控制因子。实验结果表明,该算法与传统算法相比,具有更高的分割精度与更快的收敛速度。     

一种基于二进小波变换的图像增强方法

传统的增强图像的方法会丢失图像细节。结合二进小波变换和直方图均衡的优势,提出一种基于二进小波变换的图像增强方法。首先利用二进小波变换将图像分解为一个低频分量和三个高频分量,分别对低频分量做直方图均衡处理,高频分量做高斯-拉普拉斯掩膜锐化,再将处理后的低频分量和各高频分量进行二进小波逆变换重构。实验结果表明,该方法较于单纯的只使用直方图均衡的传统方法和只对低频图像做直方图均衡处理方法有较好的增强效果。