面向直方图加权的快速FCM的图像分割算法

提出一种改进的图像分割算法SWFFCM(special weight fast fuzzy C-means algorithm),该方法将需要聚类的二维像素点投影到一维灰度直方图空间,利用不同灰度值图像空间像素离散程度的区别,对一维灰度直方图进行线性加权,每一个灰度值变量使用四分位相对离差系数作为其权值.实验表明,算法减少了FCM(fuzzy C-means algorithm)算法的迭代数量,提高了图像聚类分割速度,减少了像素点错分比例,从而提高了图像的分割精度.     

基于FCM和图割的交互式图像分割方法

为了提高在前景和背景颜色相似情况下图像的分割效果,提出了一种基于模糊C均值聚类(FCM)和图割的交互式图像分割方法。首先,利用分水岭算法对图像进行预处理,将图像分成多个小区域,用区域代替像素点进行分析。然后,采用模糊C均值算法对用户标记的前景区域和背景区域分别进行聚类分析,挖掘用户交互所提供的隐藏信息。用未标记区域的颜色分量到前景区域及背景区域类心的最小距离表示相似能量,用未标记区域与其相邻区域的相关性表示先验能量。最后,利用最大流/最小割算法求能量函数的全局最优解。与其他方法相比,该文方法具有较好的分割性能,能从前景背景相似的图像中较精确地提取感兴趣的物体,且用户操作简单。     

用于彩色图像分割的改进遗传FCM算法

本文提出了一种适用于彩色图像分割的遗传模糊C均值聚类(GAFCM)算法.该算法使用Ohta等人提出的彩色特征集中的第一个分量作为图像像素的一维特征向量,并利用由像素空间到特征空间的映射来改进目标函数,从而大大降低了运算量;使用对特征空间结构没有特殊要求的特征距离代替欧氏距离,从而克服了特征空间结构对聚类结果的影响;使用引入FCM优化的遗传算法来搜索最优解,从而提高了搜索速度.实验表明,该算法不但能很好地分割彩色图像,而且具有运算量小、收敛速度快的优点.     

基于多特征的模糊c均值聚类的图像分割

图像分割是图像处理中最为基础和重要的领域之一，是对图像进行视觉分析和模式识别的基本前提。本文提出采用像索点在θ方向上的非覆盖均值差分作为像素点的一个重要特征，联合其他常用特征，对图像进行c均值模糊聚类分析。实验结果表明本文提出的方法可以很好的从图像中分割出有意义的区域。     

一种基于小波特征的彩色图像分割算法

利用小波变换的多尺度对图像纹理特征良好表达的特点,用小波变换提升算法图像纹理特征进行提取,从而达到较好的分割效果。     

基于灰度直方图的阈值分割算法

介绍图像灰度直方图和传统阈值分割的两种算法,传统算法对图像不加区分,分割效果欠佳,直方图分析法可以弥补其不足,处理效果较理想,是一种值得推广的算法。     

一种改进的遥感图像融合方法

针对传统的IHS变换和Mallat算法在融合多光谱图像和高空间分辨力图像时存在的不足,提出了一种将IHS变换和平稳小波变换相结合的遥感图像融合方法;另外,对多光谱图像和高空间分辨力图像因空间分辨力的不同而带来的融合图像中所存在的虚假轮廓问题,提出在融合过程中先定位虚假轮廓出现的位置,然后加以处理的方法.仿真结果表明,本文算法在光谱失真上小于IHS变换法,克服了Mallat算法存在的方块效应,同时较好的抑制了虚假轮廓.     

基于纹理特征的钢丝绳图像分割方法

针对复杂背景下钢丝绳图像难以准确分割的问题,提出一种新的基于纹理特征的图像分割方法.首先,采用局部二进制模式(Local Binary Pattern,LBP)特征直方图的一阶熵、二阶熵作为LBP特征的统计测度,降低LBP特征的维数.同时选用边缘密度作为纹理描述的特征之一,弥补LBP算子提取纹理特征不足,抗干扰能力差的缺点.然后以上述纹理特征构成特征矢量,采用模糊C-均值(Fuzzy C-Mean,FCM聚类算法进行聚类分割.在实验中,对比了该算法与灰度共生矩阵、传统LBP算子在钢丝绳图像分割中的效果.结果表明,该算法可以有效地对钢丝绳图像进行纹理分割,并能取得良好的边界定位效果,性能优于另外两种算法.     

基于超像素快速模糊聚类的印刷品图像分割方法

针对当前彩色印刷品色差检测过程中效率低、复杂性高等问题,提出了一种基于超像素快速模糊聚类的印刷品图像分割方法（SFFCM）。先用简单线性迭代聚类（SLIC）算法将图像分割为紧密相邻的超像素区域。每个超像素区域被视为一个独立的聚类单元。随后,将模糊C均值聚类（FCM）算法应用于超像素的归属关系计算中,即引入隶属度值,允许超像素归属于多个聚类中心,并通过权衡归属度值来实现模糊聚类。实验结果表明,相对于其他算法,本文方法在保持良好实时性的同时,实现了较好的分割效果,有效平衡了算法复杂度与分割效果之间的关系。     

一种基于mean shift的多通道图像分割算法

目的针对目标与背景对象的色彩值比较接近的RGB图像中,目标对象难以有效分割的问题,探索一种基于mean shift的RGB多通道图像的分割方法。方法根据RGB图像的3个通道对颜色的敏感性差异,运用均值偏移算法对RGB图像的3个通道分层聚类,再引入可靠性因子,分别对3个单通道的各聚类像素进行可靠性计算,并保留可靠性高的像素作为分割结果,最后采用逻辑"或"运算融合单通道的分割结果,得到最终分割图像。结果与一般分割算法相比,该方法的分割效果好,误分率低,改善了图像的分割质量。结论该算法具有很好的推广性,能够应用于彩色印品缺陷检测、彩色包装图像检测中。     

Analysis on distribution power grid reconfiguration considers improving stability margin and economy based on FCM

For improving the safe operation of a power distribution grid, it is extremely important to maintain a large stability margin and to operate economically. As an integral part of safe operation, reasonable network reconfiguration is helpful to establish the main grid and restore loads quickly. Based on the fuzzy C-means clustering method (FCM), the distribution grid reconfiguration is studied in this paper. The power system static stability margin and economy are also considered. If the system grid fails, then the faulty branch should be cut off quickly. So it is necessary to select the appropriate branch to replace the faulty branch. Firstly, the FCM is applied to classify candidate branches; in the process of classification, the maximal stability margin line is considered as the most suitable candidate branch. Secondly, the system loss and the grid economy are considered. The optimization model for judging the economy of the branch is given. By using the method given, the biggest stability margin and the most economic branch are chosen as the alternative branch in the interest of completing the grid reconfiguration. At the same time, the correctness and effectiveness is validated by the application of IEEE 33 nodes distribution grid system.     

Lung computed axial tomography image segmentation using possibilistic fuzzy C-means approach for computer aided diagnosis system

Soft computing is an associate rising field that plays a crucial half in the area of engineering and science. One of the most significant applications of soft computing is image segmentation. It focuses on an exploiting tolerance of imprecision and uncertainty. Segmentation supported soft computing remains a difficult task within the medical field. Medical images are habitually used in the segmentation process to extract the meaningful portions and to know and clarify the condition of the particular patient. In this article, we implement an efficient possibilistic fuzzy C-means (PFCM) approach to segment the lung portion in the computed tomography (CT) image and the result shows that it improves the segmentation accuracy upto 98.5012% and results are compared with existing segmenting approaches like fuzzy possibilistic C-means method, fuzzy bitplane method and so forth. Also, the PFCM approach increases the diagnostic accuracy of the computer aided diagnosis system using CT images. The radiologist may utilize this computer aided diagnosis system results as a second opinion of their diagnosed results.     

双正交冗余小波变换的图像去噪方法

由于正交小波变换的不具备线性相位、不具有平移不变性等特性,导致其在图像去噪领域仍存在很多问题,本文将双正交冗余离散小波变换应用到几种经典小波阈值图像去噪方法中,以克服标准正交小波变换在阈值图像去噪中存在的问题.实验证明该方法的去噪效果明显优于正交小波方法和普通双正交小波变换的去噪效果.     

An efficient and high quality medical CT image enhancement algorithm

Aiming at the process of medical diagnosis, many problems such as unclear images and low contrast are often caused by noise and interference in the process of medical image acquisition and transmission. This article proposes a new image enhancement method that combines the wavelet domain with the spatial domain. First, we input two identical images (Both of the identical images are original images.) in which the first image is enhanced by histogram equalization. Then, the two images are divided into four sub-images by a two-dimensional wavelet transform. The average of the low-frequency coefficients of the low-frequency sub-images of the two images is taken as the low-frequency coefficients of the final reconstruction. Second, aiming at the problem that the contrast may be too low, the fourth high-frequency sub-image is blurred (sharpened) twice. The fourth high-frequency sub-image after blurring is denoised by median filtering. Finally, the four sub-images are fused to obtain the enhanced image. The experimental results show that the peak signal-to-noise ratio, structural similarity, and processing time of the proposed algorithm are better than those of other contrast algorithms, especially the processing time. These objective indicators show that the proposed algorithm can not only effectively suppress noise but also significantly enhance the contrast. Subjectively, compared with other algorithms, the proposed algorithm achieves a better visual effect and greatly reduces the processing time.     

基于广义解调时频分析的多分量信号分解方法

广义解调时频分析方法是一种新的信号处理方法，该方法将广义解凋和最大重叠离散小波包变换相结合对复杂信号进行分解，得到若干个瞬时频率和瞬时幅值都具有物理意义的单分量信号，从而获得原始信号完整的时频分布。本文在介绍广义解调时频分析方法的基础上，将该方法用于多分量信号的分析，对该方法进行了改进，给出了由改进的广义解调时频分析方法分解多分量信号的具体步骤，从而由改进后的广义解调时频分析方法不仅可以得到原始信号中各个分量的时域波形，而且还可以得到相同的时频分布。采用改进后的广义解调时频分析方法对仿真信号进行了分析，同时和其它时频分析方法进行了比较，结果表明了该方法的有效性。最后，对广义解调时频分析方法中的相位函数选择问题进行了讨论。     

基于神经网络的动态测量误差分解研究

在讨论神经网络方法的基础上，尝试将其应用于动态测量误差分解理论。建立了一个简单的动态测试仿真系统，分别用小波变换方法和神经网络方法对系统输出的总误差进行分解，并对两种方法的处理结果作了比较，指出了神经网络方法在动态误差分解中的实用性和优越性。     

基于Daubechies小波的图像边缘检测技术

利用Daubechies正交小波变换的性质,通过Mallat多尺度分析方法对图像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次高频小波系数进行逆变换获取最大边缘信息。     

模糊C均值聚类在光伏阵列故障样本数据识别中的应用

光伏电站由数量庞大的光伏组件构成,因复杂的生产工艺及艰苦的工作环境,光伏系统直流侧故障频发,直接影响到光伏系统的发电效益。如何从光伏阵列的运行数据中提取有效的故障样本,并对其进行识别,是建立故障模型的重要步骤。因此提出一种基于模糊C均值(fuzzy C-means,FCM)聚类算法对故障样本进行划分及标识的方法。首先对故障条件下光伏阵列的输出特性进行分析,提取出故障特征向量(开路电压U_oc,短路电流I_sc,最大工作点电压U_m,最大工作点电流I_m)。为排除外部激励条件对电气参数的影响,将故障特征向量统一转换至标准测试条件(standard test condition,STC)。最后根据FCM算法良好的模糊信息处理功能,对开路故障、短路故障、阴影故障、异常老化故障的样本进行聚类划分。实际运行数据证明,该方法可以精确、可靠地对光伏系统直流侧典型故障的样本进行智能聚类,并有效地描述不同故障下光伏阵列电气参数的分布特征。