光照鲁棒的模糊C均值聚类显微图像分割

传统的模糊C均值FCM聚类图像分割算法在显微图像分割中由于没有考虑光照不均匀的影响而降低了分割的效果,为此,提出了一种光照鲁棒的FCM显微图像分割算法。该算法用正交基函数的线性组合模拟不均匀光照,并引入到FCM算法的目标函数中,进行图像的模糊分割。算法不仅降低了非均匀光照对分割效果的影响,还可以同步估计不均匀光照场。实验结果表明,该方法非常有效。     

自适应多维特征减少的模糊C-均值遥感图像分割算法

针对传统分割算法难以对遥感图像进行有效分割的问题,提出了一种自适应特征减少的图像分割算法。首先对源图像进行超像素分割,将获得的超像素作为算法的基本操作对象。其次,提取图像的颜色、纹理、边缘以及空间等多维特征,并使用加权像素值来表示超像素的特征。再者,将模糊分离度量加入到FRFCM(feature-reduction fuzzy C-means)模型中,构造特征减少分割算法。该算法可以自动选择有用特征。最后对分割算法进行优化,获取最终分割结果。通过遥感图像分割实验表明,提出算法能有效分割遥感图像,在分割准确度、运行时间、消除噪声影响等性能方面优于其他同类算法。     

一种新型自适应指纹图像增强算法

针对Gabor滤波器在处理低质量指纹图像时增强效果不佳的缺陷,提出一种基于方向域和频率域的新型自适应Gabor滤波增强算法。该算法改进了指纹图像方向图和纹线频率的提取方法,通过计算图像方向一致性和平均纹线频率两个参数来共同自适应地调节Gobor滤波器变换窗的大小。实验结果表明：对于低质量指纹图像,该算法大大提高了方向图准确性,而且自适应Gabor滤波器在处理不同类型的指纹时更具优越性。     

一种自适应的模糊C均值聚类图像分割方法

针对传统的模糊C均值聚类算法(FCM)在图像分割中对噪声十分敏感这一局限性,提出一种自适应的FCM图像分割方法。该方法充分考虑图像像素的灰度信息和空间信息,根据像素的空间位置自适应地计算一个合适的相似度距离来进行聚类分割图像。实验结果表明,与传统的FCM相比,该方法能显著提高分割质量,尤其是能提高对于图像噪声的鲁棒性和分割图像区域边缘的准确性。     

基于微粒群优化的模糊C-均值聚类图像分割

模糊C-均值聚类算法广泛用于图像分割,但存在聚类性能受类中心初始化影响,且计算量大等问题.为此,提出了一种基于微粒群的模糊C-均值聚类图像分割算法,该方法利用微粒群较强的搜索能力搜索聚类中心:由于搜索聚类中心是按密度进行,计算量小,故可以大幅提高模糊C-均值算法的计算速度.实验结果表明,该方法可以使模糊聚类的速度得到明显提高,实现图像的快速分割.     

基于自适应权重的模糊C-均值聚类算法

针对模糊C-均值聚类算法过度依赖初始聚类中心的选取,从而易受孤立点和样本分布不均衡的影响而陷入局部最优状态的不足,提出一种基于自适应权重的模糊C-均值聚类算法。该算法采用高斯距离比例表示权重,在每一次迭代过程中,根据当前数据的聚类划分情况,动态计算每个样本对于类的权重,降低了算法对初始聚类中心的依赖,减弱了孤立点和样本分布不均衡的影响。实验结果表明,该算法是一种较优的聚类算法,具有更好的健壮性和聚类效果。     

基于微粒群优化的模糊C-均值聚类彩色图像分割

模糊C-均值聚类算法广泛用于图像分割,但存在聚类性能受类中心初始化影响,且计算量大等问题。为此,提出了一种基于微粒群的模糊C-均值聚类图像分割算法,该方法利用微粒群较强的搜索能力搜索聚类中心。由于搜索聚类中心是按密度进行,计算量小,故可以大幅提高模糊C-均值算法的计算速度。实验表明,这种方法可以使模糊聚类的速度得到明显提高,实现图像的快速分割。     

基于多链量子蜂群算法的模糊聚类图像分割

针对传统模糊C-均值聚类算法对初始值和噪声敏感的缺点,提出了一种基于多链量子蜂群算法的模糊C-均值聚类算法。首先,将多链拓展编码方案应用到量子蜂群算法中,提出了多链量子蜂群算法;其次,利用多链量子蜂群算法来优化模糊C-均值聚类的初始聚类中心;最后,设计一种新的利用多链量子蜂群算法优化模糊C-均值聚类中心的图像分割算法。实验结果表明,所提出的基于多链量子蜂群算法的模糊C-均值聚类图像分割算法是有效的,相对于传统模糊C-均值聚类算法及基于模糊的人工蜂群算法,所提算法在分割正确率、分割速度及鲁棒性上均更有效。     

改进的粒子群优化模糊C均值聚类算法

针对传统模糊C均值聚类算法（FCM）存在对初值敏感和易陷入局部收敛的缺陷,利用改进的粒子群算法对FCM进行优化,提出一种新的模糊C均值聚类算法Improved PSOFCM,并建立基于熵的聚类有效性函数,对聚类算法的性能进行客观评价。数据集实验表明,Improved PSOFCM算法不仅能克服传统FCM算法的不足,而且在聚类正确率和有效性上也优于基于粒子群与基于遗传优化的FCM算法。     

基于三高斯滤波的低质指纹图像增强方法

低质指纹图像在司法刑侦过程中普遍存在,往往需要人工参与鉴别.因此,符合人类视觉特性的指纹图像处理方法研究具有一定的实用价值.将非经典感受野三高斯数学模型引入指纹图像处理,提出一种新的低质指纹图像增强算法.首先通过三高斯单边滤波获得邻域图像的主观感觉亮度;然后对指纹图像进行局部对比度增强.通过分析研究指纹脊谷交替分布的特性,结合三高斯模型自身特性,得到针对指纹图像的三高斯单边滤波的参数自适应模型和局部对比度调整参数.对比实验结果表明,该方法取得了整体和局部的亮度增强效果,突出灰暗区域的细节特征,尤其适用于低质指纹图像的处理.     

频率域自适应指纹图像增强算法研究

根据指纹在频率域中的特点,提出一种新方法来获取指纹脊线方向和频率。该方法不仅能够快速准确提取出指纹局部区域的方向和频率,而且对不同类型的指纹具有自适应性。实验证明,在质量较差的指纹图像中,算法对指纹图像的增强在实时性和准确性上均有大的提高。     

基于FCM聚类的图像分割算法

为提高现有模糊C均值聚类算法(FCM)对噪声图像分割的效果和稳定性,提出一种基于FCM的图像分割算法。利用非局部空间信息构建和图像,根据和图像的直方图,自动选择初始化聚类中心,通过求取目标函数极小值完成图像分割。理论分析和实验结果表明,该算法比现有算法更加有效和稳定,对噪声图像有更强的鲁棒性。     

基于SSCL的模糊C均值图像分类方法

针对传统模糊C均值聚类方法对噪声敏感和过分依赖于初始聚类中心的缺点,提出基于SSCL的模糊C均值图像分类的自适应算法。该算法首先通过SSCL获得初始类别数和类别中心,然后作为模糊C均值聚类的输入,自动对图像进行分割,并对图像分割结果利用空间信息进行后处理。实验结果表明该方法较好地解决了FCM算法中的初始化和噪声敏感问题,具有较好的分类结果。     

基于模糊C均值聚类的遥感图像分割方法

在遥感图像分割领域,模糊C均值聚类算法得到了广泛的应用。但存在计算量大、易受噪声干扰等缺点。针对以上缺点对快速模糊C均值聚类算法进行了改进。首先利用一维灰度直方图进行快速模糊C均值聚类降低计算量;然后在此基础上根据像素的邻域特性构造新的隶属度函数;最后根据新的隶属度函数对每个像素进行分类。实验结果表明,该算法能快速有效地分割图像,并具有较强的抗噪能力。     

自适应越渡点的SAR图像模糊对比度增强算法

SAR图像存在动态范围小、对比度差和细节信息不清晰等质量问题,制约了SAR图像的信息获取能力。针对这一问题,提出自适应越渡点的SAR图像模糊对比度增强算法。该算法分析了经典模糊增强方法的局限性,利用SAR图像灰度直方图的分布特性来计算自适应越渡点和模糊对比度增强操作数,实现了SAR图像的自适应对比度增强处理。采用多组实测数据验证该算法,用客观指标评估了增强性能。     

基于密度峰值优化的模糊C均值聚类算法

针对传统模糊C均值聚类算法和基于K-means++优化聚类中心的模糊C均值算法存在初始聚类中心敏感、聚类速度收敛慢、聚类算法需要人为给定聚类数目等缺陷,受密度峰值聚类算法（Clustering by Fast Search and Find of Density Peaks,CFSFDP）的启发,提出了基于密度峰值算法优化的模糊C均值聚类算法,自适应产生初始聚类中心,确定聚类数目,并优化算法收敛过程。实验结果表明,改进后的算法与传统模糊聚类C均值算法相比能够准确地得到簇的数目,性能有明显的提高,并加快算法的收敛速度,达到相对更好的聚类效果。     

一种新的基于相位保持的指纹图像增强算法

图像的相位信息在人眼感知图像的过程中起着十分重要的作用。如果指纹图像增强算法能够保证图像的相位信息不被破坏,将有助于保持指纹图像中纹理特征的不变。首先通过实验表明了指纹图像的纹理特征主要是由图像的相位信息来决定的,然后把相位保持原理引入到指纹图像增强算法中,提出一种新的基于相位保持的指纹图像增强算法。该算法采用复Gabor小波来提取指纹图像的相位信息,并利用指纹图像的局部方向信息在相位保持的原则下来进行图像增强。为了验证该算法的有效性,选取了两种低质量的指纹图像来进行处理,实验结果表明增强后的图像其图像质量有了显著的提高。     

Fuzzy clustering based ET image fusion

Electrical tomography (ET) is a technique to visually reconstruct inhomogeneous medium distributions by injecting currents or voltages at the boundary of the medium and measuring the resulted changes in the investigated fields. The ET techniques have been widely used in industrial practices owing to the low cost, rapid response time, non-existent radiation exposure, and non-intrusive characteristics comparing to other tomographic modalities. However, the spatial resolution of ET images using single modality or single-driven patterns (adjacent pattern vs. opposite pattern for imaging reconstruction) is low, which may limit its applications. In this research, the application of fuzzy clustering based fusion techniques for ET imaging is studied. Both multi-modality imaging and multi-driven patterns are of interest. Specifically, two modality images are fused: Electrical Capacitance Tomography (ECT), which performs well for imaging material of large permittivity difference, and Electrical Resistance Tomography (ERT), which is suited for imaging materials having large conductivity differences. The research also explores the fusion of adjacent and opposite patterns for either ECT or ERT modalities. Experiments show that the proposed method can construct high quality ET images by discovering the strong complementary natures of the modalities and/or driven patterns.     

基于质量评估的残留指纹分割

针对孤立的残留指纹往往具有清晰的纹路而不易被分割的问题,提出一种质量评估在残留指纹分割中的应用算法。该算法首先选取指纹图像的有效面积、干湿程度、位置偏移量作为评价因子,然后综合考虑各种评价因子求取总的质量分得到最终的评价结果;最后通过计算面积割除孤立的残留指纹。该算法的改进之处：首先在指纹预处理之前先判断指纹的质量,很好地控制了录入指纹的质量;其次使用Freeman链码表示法计算残留指纹的面积。实验结果表明,该算法不仅对不合格的指纹有较好的过滤效果,而且可以有效地分割残留指纹。     

自适应模板大小的Gabor指纹增强方法

对一幅图像而言,现有的Gabor增强方法对各个分块使用的增强模板大小是定值,这可能会破坏纹线方向变化较大的分块的纹线信息。提出了自适应模板大小的Gabor指纹增强方法,使增强模板的大小与块内纹线方向的稳定程度成正相关。实验表明,相比固定模板大小的方法,该文方法具有更好的连接断线和去除粘连的能力,同时不会破坏纹线方向变化较大的分块的纹线信息。在FVC2004的3个指纹库上分别进行了实验,ROC曲线显示,将该文方法用于指纹增强能够提高系统的识别率。