基于快速高斯核函数模糊聚类算法的图像分割

对模糊聚类算法通过引入高斯核函数,平滑图像像素灰度值,从而增强图像分割的抗干扰能力和鲁棒性,并结合阈值模糊聚类算法,提高了图像分割的速度。首先利用阈值模糊聚类法划分初始输入空间,得到模糊规则数及初始聚类中心;然后用高斯核函数平滑图像的像素灰度值;最后用标准模糊聚类算法求解并优化模糊隶属度和聚类中心。将本算法应用于添加噪声的嫦娥一号采集的月球地面灰度图像和Lena灰度图像进行图像分割,仿真结果验证了本方法的鲁棒性、有效性和实用性。     

基于模糊聚类的彩色图像分割算法

提出了基于HSV空间的模糊聚类彩色图像分割算法。运用模糊C方法（FCM fuzzy clustering measure模糊聚类方法）对颜色量化后的图像进行聚类,结合了彩色图像的色彩和空间信息的特点,并且对聚类结果进行了合并优化,去除了聚类过于细小的部分。     

基于图论最小割集算法的图像分割研究

为了提高图像分割的质量,采用图论最小割集算法进行了研究。首先将图像中的像素点映射为图论节点,节点权值通过平衡因子与共享最近邻节点数的比率计算;然后基于最小化能量方程建立图像最小割集,提取分割块内的灰度值作为块特征向量,用最小生成树对图分割;接着用判定函数判断临近区域是合并或者分割;最后给出了算法流程。结果表明,该算法可以分割出目标信息,并且算法鲁棒性好、峰值内存小。     

带有收敛因子的PSO-Fisher图像分割的方法

在大多数的实际应用中,仅仅将图像分成目标和背景两种类型是远远不够的。然而要实现三类、四类以致多类的分割,就必须研究多阈值的分割方法。以研究Fisher单阈值分割法为基础,利用带有收敛因子的PSO算法将Fisher评价函数来进行两阈值分割,最终推广到多阈值的基于Fisher评价函数的图像分割。并通过定误差图像分割实验证明了方法的有效性,保证了算法的收敛。同时证明了选择一个合适的粒子群规模可以使得带有收敛因子的PSO-Fisher算法在尽量少的迭代次数下提高算法的成功率。     

基于神经网络的多源遥感图像语义分割系统设计

为了提高多源遥感图像语义分割的准确性，本文设计了基于神经网络的多源遥感图像语义分割系统。在硬件设计中，设计了基于计算网格的图像语义分割框架，由基础层、技术支撑层、算法层、系统实现和管理层、用户应用层和数据库组成。在软件设计中，优化了卷积神经网络算法以确定最优学习率，通过目标函数进行多阈值多源遥感图像分割的定量化分析。该方法标准化绝对误差、均方误差和运行时间均较低，可以实现多源遥感图像a、b、c分割较好的效果。     

图像分割方法综述

图像分割是图像处理中的经典问题,也是计算机视觉领域的基本技术。图像分割质量的好坏,直接影响后续图像处理的效果。实践中,基于不同的分割标准,可以将图像分割算法分为:基于阈值的图像分割、基于聚类的图像分割、基于区域生长的图像分割以及基于深度学习的图像分割等。目前,在图像分割领域,多种方法技术成熟,每种分割方法适用于特定的分割对象。本文研究了近年来常用的图像分割算法,并对这些算法进行了归纳、总结及分析。     

基于大数据聚类的化妆品包装符号元素特征提取

研究了基于大数据聚类的化妆品包装符号元素特征提取方法。初始化处理水平集函数,获取化妆品包装符号元素图像的局部标准差图像,根据余弦相似性确定局部标准差图像像素点在轮廓曲线上的演化方向,水平集演化改进SPF函数,完成符号元素分割;计算大数据的离散样本频谱特征,由置信度获取数据聚类中心的粒子最优解的向量矩阵,完成数据聚类;结合卷积神经网络和AutoEncoder,通过卷积、过滤以及池化操作,在输出层存在的节点中获取最大激活值,实现化妆品包装符号元素特征的提取。实验结果表明,所提方法的特征提取时间较短、特征辨识力有所提高且提取准确率较高。     

一种基于区间数的扩展FCM聚类算法

在区间值数据的聚类算法中,区间数之间的距离大多仅考虑两区间数的上下界值,其最大缺陷在于所定义的距离不满足视觉合理性。因此,区间值数据的聚类很难用传统的FCM方法。为了解决这个问题,本文引入了一种新的区间数的距离测度,扩展了一种可直接处理特征空间为区间数的聚类问题的FCM聚类算法。通过对比分析表明,该算法更具合理性及有效性。     

小波分析与FCM在输气管泄漏监测中的应用研究

选择输气管道泄漏、压缩机和旁通的若干信号为样本,筛选能有效反映不同工况样本特征的几个特征量组成多维特征向量并作为FCM聚类的输入,计算聚类中心。结果表明:自相关函数最大值、小波谱、小波熵、平均幅值作为特征量能较好地反映输气管不同运行工况音波信号的特征,FCM聚类能较好地区分泄漏工况与正常操作工况的运行模式。     

基于图像间的语义感知协同目标检测算法

提出了一个基于图像间的语义感知协同目标检测算法,以高效的方式检索整个图像组的共识线索。对每个像素用语义感知协同模块（SPCM）获取其交叉路径上所有像素的上下文信息。通过进一步的操作,最终可以捕获整个图像的共识信息。辅助分类融合模块（ACFM）可使网络以自上而下的方式突出协同区域。协同显著性检测实验结果表明,文中的算法在3种常用的iCoseg、Cosal2015和CoSOD3k数据集中表现良好,4个指标性能优异,验证了该方法的有效性。