基于最大类间方差法的天空图像云空识别模型

准确的云空辨识对提高光伏发电功率超短期预测精度具有重要意义。首先针对由全天空成像仪采集的一系列天空图像进行预处理,然后提取样本图像的灰度矩阵,最后根据所提取的灰度矩阵建立基于最大类间方差法的天空图像云空识别模型。为验证本文提出的云空辨识模型的有效性,利用云南地区光伏电站中全天空成像仪(Total Sky Imager,TSI)采集的图像进行测试验证,与固定阈值法处理效果对比的结果表明,在复杂天气情况下面对不同分布特性的云团,本文提出的基于最大类间方差法的云空辨识模型更为准确、高效。     

光伏阵列多故障状态的红外图像分割

针对多故障状态下红外图像分割出现多阈值的情况和太阳能光伏阵列的红外图像特点,讨论了基于混合遗传算法的二维多阈值模糊聚类方案.首先采用遗传算法解决模糊C-均值算法的聚类数与聚类中心问题,然后用模糊C-均值算法进行聚类.实验结果令人满意.     

基于中智模糊聚类的彩色图像鲁棒分割算法

为了提高噪声干扰彩色图像分割的鲁棒性,给出一种基于中智模糊聚类的彩色图像改进分割算法。将像素空间邻域信息嵌入现有的中智模糊C-均值聚类目标函数,利用马氏距离代替欧氏距离,度量中智模糊聚类中样本与聚类中心之间的差异程度,获得适合彩色图像分割的模糊聚类目标函数,并采用拉格朗日乘子法获取隶属度和聚类中心的迭代求解表达式。对彩色图像添加高斯噪声和椒盐噪声,图像分割测试结果表明,所给算法相比模糊C-均值聚类算法和基于马氏距离的中智模糊聚类算法有更强的鲁棒性。     

基于局部相似性测度的SAR图像多层分割

针对谱聚类算法计算复杂度高,不适用于合成孔径雷达图像分割的问题,利用谱聚类算法与权核k均值之间的等价性,提出一种基于局部相似性测度的SAR图像多层分割算法．首先提取图像中每个像素的小波纹理特征,利用每个像素点的纹理特征计算各自的局部尺度参数,进而构造像素点之间的邻接关系,然后利用最近邻规则对此邻接关系进行逐层合并,进行基础聚类和逐层细化实现像素点聚类,最终得到图像的分割结果．对人工纹理图像和SAR图像的分割结果表明了新算法避免了传统谱聚类算法对尺度参数的敏感性,获得了更优的分割性能．     

彩色图像鲁棒聚类分割快速算法

给出一种具有鲁棒性的彩色图像聚类分割快速算法,以改善基于马氏距离聚类分割算法(MFCM)的实时性和抗噪性。利用彩色图像红、绿、蓝3通道分量构造三维直方图,统计出现频次不为零的灰度级组数目,用于取代像素值进行聚类。将图像像素邻域均值嵌入MFCM算法的目标函数,采用拉格朗日乘子法获取其迭代求解表达式,可得相应图像分割聚类算法。随机选取伯克利标准图像库中3幅彩色图像,添加不同强度的高斯噪声,进行分割测试。实验结果表明,改进算法对噪声图像的分割具有一定鲁棒性,对无噪声彩色图像分割相比MFCM算法具有更高执行效率。     

基于改进Mean Shift的高铬铸铁电镜图像碳化物目标提取

鉴于高铬铸铁电镜图像含有丰富的纹理背景,运用传统的算法对其进行聚类过程中,往往出现过多模式点,导致图像过分割的现象,提出一种改进的Mean Shift聚类方法并以此对高铬铸铁电镜图像中碳化物目标进行提取。首先,利用传统的Mean Shift算法对特征空间采样点进行迭代得到初始模式点;再将空域距离小于空域带宽hs、色度域距离小于色度域带宽hr的模式点及像素值之差小于阈值T的邻近区域进行合并,以避免产生过多聚类数;然后对每个聚类中心采用双阈值法提取出目标区域;最后消去二值化图像中面积小于阈值N2的非连通背景区域。实验结果表明,改进方案相对于传统的Mean Shift算法、K均值算法等同类算法能够更为有效地提取出高铬铸铁显微图像中的碳化物,为后续的高铬铸铁性能分析提供可靠依据。     

结合邻域信息粒子群聚类用于SAR图像变化检测

SAR图像变化检测可以转化为对差异图的聚类问题。由于 SAR 图像本身容易受到斑点噪声干扰,为提高聚类效果提出了一种结合邻域信息的自适应粒子群聚类算法。该方法在模糊 C 均值原目标函数基础上,引入中心像素的邻域信息,并通过自适应粒子群的全局搜索来优化聚类中心。该方法还引入了自学习算子即粒子编码中的中心像素的隶属度,能够向其相邻像素的隶属度学习,并据此修正自身的隶属度值相关。实验结果表明,与模糊C均值和量子免疫克隆聚类算法相比,该方法利用了像素的邻域信息,从而增强了抗噪性能。与模糊局部信息C均值算法相比,该方法对图像细节保持能力较强,运行时间也较少。     

改进的核空间直觉模糊C-均值聚类分割算法

针对鲁棒模糊局部信息C-均值聚类分割算法易丢失图像细节的问题,提出一种改进的核空间直觉模糊C-均值聚类算法。将像素空间邻域信息和直觉指数引入到鲁棒模糊局部信息C-均值聚类目标函数,给出改进的像素空间邻域信息约束的聚类目标函数,对其聚类目标函数最优化推导并得到新的隶属度和聚类中心迭代表达式,并设计相应的图像分割算法,以便提高图像局部信息的有效分割能力。实验结果表明,改进的核空间直觉模糊聚类分割算法相比现有鲁棒模糊局部信息C-均值聚类分割算法能获得更好的分割效果。     

基于空间像素纯度指数的端元提取算法

为了减小光谱变化以及异常像素点对端元提取结果的影响,根据局部区域内纯像元和混合像元光谱特征的不同,提出一种基于空间像素纯度指数的端元提取算法.将光谱角距离和欧氏距离加权相加作为新的混合距离测度;采用固定大小的邻域窗口计算图像中所有像素的空间像素纯度指数,在此基础上,根据光谱角距离测度和设定的端元光谱区分性阈值依次搜索端元.仿真数据和真实高光谱图像实验结果表明:该算法能够准确地提取图像中的端元,并且精度高于其他一些端元提取算法.     

EM算法在纹理织物图像分割中的应用

提出了一种基于多特征值高斯混合模型（Gaussian Mixture Model）期望最大化（Expectation Maximization,EM）聚类的图像分割算法.该算法采用YCbCr彩色空间提取每个像素点的颜色特征,选择像素点邻近的一个方块计算每个像素点的纹理特征,然后采用基于高斯混合模型的EM算法对图像每个像素进行聚类,根据聚类结果进行区域合并得到纹理织物图像分割的最终结果.通过和其他分割算法进行对比,此算法具有较好的分割效果.