一种基于改进PFCM的鲁棒图像分割算法

给出一种基于图形模糊聚类(fuzzy clustering method on picture fuzzy sets,PFCM)的改进鲁棒分割算法。该算法将样本聚类所对应的中立度和拒绝度相结合,构造幂积型表达式,将该表达式作为正则项嵌入聚类目标函数,通过目标函数最小化存在极值的必要条件获得改进的图形模糊聚类迭代方法。再将邻域像素灰度信息嵌入改进的图形模糊聚类目标函数,利用拉格朗日乘子法获得图像分割的像素聚类迭代算法。通过标准图像及噪声干扰的分割测试,结果表明,与模糊C-均值聚类、直觉模糊聚类算法和图形模糊聚类分割算法相比,改进算法对无噪图像分割更有效;与鲁棒模糊C-均值聚类和鲁棒直觉模糊聚类算法相比,改进算法对噪声图像分割具有更强的抗噪能力。     

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。     

基于非局部信息的截集式PCM图像分割算法

提出一种基于非局部信息的截集式可能性C-均值聚类算法。该算法利用像素间的非局部空间邻域信息,将未被噪声污染的像素代替被噪声污染的像素,构造非局部空间约束项,并将该约束项添加到截集式可能性C-均值聚类算法的目标函数中,以实现图像的分割。对4种不同类型的图像进行分割测试,结果显示,该算法不仅保留了图像中更多的细节信息,而且提高了算法对噪声的鲁棒性和抗噪声能力。     

基于噪声距离的低对比度图像抗噪分割算法

针对核空间模糊局部信息C-均值聚类算法(KWFLICM)对低对比度图像抗噪性差的不足,提出一种基于噪声距离的核空间模糊局部信息C-均值聚类算法。该算法在KWFLICM算法的基础上改变隶属度约束条件并引入噪声距离δ获得一种改进的聚类目标函数,并借鉴现有噪声聚类思想构造出具有良好抗噪性的模糊聚类迭代隶属度和聚类中心表达式,最后给出相应的聚类分割算法。实验结果表明,该改进算法对于椒盐噪声干扰的对比度较弱的灰度图像比KWFLICM聚类分割算法更有优势。     

模糊C-均值聚类图像分割算法的一种改进

针对传统模糊C-均值聚类算法对含噪图像分割时未充分考虑空间信息的问题,提出一种改进的模糊C-均值聚类算法,将图像的局部和非局部两种空间信息引入到模糊C-均值聚类算法的目标函数中,以使两种空间信息在含噪图像分割中发挥互补作用。将改进算法应用于不同含噪图像的分割实验,结果表明图像像素的均方误差均比改进前有所降低。     

嵌入邻域像素的彩色图像鲁棒聚类分割算法

为提高彩色图像模糊聚类分割算法的抗噪性,给出一种嵌入像素邻域信息的彩色图像鲁棒聚类分割算法。为适合彩色图像分割,以协方差马氏距离代替模糊C均值聚类算法目标函数中的平方欧氏距离;将样本协方差矩阵行列式作为正则项融入聚类目标函数,以增强算法普适性;将邻域像素滤波信息嵌入聚类目标函数,以改善聚类算法的抗噪性能。针对噪声干扰彩色图像的分割测试结果表明,所给分割算法抗噪鲁棒性良好。     

基于目标函数的直觉模糊聚类图像分割方法

针对模糊C-均值聚类分割算法易丢失图像细节的问题,提出一种改进的直觉模糊C-均值聚类算法.该算法将纹理特征和直觉指数引入到目标函数,并给出改进的聚类目标函数,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,实验结果表明了算法的有效性.     

基于IFLBP及空间隶属度相似性的CFFCM图像分割

针对无中心模糊C-均值(Center-Free Fuzzy C-Means, CFFCM)聚类算法未考虑像素的纹理特征及空间信息,且时间复杂度高的问题,提出一种基于直觉模糊局部二值模式(Intuitionistic Fuzzy Local Binary Pattern, IFLBP)及空间隶属度相似性改进的CFFCM算法。该算法结合像素的局部及非局部空间信息,设计新的空间隶属度相似性计算公式,以降低CFFCM算法的时间复杂度。同时,基于直觉模糊集理论,利用直觉模糊局部二值模式算子提取图像的纹理信息,并将其引入到目标函数中,以改善算法对于具有复杂纹理特性图像的分割精度。仿真实验结果表明,改进算法有效提升了运算速度以及图像分割性能。     

改进的基于遗传模糊C均值聚类的图像分割算法

模糊C均值（Fuzzy C-Means,FCM）聚类算法已广泛应用于图像分割领域,其本质是一种局部搜索算法,采用迭代爬山算法寻找最优解,对初始聚类中心敏感,很容易陷入局部极优值,且没有考虑图像的空间邻域信息,对噪声敏感。本文提出了改进的基于遗传模糊聚类的图像分割算法,利用遗传算法的全局寻优能力来克服FCM算法容易陷入局部极优值问题;并在FCM算法的目标函数中添加空间邻域信息来约束隶属度函数从而提高对噪声的鲁棒性,使分割更加符合期望。实验结果表明本文算法的有效性,图像分割时具有较强的抗噪能力和较好的分割效果。     

结合空间信息的模糊C均值聚类的图像分割算法

针对传统的模糊C均值聚类算法未考虑图像的空间信息,对噪声图像分割不理想,提出了一种结合空间信息的模糊C均值聚类的图像分割算法。此算法充分考虑像素的邻域特性,对隶属度函数做一定的修改,并将局部信息和非局部信息引入到数据和聚类中心的相异性测度中。实验结果表明,该算法能有效地分割图像,并具有较好的抗噪能力。