基于小波变换和粒子群改进的FCM图像分割方法

模糊C均值聚类(FCM)算法是常用的图像分割算法之一,具有无监督、计算简便、软分割等优点。但是,对于含噪声的图像,会受到较为明显的干扰,且对初始值敏感,易陷入局部极小值。针对以上问题,提出一种新的FCM算法。首先,应用小波变换将图像三重分解得到不同尺度的高频和低频系数,应用各向异性滤波对分解后的高频系数进行去噪;然后,将处理好的系数利用小波重构得到处理完成的图像;最后,利用粒子群算法更新FCM的聚类中心,以得到全局最优值。实验结果表明该算法较好地抑制了噪声的影响,具有较好的鲁棒性。     

马尔可夫化的多尺度FCM在影像分割中的应用

为了同时处理影像分割问题中的随机性与模糊性,提出了一种多尺度(MR,multi-resolu-tion,马尔可夫随机场(MRF,markov random field)模型下的模糊C均值(FCM,fuzzy C-means)聚类分割算法(MR-MRF-FCM)。利用FCM算法能够处理影像模糊性的优点、MRF模型描述空间关系的长处以及小波的多尺度分析的优点,先对影像进行多尺度小波分解,并对小波系数建立MRF,进而用MR-MRF中的条件概率矩阵代替FCM算法的隶属度矩阵。实验结果从视觉效果和定量指标两方面表明,本文方法优于经典的MRF、多尺度MRF、FCM和核FCM等方法。     

一种基于目标区域特征的红外与可见光图像信息融合方法

基于异源图像的信息互补关系, 提出了基于目标特征区域的小波变换融合方法。首先采用基于模糊C-均值聚类(FCM)的方法, 提取红外图像的目标特征区域, 用于异源图像目标特征区域的局部信息融合, 达到在可见光图像中加入红外目标信息的效果。其次以第一步融合的图像替换原有的可见光图像, 并采用小波变换的方法实现与红外图像的融合, 获得最终的融合图像。采用图像质量评价标准对本文算法和其他融合算法的实验结果进行分析对比, 证明所提出方法的有效性。     

小波变换和改进的FCM算法在医学CT图像分割中的运用

为了更好地运用电脑技术辅助医学诊断,本文研究了一项在小波变换和改正的模糊C均值PCM算法基础上进行医学CT图像分割的方法,以FCM算法为基础,采取小波变换方式针对医学CT图像展开分解,之后运用分解后的低频图的像素点来作为FCM算法的基础点,然后运用马氏距离来进行进一步修正,从而确保更加准确的反应医学图像中的信息.研究结果显示,通过这一方法的处理,医学CT的效果得到了很大的提升.     

核空间自适应非局部均值鲁棒分割算法

为改善传统模糊C均值(FCM)算 法对噪声干扰下图像的分割效果,提出了一种基于核空间邻域信息和自适应非局部均值相结 合的图像鲁棒分割算法。首先,利用传统FCM聚类算法进行初始聚类分割,将 所得聚类中心作为改进算法的初始聚类中心; 其次通过自适应非局部均值算法对图像进行平滑处理,避免图像过度分割;然后对引入核空 间邻域信息的目标函数进行最优化求解, 获取聚类中心和隶属度的迭代表达式;最后对像素进行分类时,利用邻域像素隶属度对像素 进行进一步滤波处理。实验结果表明:本文的 改进算法与传统FCM聚类算法、核空间FCM(KFCM)算法、基于邻域信息的FCM(FCM S)算法和基 于邻域信息KFCM(KFCM-S)算法相比,改进算法对强噪声干扰下的图像具有较好 的鲁棒性,并且能够有效分割图像的目标信 息和背景信息。从几种算法进行聚类分割结果所对应的峰值信噪比(PSNR)也可以看出,本文 改进算法的PSNR更高。     

基于小波系数块能量和HVS的FCM水印算法

为增强水印的鲁棒性,提出一种基于小波变换的改进数字水印算法.该算法将原始图像小波变换后的细节子图分割成互不重叠的系数块.通过对各系数块能量特征分析,并结合人类视觉系统特征(HVS)对特征值进行模糊c-均值聚类(FCM)分析取得更适合嵌入水印的块,在适合嵌入块上应用隶属度值进行自适应的水印嵌入.实验表明该算法有更好的鲁棒性和不可见性.     

基于差异图构造与融合的SAR图像变化检测方法

针对合成孔径雷达(SAR)图像固有的相干斑点噪声而影响变化检测精度和准确性等问题,提出了一种基于差异图构造与融合的SAR图像变化检测方法。该方法通过L-SRAD混合滤波对SAR图像进行预处理,使用基于边缘预检测的小波融合算法实现对数双曲余弦比值差异图D_CLR和邻域比值差异图D_NR的融合,结合FCM算法和CWNN卷积神经网络对所得融合差异图进行变化检测。其中FCM算法将融合差异图预分类为三个聚类,选择合适的预分类结果作为训练样本训练CWNN模型,最后使用CWNN模型对预分类结果进行二次分类,得到最终的变化检测图。在Bern数据集上进行了对比实验,实验结果证明该方法具有较强的变化检测能力,变化检测准确率达到99.67%。     

基于WFCM算法在MRI图像分割中的应用

模糊C均值聚类(FCM)算法是一种基于非监督聚类算法。样本加权模糊C均值聚类(WFCM)算法是FCM算法的改进,该算法能够明显提高收敛速度和聚类的准确性。无论是FCM算法还是WFCM算法,对噪声都相对敏感,而且聚类数目仍然需要人工确定。在此提出一种改进算法,首先通过偏微分方程(PDE)降噪算法对原始脑MRI医学图像进行处理;其次利用聚类有效性确定最佳聚类数目,对WFCM算法进行改进;最后利用本文改进算法对图像进行聚类分割。实验表明,该方法是一种具有自动分类能力、抗噪性较好的模糊聚类图像分割算法。     

改进FCM算法在医学图像分割的方法研究

本文提出使用改进模糊C均值聚类(MFCM)算法和模糊可能性C均值聚类(FPCM)算法的图像分割方法并应用于医学图像分割过程中。MFCM算法是通过调整FCM算法的测量距离来批准标签像素受到其他图像像素和在切分中抑制噪声效果来约束,从而使得成员变量没有最大约束值。基于真实医学图像的实验表明了MFCM算法和FPCM算法在医学图像中进行分割的实际效果,具体是通过对FCM、MFCM、FPCM进行精度对比来验证算法有效性。     

针对复杂噪声场景的FCM聚类算法非局部改进

<正>作为一种常用的图像分割算法,模糊C均值聚类(FCM)对噪声过于敏感。针对此缺陷,研究者们提出了诸多改进算法。然而,现有算法在面对较为复杂的噪声场景时,所得图像分割效果往往不令人满意。通过对经典FCM算法的目标函数施加非局部正则化,该文给出一个FCM非局部改进算法(FCM＿UNL)。在复杂噪声场景下进行图像分割时,FCM＿UNL能保持较高的分类精度。初步的图像分割实验表明了所提算法的有效性。图像分割是图像处理的关键内容之一,分割质量的好坏往往对后续的图像识别、分析等环节有着直接影响^[1,2]。     

基于多小波分解的多光谱图像矢量融合

在实数域中,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支性、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性,该文将基于像素点和基于区域的标量融合策略推广到矢量情形,提出一种新的、在多小波域中基于矢量融合的图像融合算法,充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明,与单小波标量融合方法相比,多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标,从而证明了用于图像融合时,多小波较之单小波更适合于人类视觉系统,具有广泛的应用前景。     

基于小波分析的视频图像字符特征提取方法研究

文章提出了一种基于小波变换的字符小波特征向量提取方法。通过对字符图像的小波分解子图求取风格特征向量，构造出字符的小波特征向量。该特征反映了图像字符结构特征和统计特征的综合信息，特征向量稳定、简单、算法快，且特征提取方法具有类人视觉特点。     

基于自适应小波变换的嵌入图像压缩算法

针对遥感、指纹、地震资料等图像纹理复杂丰富、局部相关性较弱等特点,文章通过实施自适应小波变换、合理确定系数扫描次序、分类量化小波系数等措施,提出了一种高效的图像压缩编码算法.仿真结果表明,相同压缩比下,本文算法的图像复原质量明显优于SPIHT算法(特别是对于纹理图像,如标准图像Barbara).     

一种基于小波变换和矢量量化的图像压缩算法

小波变换和矢量量化都是图像压缩中的重要方法。利用小波变换的系数特点,对图像进行小渡分解,对于能量最为集中的低频分量采用标量量化处理,然后将标量量化过程中产生的残差和高频分量一起构造矢量,进行矢量量化。实验结果表明,此算法能够有效提高重构图像质量,获得较高的信噪比。     

基于小波变换的多级矢量量化图像编码算法

结合小波变换中多分辨率分析特性以及多级矢量量化复杂度低、量化效果较好的特点提出了一种基于小波变换的多级矢量量化图像编码方法。在使用多级量化的基础上采用联合优化多级矢量量化的码本设计方法,进一步提升量化效果。试验数据表明,该方法相对于传统的矢量量化算法,量化效果进一步提高,复杂度也在可接受范围之内,达到了很好的压缩编码效果。     

基于BWT和FVQ的极低比特率图像编码算法

该文提出了一种基于双正交小波变换(BWT)和模糊矢量量化(FVQ)的极低比特率图像编码算法。该算法通过构造符合图像小波变换系数特征的跨频带矢量,充分利用了不同频带小波系数之间的相关性,有效地提高了图像的编码效率和重构质量。该算法采用非线性插补矢量量化(NLIVQ)的思想,从大维数矢量中提取小维数的特征矢量,并提出了一种新的模糊矢量量化方法一渐进构造模糊聚类(PCFC)算法用于特征矢量的量化,从而大大提高了矢量量化的速度和码书质量。实验结果证明,该算法在比特率为0．172bpp的条件下仍能获得PSNR＞30dB的高质量重构图像。     

基于9/7双正交小波的一种高效矢量量化算法

该文提出一种用于图像压缩的矢量量化算法,该算法用9/7双正交小波对图像进行分解,利用三个方向上各自小波系数之间的相关性,构造符合其特征的跨频带矢量,提高了图像的编码效率和重构质量,同时采用了新的矢量量化技术渐进构造聚类(PCC),实验结果证明,该算法在未熵编码的条件下,获得 PSNR32dB的重构图像,比特率高达 0.141 bpp.而且实现方法十分简单。     

基于3D-DWT及混沌映射的加密医用体数据鲁棒检索算法研究

随着医疗数据的共享日益频繁,数据安全问题变得日益突出.安全起见,把医学图像加密后存储到服务器或云端.如何实现对加密医学图像检索成为一个亟待解决的问题.提出一种基于混沌和三维小波变换的加密医用体数据鲁棒检索算法.其主要步骤为:首先,通过三维小波变换和混沌映射对医用体数据进行加密;然后,对加密体数据进行小波分解,得到子带图像,再对子带图像进行DCT变换,提取DCT变换能量聚集的低频系数作为加密体数据的特征向量,建立加密图像的特征向量数据库;最后,通过计算加密图像的特征向量的相似度来检索目标图像,将检索到的加密图像返回,并解密所检索到的医用体数据.实验结果表明,该检索算法对加密体数据的常规攻击和几何攻击具有较强的鲁棒性,并提高了图像检索的安全性和准确性.     

多尺度SVR的SAR图像复原

针对合成孔径雷达图像中存在斑点噪声的缺陷,将支持向量拟合方法引入小波系数收缩策略中,提出了基于多尺度SVR(support vector regression)的SAR图像复原算法。该方法在不同尺度下选用不同的核参数。为保护边缘结构信息,首先对各小波高频子带进行SVM拟合,然后计算原始小波系数与拟合估计值的绝对差,并定义小波系数收缩准则,根据准则对小波系数进行收缩,使复原的图像能较好的保持原有图像的纹理和结构信息。实验采用真实的SAR图像,实验结果显示该方法优于常规小波滤波和Lee滤波方法。     

SAR图像小波包子带编码

针对合成孔径雷达(SAR)数据具有高动态范围、固有斑点噪声和纹理边缘处具有重要高频率成分等特性,将小波包子带编码方法应用于高分辨率SAR图像数据的压缩,根据各子带重要性不同采用不同量化方法,在小波包分解后引入跨频带的矢量量化方法。研究结果表明,此方案在图像分解、量化编码上均较传统方法有显著提高。