一种谱聚类灰度纹理图像分割方法及其在近红外成像仿真中的应用

针对近红外场景仿真中需要将不同材质分类的问题,提出一种谱聚类的灰度纹理图像分割方法。首先利用mean-shift算法,将原始图像预分割为多个具有准确边界的同质区域,并将这些区域描述为超像素;进而,将超像素构造的无向加权图作为谱聚类的输入,通过谱聚类的方法解决超像素的过分割问题。本文的方法在谱聚类过程中考虑了超像素的纹理特征,弥补了灰度图像在谱聚类过程中只顾及灰度和空间信息的不足。实验结果表明,利用本文分割方法不但减少了运算量,并且为精细的近红外场景仿真奠定了基础。     

基于选择性多分辨率Kohonen网络的自适应灰度图像分割方法

针对多阈值分割中存在的问题,提出一种新的基于测量空间的空间聚类方法,即基于选择性多分辨率Kohonen网络的自适应灰度图像分割方法.算法的优点在于不需预知图像分割级数,而能够动态地根据图像局部特性决定.实验证明该方法具有良好的适应性.     

变长度微粒群优化模糊聚类的自适应图像分割方法

模糊C均值聚类(FCM.fuzzy c-means)图像分割方法,对初值选取较敏感,并且需要事先确定聚类数目.为此,提出了一种基于变长度微粒群算法(PSO,particle swarm optimization)优化PBMF模糊聚类的自适应图像分割方法.PBMF指标函数考虑了聚类数目和聚类中心,通过设计变长度PSO算法来实现PBMF指标函数的优化过程,并利用统计直方图将图像从像素窄间映射到灰度直方图特征空间,从而快速地获得图像的最佳聚类数日和聚类中心.对遥感图像的分割实验表明,该自适应分割策略具有全局搜索图像最佳聚类数月和聚类中心的能力,以及较强的抗噪能力.     

结合图像灰度信息和空间信息的有意义区域分割

本文提出了一种应用图像灰度信息和空间信息的分割方法.首先利用快速的优化分水岭算法将图像分成多个小区域;其次,计算每一个小区域的特性参数,并确定各个区域之间的拓扑关系;最后用模糊C-均值聚类算法根据区域的灰度特性及空间特性进行归类,获取最终的分割结果.结果显示,该方法与阈值化模糊C-均值聚类算法相比,分割结果更加有意义,而且速度也有极大地提高.     

基于耦合映象格子的图像分割方法

为了实现图像的自适应多级分割,利用混沌动力学系统对初值的敏感性和全局耦合映象混沌同步的特点,提出了一种基于耦合映象格子的图像分割方法.方法对每个灰度等级构建全局耦合映象,建立灰度等级间关系矩阵和灰度等级更新模型,通过全局耦合映象混沌同步过程完成灰度等级的自适应聚类.实验结果表明方法对中间类灰度等级聚类具有很好的鲁棒性,分割过程不需要人工干预,并且具有较强的灵活性,优于阈值分割和边缘检测的图像分割方法.     

基于AP聚类的中文字符分割

中文字符的分割问题导致目前字符识别技术发展受限,对于图像模糊、中英文混排和字符粘连的文本图像,传统的投影分割等基于区域的分割方法分割效果差,导致文字识别率低.针对这些问题,本文将AP聚类算法应用于字符分割,该方法先将图像转化为灰度图,再将灰度图进行二值化处理,并对二值化图像进行除噪,然后根据聚类准则求解特征点之间的关系得到类中心点,最后根据类中心对特征点进行归类得到分割结果.实验结果表明,应用AP聚类方法能够取得比常规分割方法更好的分割效果.     

基于模糊聚类算法的体育运动视频图像分析应用

针对当前的体育运动视频图像分割方法存在图像分割结果粗糙以及空间畸变率高等缺陷,提出基于模糊聚类算法的体育运动视频图像分割方法。介绍了模糊聚类算法的基本理论,借助时域差分图像建立含有正态分布和灰度值的二阶模糊属性,赋予模糊属性S隶属度函数,进而对时域差分图像进行模糊聚类,再通过边缘检测得到运动视频图像分割结果。实验结果证明,该方法的空间精度高、噪声迭代性能好、空间畸变率低,可精准分割复杂运动视频图像,得到高清画面。     

基于加权模糊c均值聚类与统计检验指导的 多阈值图像自动分割算法

图像分割是计算机视觉中一个重要的研究课题.本文提出一种基于直方图的多阈值灰度图像自动分割方法,该方法利用加权模糊c-均值聚类算法快速实现分割过程,同时通过单峰统计检验指导来自动确定多阈值的合适数目.实验结果表明了该方法的有效性.     

基于Gibbs随机场与模糊C均值聚类的图像分割新算法

模拟C均值聚类(FCM)是一种非常经典的非监督聚类技术,已被广泛用于图像的自动分割.由于传统的FCM算法进行图像分割仅利用了灰度信息,而没有考虑象素的空间位置信息,因而分割模型是不完整的,造成传统FCM算法只适用于分割噪声含量很低的图像.为了克服传统FCM算法的局限性,本文利用Gibbs随机场所描述的邻域关系属性,引入先验空间约束信息,提出拒纳度的概念,建立包含灰度信息与空间信息的新聚类目标函数,继而提出基于Gibbs随机场与模糊C平均聚类的GFCM图像分割新算法.实验证明,利用本文所提GFCM算法可以有效地分割含噪声图像.     

基于时空混沌的图像分割算法

为了实现图像的自适应多级分割,利用混沌动力学系统对初值的敏感性和时空混沌中全局耦合映像混沌同步的特点,提出了一种新的基于时空混沌的图像分割算法.新算法对每个灰度等级构建全局耦合映像,建立灰度等级间关系矩阵和灰度等级更新模型,通过全局耦合映像混沌同步过程完成灰度等级的自适应聚类.实验结果表明:算法对中间类灰度等级聚类具有很好的鲁棒性,分割过程不需要人工干预,并且具有较强的灵活性,优于阈值分割和边缘检测的图像分割方法.     

基于选择多分辨率Kohonen网络的自适应灰度图像分割方法

针对多阈值分割中存在的问题，提出一种新的基于测量空间的空间聚类方法，即基于选择性多分辨率Ｋｏｈｏｎｅｎ网络的自适应灰度图割方法，算法的优点在于不需预知图像分割 ，能够动态地根据图像局部的特性决定，实验证明该方法具有良好的适应性。     

基于空间约束的模糊核聚类红外图像分割

提出了一种基于空间约束的模糊核聚类红外图像分割算法.首先将图像映射到特征空间,在特征空间内进行模糊聚类,针对红外图像中存在的噪声点和野值等干扰问题引入了像素点的八邻域局部空间约束信息,并定义了像素分类可靠性指数修正隶属度函数在整个图像范围内分析像素分类的合理性,其中像素分类可靠性指数包括像素分类灰度可靠性指数和像素分类距离可靠性指数.实验结果表明,这种考虑局部空间约束和整体空间约束的模糊核聚类算法可更有效地对红外图像进行分割.     

基于聚类预分割和高低精度距离重构的彩色浮选泡沫图像分割

该文针对矿物浮选过程泡沫图像质量不理想、气泡大小形状灰度不均的问题,提出一种基于聚类预分割和高低精度距离重构的泡沫图像分割方法。首先,利用k-均值聚类进行前景泡沫与背景矿浆彩色图像分割,依据灰度分布和形状分布特征对提取到的泡沫图像进行滤波;然后,基于形态重构提出结合高低精度距离变换对距离图像进行重构,同时利用面积重构h顶改进变换为分水岭变换提取准确的特征标识;最后利用分水岭算法得到分水线,从而完成浮选泡沫的分割。由分割后的泡沫图像可统计分析出气泡个数与尺寸等物理特征参数从而为浮选控制提供依据。仿真结果表明了方法的有效性。     

多分辨率图像锥的FCM聚类图像分割算法

模糊C-均值（FCM）聚类算法是一种基于像素分类的图像分割方法，在分割的过程中，仅仅利用了像素点的灰度信息，但在灰度密度丰富变化和图像的对比度不明显的情况下，物体和背景的分布将相互重叠而密不可分，往往得不到满意的分割效果。为了解决上述问题，现提出了一种基于多分辨率图像锥的模糊C-均值聚类图像分割算法。该方法利用多分辨技术产生多分辨率图像锥，将图像从空间信息引入，考虑图像的局部特性，使分割算法局限于图像的子图像中，物体和背景比单纯运用FCM更容易区分，且算法稳定性高，速度快。     

基于模糊聚类的国画图像分割研究

国画图像分割是图像理解、计算机视觉等研究领域的重要内容。文章根据国画颜色有限性的特点以及视觉的颜色聚类特性,提出了一种基于模糊C均值聚类(FCM)的国画图像分割算法,实现对国画图像的分割。算法根据中国国画颜色以墨色为主,以墨破色的特点,通过选取国画图像每个像素点的灰度颜色特征,计算各像素点到各个聚类中心之间的欧式距离,并利用模糊C均值聚类的方法更新聚类中心,聚类结束后得到分类后的图像;再利用分类图像标识出分割图像,从而实现国画图像的分割。通过实验得出,算法有效地保证了各区域图像的完整,提高了分割的精确度。     

基于二维灰度直方图的蚁群图像分割

提出了一种基于二维灰度直方图的蚁群图像分割方法。该方法基于二维灰度直方图 的灰度、邻域平均灰度及灰度频数进行蚁群模糊聚类,通过二维灰度直方图的一维最佳投影,设置精确的初始聚类中心来解决蚁群算法循环次数多、计算量大的问题;并针对具体应用,对聚类半径、信息激素和启发式引导函数进行了相应的修正。实验表明该算法速度快、划分特性好,可以准确地分割出目标。     

多分类器融合的快速高维特征聚类图像分割

提出一种多分类器融合的快速高维特征聚类图像分割方法,将图像高维特征数据的分类分解为基于灰度(颜色)特征的最佳模糊分类以及基于空域约束的统计分类等多个低维特征数据的分类.通过多分类器融合的方法将不同分类器得到的分类结果进行优化整合,得到最后的分类结果.实验证明:与其它图像分类算法相比,该方法拥有更好的分割性能并大大提高了计算速度,最大限度地保证了分割算法计算的简单有效性.     

基于FCM聚类的X光图像分割算法

本文采用FCM聚类算法实现了对X光图像的分割,在分割过程中利用直方图数据简化了运算并设定聚类初始值,根据分割对象的特点,采用一维的灰度特征值实现分割,取得了比较理想的分割效果.     

基于分形和神经网络理论的多尺度图象分割方法

特征空间聚类分割方法存在的关键问题是有效的特征参数提取和聚类方法的构造。针对这两个问题,本文采用小波变换的多尺度分析方法提取图象的多尺度分形维数作为分割特征参数,用Kohonen自组织特征映射实现特征空间聚类,获得了良好的分割效果。     

基于改进模糊均值聚类算法的医学图像分割

为了提高医学图像分割性能,针对传统模糊聚类算法存在的缺陷,提出了一种改进模糊均值聚类算法的医学图像分割方法。首先采用粒子群算法选择模糊均值聚类算法的聚类中心,然后利用空间邻域信息设定聚类样本空间,最后采用具体的医学图像数据进行仿真实验,测试其有效性。仿真结果表明,相对于传统模糊聚类算法,本文算法不仅提高了医学图像分割精度,而且提高了医学图像分割效率。