基于马氏距离的FCM图像分割算法

基于模糊C均值聚类的图像分割是应用较为广泛的方法之一,但大多数模糊C均值聚类方法都是基于欧式距离,且存在运算时间过长等问题。提出了一种基于Mahalanobis距离的模糊C均值聚类图像分割算法。实验分析表明,提出的算法在保证分割质量的前提下,能较快提高分割速度。实验结果表明了该方法的有效性。     

基于颜色特征和聚类的马氏距离图像分割法

给出了一种基于颜色特征和聚类的复杂彩图中进行目标图像分割的马氏距离算法.该方法利用目标的颜色进行图像分割.通过对彩图中的物体进行采样和分类,经过对每个像素点进行马氏距离计算和最小值寻找,将图像内的所有像素点进行归类,对目标图像与背景图像进行二值化分割,并对分类后含噪声的目标图像进行自适应滤波.设计了达到以上目的的人机交互式可视化计算机图像处理程序,对在水稻田中试验点上拍摄的水稻照片进行了分析处理,分离出了复杂背景下的水稻植株图像.实验结果表明,该算法能较好地解决复杂彩图中目标图像的分割问题.     

基于核函数与马氏距离的FCM图像分割算法

针对模糊聚类算法邻域信息与空间信息利用率低易受噪声影响的问题,提出一种结合核函数与马氏距离的FCM算法,即FCMKM算法。首先,将图像像素点由低维空间通过核函数非线性映射到高维空间;然后,利用马氏距离替换原有的欧氏距离作为高维空间距离量度;最后,利用改进后的算法对图像进行分割。为验证FCMKM算法的性能,选取Bezdek划分系数、Xie-Beni系数、重构错误率、运行时间、迭代次数五个评测指标作为对比实验的评价标准。实验结果表明,与传统FCM算法、基于核函数的FCM算法、基于马氏距离的FCM算法相比,FCMKM算法能有效地提高模糊聚类算法的抗噪性。     

基于模糊距离变换的颗粒图像分割方法

在颗粒图像中,经常存在颗粒重叠或者粘连现象。本文提出了一种新的图像分割方法。该方法首先对颗粒图像进行二值化,然后对图像作模糊距离变换得到模糊距离图,再利用分水岭算法将粘连或者部分重叠颗粒分离。实验证明,此法能够将粘连颗粒物图像有效分离。     

浅析基于MATLAB的图像分割方法

介绍了图像分割的基本理论和常用方法,并借助MATLAB对几种边缘检测算子进行了详细的分析比较。指出了不同算子的适用情况,提出了多种分割方法整合的观点。     

一种基于Hellinger距离的活动轮廓图像分割方法

图像分割作为许多计算机视觉应用的基础,近十年来一直是计算机视觉学者们研究的焦点。提出一种基于CV活动轮廓模型的图像分割方法,采用Hellinger距离度量区域内的每个像素点与区域的差异度,取代CV活动轮廓中的方差度量,并结合测地活动轮廓(GAC)的思想,改进了CV模型目标函数中区域边界长度的度量。然后将目标函数映射到网络流图中,采用图切割方法对目标函数进行优化。实验证明所提出的方法具有较好的分割效果,相对于CV活动轮廓法有了较大的提升。     

基于马氏距离的遥感图像高温目标识别方法研究

高温目标(森林火灾、草原火、煤层自燃、火山喷发等)具有显著区别于常温地物的波谱特性.马氏距离相当于加权的欧式距离,在多元统计分析中被用于多维数据的分类.分别采用马氏距离多元截尾法和马氏距离多类判别法对ETM+遥感图像进行高温目标识别,结果表明:两种方法具有较好的一致性.在异点识别的基础上,对所得结果的光谱特性深入分析,可明确所提异点的物理意义并提取真正的高温目标.经野外验证,两种方法的结合可有效提高高温目标识别精度,分别可达到88.01％和88.09％.     

基于H分量旋转的荔枝图像分割算法

自然场景下荔枝图像分割,因果实与背景之间的颜色特征以及本身的形状特性的差异,表面会出现亮度不均匀,对分割造成非常大的影响。为了减少亮度不均匀给荔枝图像分割带来的影响,选择HSV彩色空间中色调H分量,并对H分量进行旋转作为图像分割的特征;通过模糊聚类算法和马氏空间约束条件来进行图像分割,利用形态学滤波消除分割后的随机噪声,并对分割区域标记,利用图像标记来恢复分割区域的原始图像。结果表明,该算法能很好地解决亮度不均匀造成的影响,对成熟荔枝分割的正确率达到了90.4%。     

一种基于模糊增强的图像分割方法

本文基于模糊技术,在现有的模糊增强方法的基础上提出一种改进方案：首先对图像进行自适应滤波,以减小噪声,然后再进行两次模糊增强处理,最后得到分割结果。经过与多种方法的实验对比,验证了本方案的有效性。     

权重马氏距离高斯核在谱分割中的应用

为了使经典谱分割的Nystrm采样快速算法得到更清晰的结果,将权重马氏距离高斯核应用于其中,相对于常用的马氏距离高斯核,得到了更好的分割效果。结果表明,使用权重马氏距离高斯核更能准确的反映两个向量的相似度,从而实现准确的分割。     

一种新颖的基于马氏距离的KNN分类算法

K近邻作为模式识别研究领域的热点之一,影响其性能的距离度量也得到广泛关注。但传统KNN采用欧氏距离,平等对待所有特征间的差别,不能有效反映数据的内在结构特征。针对此问题,借鉴局部保持投影的基本思想,根据局部保持散度矩阵定义一种距离度量新方法,利用该距离度量提出一种新颖的基于马氏距离的KNN算法。该算法在基于马氏距离分布特征的方式上充分反映每一类数据的内在结构特征。实验结果表明,与传统KNN和基于马氏距离的KNN相比,该算法表现出更好的分类精度。     

基于马氏距离的方体模型及其在病毒预警中的应用

从几何学的角度探讨了人工免疫系统搜索空间的表示方法以及识别器的构造模型。重点讨论了超球体模型和方体模型的缺陷。提出了一个具有空间自适应能力的方体模型,运用贪婪策略,通过膨胀,收缩自适应地调节识别器的体积。实验表明,方体模型能较好地适应不规则的SELF点集分布,然而贪婪策略却导致该模型具有较高的误报率。借鉴方体模型空间自适应优势,提出了一个基于马氏距离的方体模型(CMMD)。     

基于肤色信息马氏距离图的人脸检测

提出了一种基于肤色信息的人脸检测方法。构造了皮肤颜色模型、检测图像的皮肤区域,并计算出该区域相对于皮肤的马氏距离图。根据马氏距离图寻找特征脸子空间,构造出BP神经网络。以马氏距离图在各特征脸子空间的投影系数为BP神经网络的输入,计算该区域是否为人脸图像。实验证明,该方法是有效的。     

一种基于马氏距离的线性判别分析分类算法

对于一个特定的模式识别问题,表达和识别模式的特征具有不同的形式,它们在物理意义上是完全不同的,而且在数量级具有很大差别。该文提出了一种基于马氏距离的线性判别分析分类算法,选取判别函数为马氏距离,可以适用于具有不同类型特征值的分类问题。将该算法应用于UCI中Credit-A、Credit-G、Iris和Vehicle四个数据库的分类,并采用K次交叉验证方法进行实验。从实验结果中可知,与ENTROPY算法和C4．5（8）算法分类效果相比较,该文所提出的线性判别分析算法计算简单,识别率较高,是一种实际可行的分类算法。     

基于改进马氏距离的模拟电路故障诊断新方法

提出一种基于改进马氏距离的模拟电路故障诊断方法. 根据被测电路的拓扑结构进行可测性分析, 利用测试矩阵确定规范模糊组, 从而得到单故障假设下的可分潜在故障元件. 将马氏距离根据模拟电路的特性作出改进, 并应用于模拟电路潜在故障元件的诊断. 利用测点特征值的改进马氏距离对潜在元件进行划分, 减少可疑故障元件的类别, 在诊断分类时达到提高速度的效果. 实验表明, 所提出的方法对模拟电路软故障诊断速度较快, 具有较好的模拟电路故障诊断测试效果.

     

基于马氏距离的改进型TOPSIS在供应商选择中的应用

由于传统逼近理想解排序法(TOPSIS)的应用中各属性指标之间普遍存在线性相关,导致运用欧氏距离公式计算各评价对象到正负理想解的距离失效.运用马氏距离不受量纲影响以及消除变量间相关性的特性改进传统TOPSIS的距离计算,改进后的TOPSIS具有明显的科学性与合理性.最后,给出了该方法在供应商选择中的应用.     

基于马氏距离统计监控指标的应用研究

分析了基于欧几里德距离的 SPE 指标和基于马氏距离的改进 SPE 监控指标, 针对过程变量正态分布的特性, 提出一种基于马氏距离的综合监控指标, 减少了监控工作量, 改善了监控效果.     

基于马氏距离的一维距离像识别算法仿真

针对欧氏距离受模式特征量纲影响的缺点,且影响制导精度和抗干扰的能力,采用一种基于马氏的一维距离像目标识别方法。通过对毫米波雷达目标回波进行IFFT变换得到一维距离像,用主分量分析算法对距离像进行降噪和特征提取,取最小马氏距离判别目标类别。马氏距离考虑了模式特征参数的大小以及特征间的相关性,克服了欧氏距离受量纲影响的缺点。与欧氏距离的分类算法仿真结果比较,马氏距离算法具有较好的识别性能;在不同信噪比下的仿真结果表明,方法适用于毫米波雷达一维距离像目标识别。     

基于二维直方图的杂草图像分割算法

区分绿色植物和土壤是农作物田地去除杂草的首要步骤,利用图像处理技术探索杂草图像分割算法。二维直方图的转换基于RGB色彩模型,并进一步改进了传统的阈值分割算法。