结合密度峰聚类的K均值图像分割算法

针对K均值聚类算法在图像分割应用中的不足,结合密度峰聚类算法对原有算法进行改进,得到了一种图像分割效果较好的改进K均值算法。K均值算法需要人工指定聚类中心数目,并且聚类中心的随机初始化对最终的图像分割结果有很大影响。针对以上缺点,对K均值算法进行改进,通过密度峰聚类算法自动确定了图像分割的聚类中心数目和较为准确的初始聚类中心。为了衡量色差在人眼中的感知情况,在算法中引入了NBS距离作为距离测度。实验结果表明,改进后的图像分割算法在分割图像时具有稳定的性能和较好的效果。     

K-均值优化初始中心聚类单板图像的分割

针对彩色图像处理运算量大、计算耗时和灰度图像分割自适应阈值选择困难的问题,在通过对单板彩色图像充分分析的基础上,基于背景和目标颜色差异比较明显,提出了基于彩色图像RGB彩色空间的R通道的K-均值优化初始中心聚类的分割方法。该方法不需要彩色空间的变换,进一步降低了计算的复杂度。实验结果表明,可以提高分割的效率和准确性。     

基于聚类-改进灰狼算法的设施番茄分割识别方法

设施环境中的果实图像识别是作物生长监控和采摘智能化的关键技术之一.以设施番茄(品种:苏粉14)为研究对象,针对其获取图像果实粘连导致机器作业识别不准确,且识别效果受光线影响等问题,提出了 一种改进灰狼算法优化聚类中心的番茄图像自动分割方法,并通过形态学和多尺度Hough变换算法对目标进行提取,完成图像中粘连果实的分割与...     

基于量子行为的微粒群优化算法与模糊C均值聚类算法的磨粒图像分割

利用计算机图像处理技术实现铁谱图像诊断自动化是铁谱技术发展的目标.介绍了基于微粒群优化(PSO) 算法与模糊C均值 (FCM) 聚类算法相融合的图像分割方法并分析了其缺点,提出了一种基于量子行为的微粒群优化(QPSO)算法与FCM算法相融合的图像分割方法,并采用该方法对铁谱图像进行预处理.结果表明,该方法收敛速度快,设置参数少,具有更高的精确性和稳定性,是一种更有效的铁谱图像预处理方法.     

改进K均值聚类算法在电厂工况划分中的实现

本文介绍了改进K均值聚类算法的基本原理及应用。通过优化了初始聚类中心和可自适应调整到最佳值,改进的K均值聚类法和原始K均值法相比具有更高的分类准确率及更强的无监督自学习能力。并将此方法应用于基于实时数据的电厂工况划分,实验结果理想。     

动态多目标优化的运动物体图像分割

对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割。根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比。结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95%,对图像识别的准确率可达到90%,具有较高的识别能力,能满足确定背景下运动物体的准确识别。     

用于分割无损检测图像的改进的抑制式模糊C均值聚类算法

由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。     

用模糊聚类Fuzzy C-Means算法实现图像分割

本文描述了一种有效的Fuzzy C-Means(FCM)聚类算法的数学原理及其在图像分割中的应用,该算法的主要特点是提供了一种非监督的模糊聚类方式。为了减少计算量,文章引入了塔型数据结构PDS(Pyramid Data Structure),并对FCM算法的初始模糊矩阵的选取和实验结果进行了讨论。     

基于快速C均值聚类算法的烧结断面图像分割

利用图像分割技术,采用基于快速C均值聚类（FFCM）算法,实现了烧结图像背景、红火区和气孔区的自动分割。该算法在Visual C＋＋2008软件开发平台上编程实现并与其他算法作了比较。实验表明该算法对于具有多峰直方图的烧结断面图像有良好的实时性和分割效果,为烧结断面图像特征提取和识别工作奠定了良好基础。     

基于ISFLA的K均值聚类算法

针对K均值聚类算法和基于混合蛙跳( Shuffled Frog - Leaping Algorithm,SFLA)的K均值聚类算法的一些缺点,提出了基于改进混合蛙跳(Improved Shuffled Frog- Leaping Algorithm,ISFLA)的K均值聚类算法.该算法首先将生物学中吸引排斥机制应用在S...     

MRI brain lesion image detection based on color-converted K-means clustering segmentation

We present a preliminary design and experimental results of tumor objects tracking method for magnetic resonance imaging (MRI) brain images (some stock images) that utilizes color-converted segmentation algorithm with K-means clustering technique. The method is capable of solving unable exactly contoured lesion objects problem in MRI image by adding the color-based segmentation operation. The key idea of color-converted segmentation algorithm with K-means is to solve the given MRI image by converting the input gray-level image into a color space image and operating the image labeled by cluster index. In this paper we investigate the possibility of employing this approach for image-based-MRI application. The application of the proposed method for tracking tumor is demonstrated to help pathologists distinguish exactly lesion size and region.     

FCM聚类算法和粗糙集在医疗图像分割中的应用

本文通过结合FCM聚类算法和粗糙集，提出了一种新的图像分割方法。首先，以不同聚类数情况下FCM的分割结果为依据构建属性值表，基于属性构成的不可分辨关系将图像分成多个小区域；然后，通过值约简获得各属性权值并以此为依据，计算各区域之间的差异度，进而通过差异度定义的等价关系，实现各区域相似度评价；最后，通过相似度定义的最终等价关系实现区域合并，完成图像分割。该方法在人工生成图像和大脑CT图像及MRI图像的分割中得到验证，实验结果表明，本文方法和FCM方法相比，可以降低错分率，且对模糊边界区域的分割效果较好。     

基于图论的交互式图像分割算法研究

交互式图像分割方法的应用越来越广泛,本文提出了一种新的基于图割的交互式图像分割方法。该方法将像素的灰度信息和空间信息结合起来建立图模型,利用预流算法快速计算出该模型的最小割集,实现图像分割,有效地降低了运算的时间复杂度,提高了分割准确度。     

基于像元相互关系的FCM聚类分割算法

针对传统模糊C均值(FCM)算法在图像分割时未考虑像元间的相互关系,且未事先给出初始聚类中心的问题,提出了一种考虑像元间相互关系的FCM聚类分割算法。该算法基于数据场原理,首先利用像元间的相互关系,通过计算各像素点的势值,形成图像数据场,然后利用图像数据场势心,确定FCM算法的初始聚类中心,最后在图像数据场的基础上,利用FCM算法实现对目标图像的聚类分割。利用人工合成图像和工件表面缺陷图像对算法的有效性进行验证,实验结果表明,该算法具有较好的分割效果,且对于条痕、脱碳、孔洞3种缺陷的不同噪声图像分割的正确率均在93%以上,同时具有较高的平均结构相似性。     

纹理图像的相位场演化分割研究

为研究在噪声环境下的纹理图像的分割,提出了一种基于相位场演化的纹理图像分割算法。首先在相位场模型中加入了形状统计的能量项,以此指导和约束边缘界面轮廓的演化过程;然后通过对改进相位场模型的梯度流方程的求解,得到了算法的数值解。最后将本研究算法用于纹理图像的分割。实验结果验证了该算法的有效性。     

利用高斯混合模型的多光谱图像模糊聚类分割

针对传统分割算法难以实现高分辨率多光谱图像分割的问题,本文提出一种利用高斯混合模型的多光谱图像模糊聚类分割算法。该算法采用高斯混合模型定义像素对类属的非相似性测度,由于该算法具有高精度拟合数据统计分布能力,故可以有效剔除噪声对分割结果的影响。同时,引入隐马尔科夫随机场(Hidden Markov Random Field,HMRF)定义邻域作用的先验概率,并将其作为各高斯分量权值以及KL(Kullback-Leibler)信息中控制聚类尺度的参数,从而增强了算法对复杂场景遥感图像的鲁棒性,进一步提高了算法的分割精度。对模拟图像和高分辨多光谱图像分割结果进行了定性定量分析。实验结果表明:模拟图像的总精度达96.8%以上。这验证了本文算法在分割高分辨率多光谱图像时具有保留细节信息的能力,而且也证实了算法的有效性和可行性。该算法能够实现高分辨率多光谱图像的精确分割。     

基于深度学习的铸件CT图像分割算法

针对现有方法分割弱边缘铸件CT图像难度大、精度低、鲁棒性差的问题,提出一种融合残差模块与混合注意力机制的U型网络分割算法(AttRes-U-Nets)。该算法以U-Net网络为基础,首先构建深度残差网络ResNets作为算法的编码网络,解决传统U-Net网络特征提取能力不足的问题;然后,引入改进后的混合注意力机制,突出分割目标区域与通道的特征响应,提高网络灵敏度;最后,将Focal loss与Dice loss结合为一种新损失函数FD loss缓解样本不平衡带来的负面影响。使用120阀体数据集对算法性能进行验证,实验结果表明,本文算法对铸件分割的像素准确率(PA)和交互比(IoU)分别达到98.72%和97.40%,优于传统U-Net算法与其他主流语义分割算法,为弱边缘分割提供了新思路。     

基于萤火虫算法的二维熵多阈值快速图像分割

提出了基于萤火虫算法的二维熵多阈值快速图像分割方法以改善分割复杂图像和多目标图像时存在计算量大、计算时间长的问题。首先,分析了二维熵阈值分割原理,将二维熵单阈值分割扩展到二维熵多阈值分割。然后,引入萤火虫算法的思想,研究了萤火虫算法的仿生原理和寻优过程;提出了基于萤火虫算法的二维熵多阈值快速图像分割方法。最后,使用该方法对典型图像进行阈值分割实验,并与二维熵穷举分割法、粒子群算法(PSO)二维熵多阈值分割法进行比较。实验结果表明:该方法在单阈值分割、双阈值分割和三阈值分割时分别比二维熵穷举分割法快3.91倍,1040.32倍和8128.85倍;另外,在阈值选取的准确性和计算时间方面均优于PSO二维熵多阈值分割法。结果显示,基于萤火虫算法的二维熵多阈值快速图像分割方法能快速有效地解决复杂图像和多目标图像的分割问题。     

An algorithm of image segmentation for overlapping grain image

1Introduction Imagesegmentationisprimaryissueinim ageprocessing,atthesametimeitisprincipal probleminlowlevelvisionincomputervision field.Itisthekeytechnologytoprocessimage analysis,imagecomprehensionandimagedepic tionsuccessfully.Imagesegmentationmeans thatpendingprocessingimageisdividedinto severaldifferentareaswhichhavespecialmean ingandhavenotintersectantmutual.Theimage segmentationisinwideuse,butuptonow,thereisnotuniversalmethod,andthereisnot objectivecriterionwhichjudgethatifitissuc cessf…