一种用于二值图象分割的快速聚类算法

文中提出了一种适合于二值图象分割的快速聚类算法。它具有五个特点：①图象扫描过程与聚类过程一体化；②执行速度快；③总的类数动态生成；④节省存储空间；⑤便于后续处理。该方法可应用到目标检测、多目标跟踪和噪声去除等领域。     

聚类算法在基于内容图象检索中的应用研究

提出了将聚类算法用于基于内容图象检索的方法,并且对这些算法进行了研究和实现。实验证明,算法具有可行性和有效性,有利于实现图象的快速检索。     

基于小波特征和模拟退火的遥感图象快速聚类算法

不同遥感对象，光谱曲线的突变点位置差异很大，不同尺度的小波变换可有效提取这些突变特征，在此基础上，用小波特征相关系数描述像素的近似程度，取代一般聚类算法以欧氏距离为基础的聚类概念，聚类结果可准确反映遥感对象内容，基于小波特征抽取和模拟退火的多光谱遥感图象快速聚类算法，通过扩展频段，增加特征点的个数以丰富类的特性，对空间数据进行均匀抽样产生聚类空间，采用模拟退火技术和逐步降低聚类规模的方法，快速实现全局最优的聚类中心，类内评价最优代表作为聚类中心，保证类特性的持续性和强壮性，而且解决了K－means聚类的参数选择问题，最后采用TM多光谱遥感图象进行参数分析和算法比较，验证了该算法分类快速准确，且参数控制灵活，因此基于小波特征抽取和模拟退火的多光谱遥感图象快速聚类算法有较好的应用前景。     

基于知识的图象分割模糊聚类算法

提出了一个针对识别目标的基于知识的图象分割模糊聚类算法。在特征选取时，除了考虑象素点的灰度信息外，还考虑到目标与背景纹理上的差异。     

一种彩色图象的非线性自适应滤波算法

本文提出了一种应用于彩色图象去噪和平滑的非线性自适应滤波算法,该算法应用微分算子确定被处理象素及其领域内的象素点是否为噪声点,在具有视觉统一性的色度空间中对图象进行高斯加权时,不仅去除噪声点的影响,而且应用分类准则,对象素及其领域内的点进行分类,选取同类点参加滤波,该方法有效抑制了噪声点的影响,提高了滤
滤波的视觉效益,实验证明了该算法的有效性。     

一种用于图象检索的聚类方法

设计和实现了一种对多维颜色特征进行聚类算法,对特征库按聚类模式建立索引。矣类方法大大缩短了检索时间。     

基于快速相关矢量量化的图象编码算法

图象编码已经成为当今计算机世界的重要问题,而矢量量化（ＶＱ）又是近年来有损图象压缩的一种重要技术,它的优点是比特率低以及解码简单,但是其穷尽搜索编码计算量较大,为了降低编码时间,已经有多种快速算法出现在一些文献中,然而这些算法往往不能进一步降低比特率,为了解决这一问题,因此提出了一种新颖快速相关矢量量化（ＣＶＱ）图象编码算法,该算法对图象块的编码采用对角顺序,即在编码过程中根据当前图象块（ＣＶＱ）     

基于势函数模糊聚类量化的小波图象压缩

基于小波变换的图象压缩是图象压缩的一项成功技术 ,并且具有越来越重要的作用 ,但基于小波变换的图象压缩算法在比特率较低时出现的边缘模糊现象仍然是一个公认的难题 .为了在一定程度上减少比特率较低时 ,出现的边缘模糊现象 ,提出了一种基于势函数模糊聚类量化的新方法 ,用于对经过小波变换分解后所形成的数字图象高频子带小波系数进行量化 .在量化过程中还考虑了高频子带的小波系数的分布特性和高频子带的小波系数对保存边缘、纹理等信息的重要性程度 ,也利用了模糊集合的特性 .实验证明 ,在低比特率下 ,这种方法能较好地保存图象边缘和纹理等信息 ,从而在一定程度上提高了重构图象的主观质量 .该方法在小波图象压缩的模糊聚类量化领域进行了一定的尝试 .     

一种快速的图象边缘提取算法

本文设计的图象边缘提取算法，具有较高的抗“噪声”能力，运算速度快，提取的边缘线只有一个象元宽。     

多层次快速聚类的遥感图象无损压缩

由于K—means聚类要求每个像素要和所有聚类中心求欧氏距离，因此当聚类数很多时，这是一个相当耗时的工作。改进后的K—means聚类算法使类内像素只通过和相邻的聚类中心进行距离计算来聚类，由于随着算法的迭代进行，大量类的状态基本固定，因此使得聚类速度不断加快。多层次聚类无损压缩就是利用改进的K—means聚类算法具有快速收敛的特点，和利用分层次去冗余的方法来聚类，因此可最大限度消除残差冗余。基于SP整数小波变换的多层次聚类由于其不仅能消除空间冗余、结构冗余，还能进一步对残差数据去冗余，因而实现了多光谱遥感图象无损压缩的突破。最后通过不同算法对TM图象进行压缩的比较和参数分析，论证了多层次聚类无损压缩的高效及合理性。     

基于聚类分析的色彩量化新算法及其应用

针对针织提花,植绒、印染以及金属表面花纹处理等电脑设计中的要求,研究图像重新量化成仅有几种颜色的色彩量化问题,提出一种基于聚类分析的色彩量化新算法,量化图像较好地兼顾了原图像的总体风貌和设计者希望保留的一些特征,该算法计算量小,容易在微电脑中实现,已成功地应用于电脑提花圆机花型ＣＡＤ系统。该算法对一般的色彩量化具有重要意义。     

聚类分析在彩色图像量化中的应用

聚类分析是数据挖掘领域中的一个重要研究方向。它在统计数据分析、模式识别、图像处理等领域有着广泛的应用。迄今为止,人们已经提出了许多用于彩色图像量化的聚类算法。在以往的算法中,由于普遍存在着对初始聚类中心选取的盲目性或极端性,故使重建图像的整体层次与局部细节之间的矛盾未得到较好的解决。该文以SCA犤6犦算法为基础,给出了一种基于最大频度与类内最小距离最大相结合的初始聚类中心优选法———SCAMMD聚类算法。实验表明:该算法能较大幅度地减少图像量化后的均方差以及颜色失真度,量化效果比SCA和其它一些聚类量化算法有显著的提高。     

基于颜色对的色彩量化算法

提出了一种新颖的基于颜色对的色彩量化算法。综合考虑了色彩层次感和关键细节的要求,并且可以根据具体色彩量化任务的要求,对它们的偏重性做出调整,以得到最满意的量化结果。     

结合Gamma修正的色彩量化新算法

色彩量化的最终目的是使得视觉效果上的最化图像与原图像的差别（即失真）最小，量化的应用又对算法效率提出很高的要求，文中提出一种结合Gamma修正的量化算法，速度明显快于中位切分等以往算法，并且量化图像的质量近似于，甚至部分视觉效果优于这些算法，该算法是一种切实有效的图像量化方法，它在计算复杂度和量人结果的精确度上进行了折衷。     

基于快速SLIC的图像超像素算法

针对SLIC(Simple Linear Iterative Clustering)算法在超像素聚类过程中耗时较长的缺陷,提出一种基于快速SLIC的图像超像素算法。该算法首先剔除在颜色空间上与聚类中心相似度较低的像素,从而仅用部分近邻像素更新聚类中心,以确保聚类中心快速达到稳定并阻止误差传播,提高边缘命中率;其次,在初始化网格后,将每个超像素的边缘像素视为不稳定像素,将超像素的非边缘像素视为稳定像素并保持稳定像素的类别不变;最后,通过对不稳定像素进行迭代标记来实现快速超像素图像分割。在MATLAB环境下分别对所提算法与6种对比算法进行测试,在超像素个数相同的情况下,所提算法在BSD500数据集上与经典的SLIC算法相比分割误差率降低5%,分割精度提高0.5%,运行时间减少0.18 s。实验结果表明,与主流的超像素算法相比,所提算法在提升超像素分割质量的同时能够有效降低算法的计算复杂度。     

一个基于链表的快速色彩量化算法

为了提高色彩量化算法的质量和速度,作者考虑在设计调色板的过程中充分利用分裂算法的快速性和聚类算法的准确性,试图改进像素匹配过程,然后在其基础上提出一个新的实时色彩量化算法.该算法将图像中的所有颜色按照其出现次数的大小排列成一个数据结构链表.整个色彩量化过程可视为关于该链表的一系列操作.实验结果表明,该算法能够获得期望的...     

基于色彩量化的自动配色新算法及其应用

针对印染花纹处理在电脑设计中的要求,对于一副真彩色的图样需要量化到仅有几种颜色表示,对色彩量化后的图像进行自动配色,提出了一种配色算法。配色后的图像较好地保留了原图像的轮廓特征,并且计算量较小,适于在微型计算机中实现,并已成功的应用于领带印花CAD系统中。     

改进的快速模糊聚类图像分割算法

模糊C均值(FCM)聚类算法用于图像分割具有简单直观、易于实现的特点,但是存在计算量大、运算速度慢、抗噪能力差等问题,为解决上述问题提出了一种改进的快速FCM算法(FFCM),方法将空间信息融入到标准FCM算法中,将图像从像素空间映射到其厌度直方图特征空间,实现了快速聚类,然后在快速聚类的基础上,充分利用像素的邻域特性,依据最大隶属度原则,划分图像像素的类别归属,对隶属度函数做一定改进.实验结果表明,既能快速有效地分割图像,又具有较好地抗噪能力.