快速模糊C均值聚类的图像分割方法

模糊C均值(FCM)聚类算法广泛应用于图像的自动分割,但标准的FCM算法存在计算量大,运算速度慢等问题。对FCM算法进行改进,提出了一种快速FCM图像分割算法(FFCM),该算法将图像从像素空间映射到其灰度直方图特征空间,并在此基础上,充分利用像素的邻域特性,对隶属度函数做一定改进,实验结果表明该算法能快速有效地分割图像,并具有较好的抗噪能力。     

P-tile与直方图模糊C-均值聚类相结合的路面图像阈值分割

路面图像裂缝自动检测技术是公路养护技术的重要方向,路面图像的分割是路面图像处理的关键步骤。由于噪声等干扰因素的影响,使得利用传统的模糊C_均值聚类（F（M） 算法进行路面图像分割得不到满意的结果。本文采用Ptile算法和直方图模糊C-均值聚类算法对路面图像进行分割,一方面克服了传统FCM运算量大、计算速度慢的缺点,另一 一方面减少分割算法分析的范围,增强了分割的效果。实验证明,本文算法能较好地分割出路面图像的裂缝。     

李群模糊C均值聚类图像分割算法

模糊C均值(FCM)聚类算法凭借其学习成本低、算法开销少的特点,已经成为常用的图像分割技术之一.然而,传统FCM算法存在对图像中噪声敏感的问题.近年来,各种对传统FCM算法的改进虽然提高了算法的噪声鲁棒性,但是往往以损失图像上的细节为代价.提出一种基于李群理论的改进FCM算法并将其应用于图像分割中.所提算法针对图像的所有像素构建矩阵李群特征,用以归纳每个像素的底层图像特征以及与其邻域窗口内其他像素的关系,从而将传统FCM算法聚类分析中求取像素点之间的欧氏距离转变为在李群流形上求取像素点李群特征之间的测地线距离.针对在李群流形上更新聚类中心和模糊隶属度矩阵的问题,所提算法使用一种自适应模糊加权的目标函数,提高算法的泛化性和稳定性.通过在3组医学图像上与传统FCM算法以及几种经典改进算法的实验对比验证了所提方法的有效性.     

鲁棒空间约束的模糊聚类图像分割

目的 为进一步提高分割精度,在模糊聚类的基础上引入统计信息,提出一种鲁棒型空间约束的模糊聚类分割算法。方法 基于局部空间信息的先验概率与后验概率,提出一种新型空间约束项,并通过卷积操作提高运行效率;进而引入负对数联合概率作为测度函数,进一步提高算法对于各像素点所属类别的甄别能力;同时将测度函数与空间约束项整合至目标函数中,通过迭代更新各参数达到最小化目标函数的目的。结果 对于合成图像的实验结果表明,本文算法对于噪声类型和噪声强度具有较强的鲁棒性;对于彩色图像的实验结果表明,在适当的特征描述符的辅助下,本文算法也能够获得令人满意的分割结果和较高的分割精度。结论 本文算法克服了现有算法的缺陷,进一步提升了图像的分割精度。其适用于分割带噪声图像,且在适当纹理特征的辅助下分割彩色图像,与同类算法的比较实验结果验证了本文算法的有效性。     

基于模糊C均值聚类的多分量彩色图像分割算法

以模糊C均值(FCM)聚类理论为基础,选用符合人眼视觉特性的HSI颜色空间,提出了一种新的多分量彩色图像分割算法。该算法首先结合数据分布特点确定出H分量与I分量的初始聚类中心;然后利用FCM聚类技术对H分量、I分量进行分类处理,以得到不同分量的像素点隶属度;最后,将所得到的不同分量像素点隶属度组织成2维特征,并以此进行模糊聚类图像分割。实验结果表明,该算法可有效提高图像分割效果,其分割结果优于传统FCM聚类图像分割方案。     

改进的模糊C均值聚类的图像分割算法

传统FCM算法仅考虑了图像像素的灰度信息,因此在分割含噪图像时效果较差。为了克服传统FCM算法的局限性,提出一种基于空间邻域信息的二维模糊聚类算法,该算法利用图像像素灰度和邻域灰度组成的二维直方图中对角线元素受噪声影响较小,反映图像中相对稳定的信息,且运算只与图像的灰度级数目有关的特征,实现噪声图像的分割。实验结果表明,该算法在分割含噪图像时,不仅提高了传统FCM算法的分割效果,且分割速度明显加快。     

基于改进模糊聚类算法鲁棒的图像分割

对噪声图像提出了一种改进的模糊聚类分割算法。因为模糊C均值聚类(FCM)算法具有对噪声数据敏感的缺点,该算法通过提升意义更趋明晰的模糊隶属度来改变模糊聚类中的目标函数,即通过在标准的FCM算法中使用到类的Voronoi cell的距离来取代到类的原型的欧氏距离,从而增强了聚类结果的鲁棒性。实验结果表明,改进的算法较之于FCM对于噪声图像的分割有更好的鲁棒性。     

新的鲁棒模糊C-均值聚类分割算法及其应用

针对Krinidis和公茂果等提出的系列鲁棒模糊局部C-均值聚类算法存在聚类中心迭代公式缺乏严格数学理论基础的不足,于是将其聚类目标函数及其约束条件采用拉格朗日乘子法进行严格数学推导,从而获得最优解逼近的隶属度和聚类中心迭代表达式,并通过多次循环迭代实现图像聚类分割。实验结果表明,本文所建议的鲁棒模糊局部C-均值聚类分割算法是有效的,相比现有鲁棒模糊局部C-均值聚类分割算法更适合复杂遥感等图像的分割需要。     

Mean shift 模糊C 均值聚类图像分割算法

针对传统模糊C均值(FCM)聚类算法对结构复杂图像分割效果不理想且算法执行效率较低的缺陷,提出一种融合均值平移(mean shift)的FCM聚类算法.利用mean shift算法将图像分成若干同质区域,将此区域视为新的节点;通过图像局部信息熵描述新节点的空间和灰度特征;采用能较好模拟人眼非线性视觉响应的指数函数进行相似性测度.实验结果表明,对于复杂背景图像和含噪声图像,所提出的算法在目标提取效果和执行效率上具有较强的鲁棒性.     

自适应灰度加权的鲁棒模糊C均值图像分割

针对传统模糊C均值(fuzzy C-means,FCM)算法以及结合空间信息的相关改进算法分割精度较低、对噪声敏感的问题,提出一种自适应灰度加权的鲁棒模糊C均值图像分割算法。首先,通过定义像素间的局部灰度相似性测度来反映各像素对局部邻域的影响程度,并根据邻域窗口中各像素的灰度差异,利用指数函数进一步控制邻域像素的影响权重,实现像素灰度的自适应加权,从而提高像素灰度计算的准确性。其次,构造出一种改进的距离测度代替传统的欧氏距离,用于计算各像素与聚类中心之间的相似距离,增强算法对噪声和异常值的鲁棒性。最后,将提出的自适应灰度加权方法与改进的距离测度应用到FCM算法中,实现图像分割。实验结果表明,该算法需根据图像噪声的强度适当地选取邻域窗口大小,在此条件下算法能够取得较优的分割效果和运行效率,且对噪声具有较强的鲁棒性。     

边缘信息引导的阈值图像分割算法

针对照度不均匀的图像提出了一种基于边缘信息构造阈值图像的分割算法。该算法着眼图像上目标、背景及照度在空间分布的连续性,利用边缘处梯度大、阈值容易确定的特点,以其边缘邻域中的极大值和极小值的均值作为该边缘处的阈值,然后以稀疏的边缘阈值为控制点,通过曲面拟合得到全图分布的阈值图像再对图像进行分割。该算法分割效果好,边缘吻合度高于其他典型算法,且抗模糊能力强,有利于平滑去噪,克服了基于边缘方法易受噪声影响的弱点。     

小波变换在图像照度不均校正中的应用

数字图像中照度不均匀影响了图像分割的质量,本文研究图像照度不均匀的校正。讨论几种现有数字图像照度不均匀的校正技术,分析这些方法在计算误差上面的原因及缺点,在此基础上提出基于小波变换的数字图像照度不均匀校正技术。小波变换兼顾了空域和频域,对光照不均匀数字图像做校正,这对后期图像分割非常重要。图像对比实验表明,该方法与其他方法相比较,具有速度快,所得图像区分度高、背景噪声小的特点。     

基于目标区域的语义图像检索

提出了一种基于高层语义的图像检索方法,该方法首先将图像分割成区域,提取每个区域的颜色、形状、位置特征,然后使用这些特征对图像对象进行聚类,得到每幅图像的语义特征向量;采用模糊C均值算法对图像进行聚类,在图像检索时,查询图像和聚类中心比较,然后在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,缩小低层特征和高层语义之间的“语义鸿沟”。     

基于互信息量的图像分割

图像分割是图像信息处理的热点和难点之一,常用的分割方法有阈值法和聚类法等．模糊C均值（FCM）算法因其实现简单、结果较优而得到广泛应用,但FCM算法存在过分依赖初值、收敛于局部极值和需预先给定分类类数等问题．研究者们对此进行了大量研究和改进,但均无法彻底解决上述问题,基于模拟退火算法和互信息量,以最大互信息量为优化目标,文中提出了一种新的分类类数判据一互信息熵差,并在此基础上构造了一种新的阈值分割算法——最大互信息量分割算法（MMS）,实验结果表明,MMS克服了FCM算法的上述不足．更为重要的是,作为一种一般性的分类算法,MMS算法如同FCM一样,可以应用到图像分割以外的更广阔的领域,如经济学、运筹学、模式识别等．     

基于动态范围扩展的海底视频图像增强算法

水下视频成像是海洋探测的关键技术,但是海底的特殊环境造成海底图像存在细节模糊、光照不均等问题。为此提出一种基于动态范围扩展的海底视频图像增强算法,该算法可以同时处理因光照不均而引起的图像曝光过度和曝光不足现象。首先,构造映射函数判断图像曝光过度和曝光不足的区域;然后,计算图像的动态范围,利用图像的“闲置空间”对图像曝光过度和曝光不足区域同时进行动态扩展;最后将图像转换到YCbCr空间对扩展后的图像进行亮度通道的直方图均衡化。实验结果表明,和已有算法比较,新算法既可以避免传统的直方图均衡化产生的图像过增强,提高了图像的清晰度,又可以修复图像因光照不均丢失的像素信息,显著改善图像细节。     

自适应加权空间信息的FCM医学图像分割

提出了改进的mFCM算法,该算法引入自适应加权系数控制邻域像素对中心像素的影响程度,充分利用像素的邻域特性对Chen聚类算法的目标函数进行改进。为了实现快速聚类,该算法的开始使用快速FCM确定初始聚类中心。实验结果表明,相对于标准FCM和FCM_S1算法,改进算法既能快速有效地分割图像,又能提高对噪声的鲁棒性。     

文本图像的去噪算法应用研究

针对在通过拍照采集图像的过程中由于光照不均而造成的文本图像的噪声问题,研究了文本图像区别于一般图像的结构特征和噪声特征,提出了一种基于文本图像的投影结合分块形态学的快速去噪方法.该方法对输入的文本图像进行二值化,对二值化后的文本图像进行投影处理,根据对投影结果进行分析来快速去除行列间噪声,根据行列间噪声的多少产生一个阈值,通过这个阈值来确定分块后的图像是否需要字符内去噪,字符内去噪则采用形态学滤波法.实验结果证明,该方法对于正常情况下光照不均的文本图像的去噪较传统的全局去噪算法的效率更高,效果更好.     

基于自适应初始值的FCM聚类图像分割

FCM聚类算法对初始值敏感,不良的初始值会导致算法的收敛速度过慢和收敛到局部极值。将FEM算法用于图像分割处理时,初始值的选择是一个难点。文中提出了一种使用自适应初始值的FCM聚类图像分割算法,该方法利用图像的直方图特性建立候选聚类中心集,通过初始化准则函数检验候选集得到合适的聚类中心和聚类数目,并根据最大隶属度原则分割图像,得到了较好的分割效果。理论分析和实验表明文中方法收敛速度快,分割准确,自适应性很强。