基于二维直方图的中智模糊聚类分割方法

加入邻域像素均值,对中智模糊聚类分割算法加以改进,以提高其抗噪性能。将各像素与其邻域像素均值相结合,形成二元数组,统计其出现的频次,由此构造二维直方图。通过对此二维直方图进行中智模糊聚类,实现图像分割。对标准灰度图像添加椒盐噪声和高斯噪声,用以验证改进算法的性能。视觉效果及分割图像的峰值信噪比均显示,改进算法相比原中智模糊聚类分割法具有更好的抗噪能力和分割效果。     

双边加权直方图模糊C-均值聚类分割算法

针对小目标图像分割的问题,提出一种双边加权直方图模糊C-均值聚类分割算法。该算法将样本信息和几何结构信息作为权值,对传统模糊C-均值聚类分割算法进行双边加权。并对加权聚类分割目标函数进行最优化推导,获得迭代求解的隶属度、聚类中心和聚类几何信息权表达式。对比实验表明,该分割算法能得到较好的分割效果。     

一种适合于SAR海面溢油图像的分割方法

提出了一种改进的模糊c均值聚类图像分割算法,利用直方图作为模糊c均值算法的初始值,克服了该算法对初始值敏感性的问题,并以ENVISAT ASAR和ERS SAR两种不同类型的溢油图像为例进行分析,实验结果表明,该方法是一种计算效率适中的SAR溢油图像分割算法.     

改进的模糊C-均值算法在图像分割中的应用

针对传统的模糊C-均值算法在图像分割中存在的缺陷,提出了一种基于点密度函数加权的模糊C-均值聚类算法。将图像像素的点密度函数作为权值,并依据类间相关度定义了一个聚类有效性函数用以确定最佳聚类数,结合聚类有效性完成对图像的分割。理论分析和对比试验表明,该算法在一定程度上克服了模糊均值算法的缺陷,在图像分割中具有良好的分类精度。     

改进的FCM聚类医学超声图像分割算法

为解决模糊C均值聚类算法在进行医学超声图像分割时聚类数目及初始聚类中心选取的问题,提出一种改进的模糊C均值聚类医学超声图像分割算法。算法根据医学超声图像的特点,首先将医学超声图像变换到灰度特征空间,然后根据医学超声图像的直方图特征峰值数目设置聚类数目,并将特征峰值设为聚类中心。最后,在灰度特征空间对医学超声图像进行病灶区域分割。仿真实验结果表明,算法能够准确、快速地分割出医学超声图像中的病灶区域。     

基于显著性检测的极光弧分割算法

针对全天空极光图像低对比度、边缘模糊的特点,提出一种基于显著性检测的极光弧分割算法。通过直方图统计全天空极光图像视野内的灰度信息,计算出视野内像素间的欧氏距离,以凸显极光弧区域,并生成极光弧显著图,再利用模糊C均值聚类分割算法对显著图进行分割,得到极光弧分割结果。采用中国北极黄河站观测的2000余张极光弧图像进行实验,视觉效果及利用分割图计算极光弧倾斜角与人工标注的对比结果均表明,与基于显著性的分割算法与最大类间方差法、模糊C均值聚类法、局部模糊C均值聚类法等分割算法相比较,具有较好的抗噪声性能和分割结果。     

光伏阵列多故障状态的红外图像分割

针对多故障状态下红外图像分割出现多阈值的情况和太阳能光伏阵列的红外图像特点,讨论了基于混合遗传算法的二维多阈值模糊聚类方案.首先采用遗传算法解决模糊C-均值算法的聚类数与聚类中心问题,然后用模糊C-均值算法进行聚类.实验结果令人满意.     

基于蚁群及空间邻域信息的FCM图像分割方法

针对模糊C均值(FCM)聚类算法聚类个数难以确定、搜索过程易陷入局部最优的缺陷,把蚁群算法与改进的FCM聚类算法相结合,提出了一种基于蚁群算法的带有空间邻域信息的模糊C均值聚类图像分割算法.首先利用分水岭算法对图像进行初始分割,然后利用蚁群算法寻优,求得聚类中心和聚类个数,将其作为模糊C均值聚类的初始聚类中心和聚类个数进行模糊聚类.实验结果表明:由于聚类样本数量显著减少,很大程度上提高了聚类速度和抗噪能力,增强了算法的鲁棒性.     

基于遗传模糊C-均值聚类算法的图像分割

将遗传算法（GA）与模糊C－均值聚类算法（FCM算法）相结合，并运用于图像分割，以期解决标准FCM算法在图像分割中运算速度慢和对初始值依赖大的两大缺陷。首先对模糊聚类中心进行编码，然后依据FCM算法的目标函数建立适应度函数，在适当的交叉率和变异率下，最终实现了基于遗传模糊C－均值算法的图像分割。考虑在一维图像分割特征向量情况下，通过引入直方图统计特性，实现了遗传模糊C－均值算法的快速运算，最后，运用真实的磨粒图像对算法进行了详细验证，并与标准FCM算法进行了对比，分割实验表明了本方法比标准FCM算法具有更快的计算速度和更好的鲁棒性。     

改进的核空间直觉模糊C-均值聚类分割算法

针对鲁棒模糊局部信息C-均值聚类分割算法易丢失图像细节的问题,提出一种改进的核空间直觉模糊C-均值聚类算法。将像素空间邻域信息和直觉指数引入到鲁棒模糊局部信息C-均值聚类目标函数,给出改进的像素空间邻域信息约束的聚类目标函数,对其聚类目标函数最优化推导并得到新的隶属度和聚类中心迭代表达式,并设计相应的图像分割算法,以便提高图像局部信息的有效分割能力。实验结果表明,改进的核空间直觉模糊聚类分割算法相比现有鲁棒模糊局部信息C-均值聚类分割算法能获得更好的分割效果。     

Biomedical Image Processing Using FCM Algorithm Based on the Wavelet Transform

An effective processing method for biomedical images and the Fuzzy C-mean ( FCM ) algorithm based on the wavelet transform are investigated. By using hierarchical wavelet decomposition, an original image could be decomposed into one lower image and several detail images. The segmentation started at the lowest resolution with the FCM clustering algorithm and the texture feature extracted from various sub-bands. With the improvement of the FCM algorithm, FCM alternation freqneney was decreased and the accuracy of segmentation was advanced .     

New two-dimensional fuzzy C-means clustering algorithm for image segmentation

To solve the problem of poor anti-noise performance of the traditional fuzzy C-means （FCM） algorithm in image segmentation, a novel two-dimensional FCM clustering algorithm for image segmentation was proposed. In this method, the image segmentation was converted into an optimization problem. The fitness function containing neighbor information was set up based on the gray information and the neighbor relations between the pixels described by the improved two-dimensional histogram. By making use of the global searching ability of the predator-prey particle swarm optimization, the optimal cluster center could be obtained by iterative optimization, and the image segmentation could be accomplished. The simulation results show that the segmentation accuracy ratio of the proposed method is above 99%. The proposed algorithm has strong anti-noise capability, high clustering accuracy and good segment effect, indicating that it is an effective algorithm for image segmentation.     

一种基于二维直方图的图像分割改进算法

针对基于二维直方图阈值斜分分割算法中斜分区域不定的问题,提出了一种新的二维直方图区域斜分方法,仅通过两条平行线将直方图分成内点区和噪声点区,然后根据图像自身的直方图自适应地确定斜分区域宽度,通过坐标变换,使得待处罂区域减少为原来的3％左右,大大减少了无用计算量,提高了运算速度,并且不影响分割精度。经过和其他算法比较表明,该算法有明显的优越性,可以运用于基于二维直方图的阁值分割中。     

基于加权样本的FCM快速算法研究

为改进FCM算法在处理大样本集聚类时速度慢、耗时多的缺点,根据样本在特征空间中的特征值分布情况,引入等价样本和样本加权概念,在此基础上提出了FCM（Fuzzy C-Means）的快速算法一般形式：WFCM（Weighted Fuzzy C-Means）算法.理论上证明了WFCM算法和FCM算法对样本集分割的等价性,并且,WFCM在运算性能方面明显优于FCM算法.而两个算法在灰度图像分割上的例子验证了WFCM算法的快速性和有效性.     

基于改进模糊聚类分析的医学脑部MRI图像分割

结合MRI图像的直方图统计信息,提出了一种改进的快速FCM(HF-KFCM)算法。算法首先利用多尺度窗口遍历的方法找到直方图的峰值点,然后将其作为模糊聚类的初始化中心,并使用基于统计信息的快速聚类方法进行遍历,以减少每次迭代的运算量。仿真结果表明,该算法相比于标准FCM算法和其他改进算法,在聚类有效性和模糊性上的分割效果显著提高。     

改进的基于邻域隶属度约束的FCM图像分割算法

传统模糊C均值（FCM：FuzzyC—Means）聚类算法应用于图像分割时,因对噪声较敏感而达不到理想的分割效果。为此,提出了改进的基于邻域隶属度约束的FCM图像分割算法。该算法通过对FCM目标函数添加空间邻域信息约束隶属度函数,提高对图像噪声的鲁棒性,使分割的结果更加符合期望。实验结果表明,该算法对噪声具有较强的抑制能力,图像分割时能获得较好的分割效果。     

彩色图像分割在视频跟踪系统中的应用研究

在视频跟踪系统中,图像分割是进行跟踪的前期处理。只有在视频序列图像中有效的分割出运动目标,才能实现后续对目标的准确跟踪。提出一种混合算法,将一种基于灰度直方图的阈值化分割算法应用到了HSI颜色空间上,利用H进行阈值化,在阈值化之前,先根据R、G、B值对像素进行了筛选;文章应用董立菊等人提出的-种基于RGB空间的K均值聚类算法、一种基于灰度直方图的阈值化算法和混合算法,以目标颜色为特征,对彩色图像进行了分割;针对特定的视频跟踪系统,对各结果进行了比较,得出了结论,找出了较优算法——混合算法效果较理想,能够较有效的分割目标,为后续跟踪工作做好了前期处理工作。     

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法．用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象．新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重．实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性．     

模糊C-均值聚类图像分割算法的一种改进

针对传统模糊C-均值聚类算法对含噪图像分割时未充分考虑空间信息的问题,提出一种改进的模糊C-均值聚类算法,将图像的局部和非局部两种空间信息引入到模糊C-均值聚类算法的目标函数中,以使两种空间信息在含噪图像分割中发挥互补作用。将改进算法应用于不同含噪图像的分割实验,结果表明图像像素的均方误差均比改进前有所降低。