动态阈值结合全局阈值对图像进行分割

首先讨论了图像阈值分割的两种方法：全避阈值图像分割和动态阈值图像分割。当背景的灰度值可看作恒定时，使用全局阈值一般会有较好的效果；在许多情况下,背景的灰度值并不是常数，物体和背景的对比度也有变化，我们可将一个随图像位置缓慢变化的函数设为值，即采用动态阈值，但由于我们要对 图像分块，简单的动态阈值分割所得的图像通常包含人为的边界和阴影，为改善图像分割效果，本文提出了把全局阈值和动态阈值结合起来对图像进行分割的一种新的图像阈值分割方法。实验表明，该方法比单独采用全局阈值或动态阈值方法性能优越。     

结合空间信息的模糊C均值聚类的图像分割算法

针对传统的模糊C均值聚类算法未考虑图像的空间信息,对噪声图像分割不理想,提出了一种结合空间信息的模糊C均值聚类的图像分割算法。此算法充分考虑像素的邻域特性,对隶属度函数做一定的修改,并将局部信息和非局部信息引入到数据和聚类中心的相异性测度中。实验结果表明,该算法能有效地分割图像,并具有较好的抗噪能力。     

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。     

基于目标的图像分割技术研究

根据遥感和航空照片特点提出的将快速二维阈值化与模糊聚类相结合的图像分割算法，是一种基于目标的图像分割新技术。实验结果表明，该算法在执行时间、分割效果及适用范围等方面均有较佳表现。     

基于改进Mumfold-Shah模型的图像分割算法

针对传统图像分割方法中由于边缘模糊难以取得理想分割效果的问题,提出了一种基于改进Mumfold-Shah模型的图像分割算法.结合模糊C均值聚类算法对Mumfold-Shah模型进行改进,以提高图像的分割速度和分割的鲁棒性.实验结果表明:该算法具有可行性和有效性.     

一种改进的快速FCM图像分割算法

FCM算法对图像的模糊特征具有较强的鲁棒性,在图像分割方面得到了广泛应用。但FCM算法采用随机初始化聚类中心的方法,使算法在迭代次数上有一定的不确定性。为提高FCM算法的运算效率,提出一种基于确定初始聚类中心的快速FCM图像分割算法。用最大类间方差法多次划分图像的灰度区间,根据区间中像素点的灰度值来初始化聚类中心,以使其尽可能的接近最终分割的聚类中心,减少算法的迭代次数。实验结果表明,与传统的FCM算法相比较,改进后的算法可以通过较少的迭代次数及运算时间分割图像。且该算法可以应用于诸多采取随机初始化聚类中心的FCM相关的算法中,以提高算法的运算效率。     

基于ACS-FCM算法的图像分割研究

对蚁群算法、模糊C均值聚类(FCM)算法进行了探讨,并在FCM图像分割算法的基础上,提出了一种改进的ACS-FCM算法,结合边缘检测技术应用于图像分割.实验结果表明,与其他几种分割算法相比,该方法具有更好的可靠性与有效性,能取得更理想的分割效果.     

基于粗集与FCM的快速图像分割的改进方法

借鉴神经网络里面竞争学习的思路,通过引入一个抑制因子,来提高最大隶属度的值,对应减小其它隶属度的值,以便达到更快的分类速度,同时实现既突出主要因素,又抑制次要因素的目的。提出了基于粗集与FCM的快速图像分割的改进方法。实验结果表明,该快速图像分割方法,对于被噪声污染的图像有较好的分割性能,粗集理论在处理不确定性信息方面有着独特的方式和相关信息提取能力,以及和其他智能方法的易融合性,使得粗糙集理论在图像处理领域有良好的应用前景。     

一种基于改进PSO和FCM的图像分割算法

在模糊C-均值聚类算法的基础上,提出了基于改进粒子群和模糊C-均值聚类的混合图像分割算法.该算法利用改进粒子群算法优化模糊C-均值的目标函数,同时引入聚类有效性指标,通过迭代更新搜索到合理的分割类别数和聚类中心实现自动确定图像分割最佳类别数,并根据最佳类别数确定最优聚类中心的选取,最终实现图像的自适应分割.实验结果表明...     

基于空间信息及隶属度约束的FCM图像分割算法

针对传统的模糊C均值(FCM)算法在图像分割方面存在的缺点,提出一种基于空间信息及隶属度约束的FCM图像分割算法.该算法在传统FCM算法的目标函数中引入图像空间信息及对隶属度的约束,使得到的聚类中心更加合理,并且增强了算法对噪音的鲁棒性.实验结果表明,本算法可以有效地提高图像分割的质量.     

双集合FCM和改进Otsu算法的灰度图像阈值分割

针对FCM算法和Otsu算法的不足,根据灰度图像的特点,提出了基于双集合FCM和改进Otsu算法的阈值分割算法,该算法从两个方面对FCM算法和Otsu算法进行改进．第一、采用双集合的方法,减小FCM算法和Otsu算法的时间复杂度;第二、适当移动分割阈值提高Otsu算法的分割效果．从数学分析和实验可知,文中算法的时间花费和分割效果均优于FCM算法和Otsu算法．     

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。     

基于遗传算法的图像分割阈值选取

图像分割是模式识别和图像分析的预处理阶段,通常采用聚类的方法进行.图像分割技术被认为是计算机视觉中的一个瓶颈.基于扩展的Otsu最优阈值图像分割方法,提出了一种用遗传算法进行图像分割的方法,并给出了遗传算法中基本参数的设定.实验结果表明,基于图像的像素方差信息,利用遗传算法全局搜索图像的双阈值,这样不但图像分割效果好,而且缩短了计算时间,并具有遗传算法鲁棒性和自适应的特点,比传统的Otsu方法有明显的优点.在遗传算法中引入了优生算子、变异算子和新个体,避免了局部早熟,提高了收敛速度和全局收敛能力.GA作为一种并行算法,提高速度的潜力十分巨大.     

基于遗传算法的三维重构图像阈值分割

图像阈值分割是三维重构中图像处理的一个重要内容最佳熵阈值的图像分割具有很多优点,但同时也需要大量的运算时间,从而限制了其实际应用．将遗传算法应用于最佳熵阈值的确定中,提出一种新的图像阈值分割方法,以灰度图像的直方图熵作为评价标准,把图像阈值分割问题定义为一个优化问题．利用遗传算法寻优的高效性,搜索到能使分割质量达到最优的分割参数——图像分割阈值．实验结果表明,采用遗传算法不仅可以实现正确的图像分割．而且使得分割速度大大提高．     

生物细胞图像阈值分割方法研究

阈值法是最基本的图像分割方法之一,被应用于很多领域,特别是在图像相对简单的生物图像处理方面得到了广泛使用。介绍了运用计算机对生物细胞图像进行处理和分析,能在一定程度上协助医生对病症的诊断。     

生物细胞图像阈值分割方法研究

阈值法是最基本的图像分割方法之一，被应用于很多领域，特别是在图像相对简单的生物图像处理方面得到了广泛使用。介绍了运用计算机对生物细胞图像进行处理和分析，能在一定程度上协助医生对病症的诊断。     

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.