模糊C均值聚类下的医学图像分割探讨

将FCM（模糊c均值聚类算法）应用于医学事业中,能够将图像分割中的模糊现象有效的解决,在将目标函数建立的情况下,将迭代优化方法应用,并将目标函数极小值获得,并在此基础上将最佳聚类确定。目前随着科学技术的发展,大量的改进算法不断出现,文章介绍和对比基于传统、初始值选取、空间邻域信息和核函数的FCM算法,为后期的算法研究明确方向。     

基于模糊C均值图像抗噪分割方法的研究

针对含有噪声且光线不均的医学图像,提出了一种基于模糊C均值聚类的图像分割算法。模糊C均值聚类算法描述简洁、易于实现、分割效果好,在图像分割应用领域得到了快速发展,但也存在着对噪声敏感的问题。考虑到提取的医学图像数据中必定包含噪声,因此通过修改目标模糊函数J(u, v),在引入像素点邻域信息的基础上,对邻域信息加入了惩罚因子。弥补了传统模糊C均值聚类算法的不足,使该方法对含有噪声的医学图像更加有效。实验分析表明了算法的有效性和实用性。     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.     

HSV空间下改进的直觉模糊C均值聚类猪肉图像检测

利用计算机视觉技术对畜肉分级的方法种类繁多,但由于光照因素使前期图像预处理分割目标和背景的工作难度增大.针对传统的最大类间方差法分割图像效果不佳、噪声适应能力不强的问题,以及核磁共振、高光谱成像等无损检测方法大多存在检测仪器体积大、不便于携带、成本高等问题,提出利用色调、饱和度、明度(Hue,Saturation,Va...     

模糊C均值聚类与多相水平集图割优化相结合的图像分割

针对在分割多个目标时多相水平集模型对初始轮廓曲线敏感且计算量大的问题,提出采用模糊C均值聚类算法将图像进行粗分割,初始化多相水平集函数,使用图割算法分割出多相结果的方法.该方法能有效减小多相水平集算法对初始轮廓曲线的敏感性,使图割算法在分割图像时更容易分割出理想的目标轮廓;同时,采用图割算法可使水平集函数很快收敛到能量最小值,有效减少计算量,提高计算效率.实验表明该方法具有较好地分割效果和较高地分割效率.     

基于多特征的模糊c均值聚类的图像分割

图像分割是图像处理中最为基础和重要的领域之一，是对图像进行视觉分析和模式识别的基本前提。本文提出采用像索点在θ方向上的非覆盖均值差分作为像素点的一个重要特征，联合其他常用特征，对图像进行c均值模糊聚类分析。实验结果表明本文提出的方法可以很好的从图像中分割出有意义的区域。     

区域生长和C-均值聚类结合的图像分割方法

结合边缘检测的模糊C-均值聚类图像分割方法,本文提出一种基于区域生长和模糊C-均值聚类相结合的图像分割方法.采用与区域生长类似的方法,寻找图像中封闭边缘围成的相互独立的区域,根据物理就近原则对边缘点进行归类,完成图像的分割.经实验验证:目标区的分割相对完整.     

基于模糊K-均值算法的模糊分类器设计

基于模糊K-均值算法的模糊分类器,就是把目前比较常用的模糊K-均值算法的聚类方法,再一次与模糊分类规则提取相结合而得到的一种分类器。它是一种很有效的模糊分类器,训练样本能正确的分类。在这种方法中,首先用模糊K-均值算法按剖分和覆盖的原则把训练样本分成群,并且每一群的中心和半径都被计算出来。然后,设计一个用模糊规则来表示分类的模糊系统。这样就有效地构建了一个能对训练样本比较准确分类的模糊分类器。用这种方法设计的分类器不需要预定义参数、训练时间较短、方法简单     

基于空间邻域信息的二维模糊聚类图像分割

传统模糊C均值聚类(FCM)算法进行图像分割时仅利用了像素的灰度信息,并且使用对噪声较敏感的欧氏距离作为像素与聚类中心距离度量的标准,因此抗噪性能较差.为了克服传统FCM算法的局限性,本文提出了一种基于空间邻域信息的二维模糊聚类图像分割方法(2DFCM).该方法利用二维直方图描述的像素邻域关系属性,一方面为聚类提供较准确的初始聚类中心,从而避免聚类中的死点问题;另一方面通过提出聚类中心同时在像素值、像素邻域值二维方向上进行更新的思想,建立了包含邻域信息的新的聚类目标函数,实现了图像的分割.实验结果表明,这种方法抗噪能力强、收敛速度快,是一种有效的模糊聚类图像分割方法.     

量子蚁群模糊聚类算法在图像分割中的应用

针对模糊C-均值算法对初始值的依赖,容易陷入局部最优值的缺点,本文提出将量子蚁群算法与FCM聚类算法结合,首先利用量子蚁群算法的全局性和鲁棒性以及快速收敛的优点确定图像的初始聚类中心和聚类个数,再将所得结果作为FCM聚类算法的初始参数,然后用FCM聚类算法对医学图像进行分割。实验结果表明,该方法有效解决了FCM算法对初始参数的依赖,克服了FCM算法及蚁群算法容易陷入局部极值的的缺点,而且在分割速度和精度上得到了较大提高。     

JSEG图像分割算法改进

图像分割是一种重要的和关键的图像分析技术,目的是把图像分成各具特性的区域并提取感兴趣的部分。在基于内容的图像检索中,要对图像特征进行提取,图像分割是其中一个重要的步骤。现在图像分割算法已经有很多,为提高图像检索效率,对JSEG算法进行改进,实验证明该算法有效提高图像检索效率。     

基于自适应均值的图像滤波算法

目的为了提高激光三维成像系统中的图像质量,有效滤除图像中噪声,提出一种自适应均值漂移的图像滤波算法。方法在传统算法基础上对均值漂移滤波算法进行改进,选取领域内像素的均方差为控制参量对带宽矩阵h大小进行自适应调控。根据宽带矩阵h的大小,选择合适的像元值参与到计算均值过程中,以提高结果的计算精度。结果实验结果表明改进后的算法能够有效滤除图像中的噪声,提高图像清晰度。结论该算法具有良好的保边去噪特性。     

改进的模糊阈值图像分割方法

提出了一种自适应的模糊阈值图像分割方法,通过预分割和直方图信息相结合的方法,解决了传统的模糊闽值图像分割法难以自动获取窗宽的困难;并针对模糊闽值图像分割方法不能适用于直方图呈单峰分布的图像的缺陷,提出了一个新的平滑迭代公式。该平滑迭代公式利用像素点的邻域信息使图像增强,再使用自适应的模糊阈值图像分割方法进行分割,可以拓宽模糊阈值图像分割方法的适用范围。实验结果表明,使用该方法的目标分割正确率达97.3％,显示了较高的分割精度和较强的鲁棒性。     

基于模糊C均值聚类算法的金刚石砂轮磨粒边缘检测

基于模糊C均值(FCM)聚类算法将金刚石砂轮表面检测数据划分成金刚石和结合剂两个类别,以数据的质心初始化聚类中心,用迭代的方法分别求出相应的最优聚类中心和隶属度矩阵,通过选取合适的隶属度阈值以及两个聚类中心的欧氏距离阈值来区分金刚石和结合剂,确定磨粒边缘。为验证方法的可行性,对多组数据进行检测,并用模拟的砂轮表面形貌对此方法进行了评定,评定结果与设定值误差不超过2.0%。     

基于MATLAB的图像分割算法分析

作为数字图像处理的关键技术,图像分割在图像分析系统中发挥了不可忽视的作用。随着科学技术的不断进步,有很多不同的算法被应用到图像分割技术中,但是最常用的分析方法包括基于阈值的分割方法、基于区域的分割方法、基于特定理论的分割方法以及基于边缘的分割方法。该文主要利用MATLAB软件对基于边缘的分割算法和基于阈值图像的分割算法进行仿真分析。阈值分割技术的关键在于确定阈值,利用Otsu算法能够自动选取阈值,对图像进行分割;在边缘检测算法中,对4种算子(Roberts、Sobel、Prewitt和LOG)的分割结果进行图像分析可以得出,LOG检测算子得出的边缘检测结果最好。     

基于免疫密母算法的图像分割

密母算法具有全局和局部搜索能力,但其具有对参数敏感、个体学习计算复杂度高的缺点.为了克服密母算法的缺点,本文提出了基于免疫密母算法的图像分割(IMAIS)方法.该方法对图像分割时采用了两个种群,并分别用密母算子和免疫克隆算子对这两个种群同时进化,加快种群收敛速度.实验结果表明了本方法的可行性和有效性.     

基于模糊C均值聚类的岩屑荧光彩色空间分类的应用研究

岩屑荧光录井是油气勘探过程中重要的工作之一,为了实现该工作的自动化,本文以模糊C均值聚类(FCM)理论为基础,选用目前运用广泛的HSI颜色系统,针对荧光录井过程中生成的岩屑荧光数字图像提出了三维空间的颜色分类方案。该方案首先将图像从RGB色彩空间转换成HSI空间,并根据人眼视觉特点调整HSI各分量取值范围,同时通过提取不重复HSI颜色空间点阵的方法,提高聚类速度和聚类效果,解决超高清图像聚类速度慢的问题。最后通过人工油性判断和自动聚类分析指明不同荧光颜色(聚类中心)所代表的油性和含油比例,通过实验证明该方法能够满足生产过程中荧光图像自动识别分析的需要。     

图像的模糊边缘检测算法

常用的微分边缘检测算法往往无法设立合适的阈值将影像中梯度较小的模糊边缘检测出来.针对这一点,疚奶岢隽肆街纸饩龅姆椒?将图像方差标准化,拉大模糊边缘处的梯度值,或者通过设置sigmoid函数,将像素点所在区域的信息传递到梯度值中去,对梯度值进行调整,这样就能够设定合适的阈值,有效地将模糊边缘提取出来.本文将这两种算法和常用的一些微分边缘检测算法比如Sobel、LOG算法进行了比较.试验表明,这两种方法都能够有效地提取出模糊边缘.     

边界噪声检测耦合差分曲率驱动的脉冲噪声图像降噪

目的提出边界识别噪声检测耦合差分曲率驱动扩散模型的脉冲噪声图像降噪算法,用于高密度(≥50%)脉冲噪声的消除。方法基于传统边界识别噪声检测BDND,定义噪声像素分类规则,设计新的边界识别噪声检测M-BDND机制;定位噪声边界,精确识别噪声像素点,形成噪声区域与完好区域;利用噪声像素点的周边信息形成掩码,对其进行修复,有效填补噪声像素点,而在完好区域只将像素点进行复制;构造了差分曲率驱动扩散模型控制噪声像素区域的扩散过程,完成图像复原,并对该模型进行了数值分析。结果与当前图像降噪技术相比,对于等密度随机值脉冲噪声而言,提出算法的误检率与虚警率更低;在噪声密度高达90%时,仍然具有可接受的降噪效果,能够更好地保留原图的边缘与细节特征,且复原图像的一维行距像更好,与真实图像的吻合程度高。结论该算法可用于高密度脉冲噪声的图像降噪处理。     

结合深度图像和最佳分割阈值迭代的自遮挡检测算法

针对视觉任务中普遍存在的自遮挡现象和目前视觉系统尚无明确的自遮挡检测算法的现状,提出了一种结合视觉目标深度图像和最佳分割阈值迭代的自遮挡检测算法。在分析图像阈值分割技术的基础上,将分割阈值迭代法的思想引入深度图像领域,并结合使用视觉目标对应的深度差值图像信息,通过求取合适的阈值实现了对自遮挡现象的检测。实验结果表明,该方法能够有效地检测出视觉目标中存在的自遮挡现象并定位自遮挡边界,弥补了目前自遮挡检测领域研究的不足。