基于改进的模糊C均值聚类图像分割新算法

模糊C均值（FCM）聚类算法广泛用于图像的自动分割,但是传统的FCM算法没有考虑像素的空间信息,因而对噪声十分敏感。为了克服上述问题,提出了一种新的基于改进的FCM图像分割算法。该方法将空间的信息融入到标准的FCM算法中,通过引入表征邻域像素对中心像素作用的先验概率来重新确定当前像素的模糊隶属度值,该概率在算法执行过程中根据模糊隶属度值自动地予以确定。算法中使用基于统计直方图的快速FCM算法进行初始化,收敛速度大大提高。人造图像和实际图像的实验结果表明该方法的有效性和对噪声具有较强的鲁棒性。     

结合Voronoi划分HMRF模型的模糊ISODATA图像分割

为了解决传统模糊聚类图像分割方法对噪声敏感及无法自动准确确定聚类数的问题,提出结合Voronoi划分HMRF模型的模糊ISODATA图像分割方法。利用Voronoi划分将图像域划分为若干子区域,以划分子区域为基本单元定义基于隐马尔科夫随机场(HMRF)模型的模糊聚类目标函数,以解决噪声敏感问题;通过迭代自组织数据分析技术算法(ISODATA)中聚类分裂、合并技术改变聚类数,以实现聚类数的自动确定。对模拟、合成图像和真实图像分割结果的定性和定量分析表明:提出算法不仅可以有效克服噪声和像素异常值对分割结果的影响,而且还能自动准确确定聚类数,实现高精度的自动变类图像分割。      

基于局部模糊熵与Otsu的图像阈值分割

传统的图像阈值分割方法对噪声和灰度不均匀敏感,且阈值的确定主要依赖于灰度直方图,未考虑图像中像素的空间信息。通过对含噪声图像像素属性的深入分析,提出了一种基于局部模糊熵和Otsu的图像阈值分割方法。局部模糊熵的滤波作用提高了算法的抗噪性,Otsu的自动阈值选取则提高了算法的可靠性。实验结果表明,该方法能自动、有效地选取阈值,分割效果优于传统的阈值分割方法。     

基于区间二型模糊神经网络的高分辨率遥感影像分割方法

高分辨率遥感影像同质区域地物目标异质性增大,光谱测度空间复杂性增加使像素类属的不确定性以及分割决策不确定性增大,引起分割精度下降。提出一种基于区间二型模糊神经网络的高分辨率遥感影像监督分割方法。对同质区域构建一型高斯隶属函数模型刻画像素类属的不确定性;模糊化高斯隶属函数参数构建区间二型模糊模型处理分割决策的不确定性;以训练样本在所有类别中的一型模糊隶属度及上、下隶属度为输入,建立模糊神经网络模型并融入像素邻域关系作为模糊决策。采用文中算法、FCM方法、HMRF-FCM及区间二型模糊神经网络方法分别对合成影像及真实高分辨遥感影像进行分割,定性与定量的对比分析验证了文中算法具有更高的分割精度。      

利用RJMCMC算法的可变类SAR图像分割

自动确定地物类别数是SAR图像分割方法研究的重点和难点问题,为此,提出一种自动确定类别数的SAR图像分割算法。首先假定SAR图像中各像素强度服从同一独立的Gamma分布并以此建立图像模型;根据贝叶斯定理构建刻画图像分割的后验概率模型;设计RJMCMC（Reversible Jump Markov Chain Monte Carlo）算法模拟该后验概率模型,以确定图像类别数并同时完成区域分割。在提出的RJMCMC算法中,设计的移动操作类型包括:分裂或合并实类、改变参数矢量、改变标号及生成或删除空类。为了验证提出的可变类分割算法,分别对真实及模拟SAR图像进行可变类分割实验,定性及定量精度评价结果表明该算法的可行性及有效性。      

抑制式非局部空间直觉模糊C-均值图像分割算法

针对传统的模糊C-均值(FCM)算法没有考虑图像像素的空间邻域信息,对噪声敏感,算法收敛较慢等问题,该文提出一种抑制式非局部空间直觉模糊C-均值图像分割算法。首先,通过计算像素的非局部空间信息提高抗噪能力,克服传统的FCM算法只考虑图像单个像素的灰度特征信息的缺陷,提高分割精度。其次,根据直觉模糊集理论,通过“投票模型”自适应生成犹豫度作为抑制因子修正隶属度,提高算法的运行效率。实验结果表明,该算法对噪声鲁棒性较强并且有较好的分割性能。     

一种优化的FCM图像分割方法

结合粗糙集理论,利用像素邻域的空间信息,对图像色彩的分布进行了量化表示,并据此提出一种基于量化粗糙信息的改进图像分割方法,该方法使用局部量化粗糙度和待定算子来更新FCM算法中的隶属度函数,实现图像的初步分割,并针对初步分割后的小区域和相似区域,进行色彩区域的合并操作,来对分割结果进行优化。实验结果表明,相对于传统的模糊C-均值(FCM)聚类分割算法,提出的方法降低了时间复杂度,且具有良好的分割效果。     

基于超声图像的自适应谱聚类方法研究

为精确提取超声肿瘤图像的肿瘤区域,基于分裂合并思想,结合自协调谱聚类方法,提出一种基于超声图像的自适应谱聚类方法。该方法在分裂阶段用SLIC算法将图像分割成超像素,根据肿瘤区域和背景区域的纹理特征差异选取合适的纹理特征,在合并阶段用自协调谱聚类算法自动确定谱聚类数目,聚出肿瘤区域,并用先验知识提取分割结果中的肿瘤区域。将该算法提取的肿瘤区域和人工分割的肿瘤区域比较,准确度达到93. 41%,结果比较准确。     

快速自动模糊C-均值聚类彩色图像分割算法

针对传统模糊C-均值（FCM）聚类算法计算复杂度高、无法自动确定聚类数目的问题,提出了一种快速自动FCM聚类彩色图像分割算法。首先通过改进的简单线性迭代聚类（SLIC）超像素算法预分割图像,将传统基于单个像素的聚类转化为基于超像素区域的聚类,降低FCM计算复杂度;其次利用改进的密度峰值算法自动确定聚类数目,提高算法灵活性;最后,对超像素图像进行基于直方图的FCM聚类,完成图像分割。为验证所提算法的有效性,采用BSDS500、AID和MSRC公共数据库作为实验数据集,并与其他4种FCM分割算法进行了比较。实验结果表明,所提分割算法在分割精准度、模糊分割系数、模糊分割熵和视觉效果等方面均优于其他几种比较算法。     

核空间自适应非局部均值鲁棒分割算法

为改善传统模糊C均值(FCM)算 法对噪声干扰下图像的分割效果,提出了一种基于核空间邻域信息和自适应非局部均值相结 合的图像鲁棒分割算法。首先,利用传统FCM聚类算法进行初始聚类分割,将 所得聚类中心作为改进算法的初始聚类中心; 其次通过自适应非局部均值算法对图像进行平滑处理,避免图像过度分割;然后对引入核空 间邻域信息的目标函数进行最优化求解, 获取聚类中心和隶属度的迭代表达式;最后对像素进行分类时,利用邻域像素隶属度对像素 进行进一步滤波处理。实验结果表明:本文的 改进算法与传统FCM聚类算法、核空间FCM(KFCM)算法、基于邻域信息的FCM(FCM S)算法和基 于邻域信息KFCM(KFCM-S)算法相比,改进算法对强噪声干扰下的图像具有较好 的鲁棒性,并且能够有效分割图像的目标信 息和背景信息。从几种算法进行聚类分割结果所对应的峰值信噪比(PSNR)也可以看出,本文 改进算法的PSNR更高。     

结合模糊聚类与区域合并的彩色图像分割方法

提出了一种结合模糊聚类与区域合并的无监督彩色图像分割方法.首先,根据彩色图像建立对应的三维直方图,运用爬山法得到初始聚类中心和聚类数;然后,运用基于空间邻域像素的模糊均值聚类算法对图像在颜色空间进行聚类,得到初始分割结果;最后,应用提出的区域合并算法合并图像初始分割结果得到最终分割图像.仿真结果表明,算法的分割结果与人的主观视觉也有较好的一致性.     

一种自适应分裂与合并的运动目标聚类分割算法

针对智能监控系统中多个运动目标进行图像分割这一问题,该文提出一种自适应分裂与合并的多运动目标聚类分割算法。该算法首先利用视频图像的时域信息,通过样本方差进行背景建模,分割出包含多个运动目标的前景图像。然后定义了像素点的空间连通率,并设计一种利用中垂线分割法,对初始聚类进行自适应分裂与合并。在无需事先设定聚类分割数目的条件下,自组织迭代聚类算法能完成多运动目标的分割。实验结果证明该算法对多运动目标分割效果好,分割结果与人眼视觉的判断一致。利用空间连通信息使得算法迭代收敛速度快,具有良好的实时性。     

融入空间关系的GMM全色高分辨率遥感影像监督分割方法

为了解决高分辨率遥感影像中相同地物目标异质性和空间破碎性增大及不同地物目标的相似性增强所带来的分割新问题,该文提出一种融入空间关系的高斯混合模型(GMM)高分辨遥感影像监督分割方法。该方法首先按分割区域进行监督采样,并通过最小二乘法进行直方图拟合,对影像中的每个类别区域建立GMM用来精确表征高分辨遥感影像每个分割区域复杂的地物光谱特征;然后在GMM的概率测度域融入空间关系,使每个像素的区域所属由该像素邻域窗口内所有像素概率测度共同决定,以刻画高分辨率遥感影像中像素间的空间相关性;最后按照最大概率测度原则完成对高分辨率遥感影像的分割。为了验证文中算法的可行性与有效性分别对合成影像及真实高分辨率遥感影像进行分割实验,并和经典的FCM方法及HMRF-FCM方法进行对比,定量与定性的结果证明了文中方法能够提高分割精度。     

Integrated method for boundary delineation of agricultural fieldsin multispectral satellite images

Most agricultural statistics are calculated per field, and it is well known that classification procedures for homogeneous objects produce better results than per-pixel classification. In this study, a multispectral segmentation method for automated delineation of agricultural field boundaries in remotely sensed images is presented. Edge information from a gradient edge detector is integrated with a segmentation algorithm. The multispectral edge detector uses all available multispectral information by adding the magnitudes and directions of edges derived from edge detection in single bands. The addition is weighted by edge direction, to remove "noise" and to enhance the major direction. The resulting edge from the edge detection algorithm is combined with a segmentation method based on a simple ISODATA algorithm, where the initial centroids are decided by the distances to the edges from the edge detection step. From this procedure, the number of regions will most likely exceed the actual number of fields in the image and merging of regions is performed. By calculating the mean and covariance matrix for pixels of neighboring regions, regions with a high generalized likelihood-ratio test quantity will be merged. In this way, information from several spectral bands (and/or different dates) can be used for delineating field borders with different characteristics. The introduction of the ISODATA classifier compared with a previously used region growing procedure improves the output. Some results are compared with manually extracted field boundaries     

基于FMM的图像建模与语义对象分割

提出一种基于有限混合模型(FMM)的图像自动建模与语义分割方法.算法采用分水岭算法进行预分割,以给FMM模型设定合适的初始参数.同时针对传统EM算法的不足,对其分类结果自动执行合并与分裂操作以获得最佳分类数并跳出局部极值点.实验结果显示新方法能获得较精确的具有良好视觉感知的语义分割结果.     

FCM算法用于灰度图象分割的研究

模糊Ｃ均值（ＦＣＭ）算法用于灰度图象分割是一种非监督模糊聚类后再标定的过程，适合灰度图象中存在着模糊和不稳定性的特点，但是这种算法存在着一些不足，如类数目无法自动确定，运算的开销太大等，因而限掉了这种方法的应用，针对这些问题，本文利用直方图分析的方法，自动确定算法的聚类数目和各类的类峰值，并针对ＦＣＭ算法和灰度图象的特点，提出了一种适用于灰度图象分割的快速ＦＣＭ算法（ＱＦＣＭ）使得运算了开销降低，     

An Unsupervised Classification for Fully Polarimetric SAR Data Using SPAN/H/ IHSL Transform and The FCM Algorithm

 In this paper, the IHSL transform and the Fuzzy C-Means (FCM) segmentation algorithm are combined together to perform the unsupervised classification for fully polarimetric Synthetic Ap-erture Rader (SAR) data. We apply the IHSL colour transform to space to obtain a new space (RGB colour space) which has a uniform distinguishability among inner parameters and contains the whole polarimetric information in Then the FCM algorithm is applied to this RGB space to finish the classification procedure. The main advantages of this method are that the parameters in the color space have similar interclass distinguishability, thus it can achieve a high performance in the pixel based segmentation algorithm, and since we can treat the parameters in the same way, the segmentation procedure can be simplified. The experiments show that it can provide an improved classification result compared with the method which uses the space di-rectly during the segmentation procedure.     

Automatic segmentation of color images with transitive closure

In this paper, a mask based automatic segmentation algorithm for color images which uses pixel similarity has been presented. Main concept of the algorithm relies on spatial mask for course segmentation and the Warshall's transitive closure (TC) computation algorithm for region merging. Although the proposed spatial mask approach reduces the computational burden required for segmentation or clustering techniques such as seeded region growing (SRG) or fuzzy c-means (FCM) in which user supplied parameters are essential, it has over segmentation drawback. Therefore, the transitive closure algorithm, which uses adjacency and similarity matrix associated to undirected graph of the over segmented image, has been employed to merge the regions. After comparing to existing methods, the obtained experimental results confirmed that the color images as well as gray level images could be segmented with considerable accuracy. Also computational complexity of image segmentation is significantly reduced. Furthermore, there is no need any user supplied parameter such as the number of clusters or seed points.