基于灰色聚类的图像检索技术

受现有灰色系统研究成果的启发，将灰色聚类方法应用于CBIR的研究巾，建立了CBIR与灰色聚类的对应哭系，提出了一种全新的基于灰色聚类的图像检索技术。该方法首先对用户主观性相似判断进行定性分析，确定若干个灰类；然后采用相应的训练算法建立各个灰类的白化函数；最后，采用灰色聚类方法对数据库图像进行聚类分析，得到检索结果集。这种方法既考虑了人类视觉感知的特点，同时又简化了问题的复杂度，从而使图像检索的效率与性能得以同时提高。     

基于白化权函数聚类法的航电系统效能评估

航空电子综合系统是作战飞机的神经中枢,准确评估航电系统的效能对我国航空电子技术的发展具有重要意义。为了用灰色白化权函数聚类法对基于1553B总线的航电系统进行效能评估。首先将1553B总线负载、延迟时间、总线使用效率三项指标分为优、良、中、差四个灰类,综合各指标的白化权函数和其隶属于不同灰类的权重得到航电系统聚类系数向量,然后由该向量中的最大聚类系数所属灰类来确定该航电系统的灰类等级。灰色白化权函数聚类方法为航电系统的设计和效能评估提供了重要方法和理论依据。     

一种偏置场环境下的模糊聚类分割算法

针对偏置环境下图像分割问题,提出了一种基于偏置场估计的模糊聚类算法。通过建立依赖于偏置场的模糊聚类目标函数,提出了模糊聚类隶属函数和偏置场估计的迭代算法。该方法较好地处理了传统模糊聚类在偏置场存在的情况下图像分割精度下降问题。实验结果表明,该算法能有效分割具有偏置噪声的图像,其分割精度优于传统模糊聚类法。     

基于核和灰度的区间灰数型灰色聚类模型

对传统灰色聚类模型进行延拓,考虑了观测值和白化权函数转折点为区间灰数的情形.通过“核”和灰度来表征区间灰数,以“灰度不减公理”作为理论依据,给出区间灰数型白化权函数的表达式,并将聚类过程中区间灰数运算转化为实数运算,进而建立灰色定权聚类模型.最后将该模型应用于南京市江宁区高新技术企业核心竞争力的聚类评估中,说明了所提出方法的有效性和实用性.     

基于粒子群的改进模糊聚类图像分割算法

基于粒子群优化的改进模糊聚类图像分割算法将微粒群搜索聚类中心作为图像分割的聚类初值,克服了FCM分割算法对聚类中心初值敏感的缺点,大幅提高了图像分割算法的计算速度。改进的模糊聚类图像分割算法,一方面考虑到像素的空间位置信息和相互邻域之间像素有很大的相关性,在目标函数中引入邻域惩罚函数;另一方面提出聚类在二维方向上进行更新的思想,建立了包含邻域单元熵的新聚类目标函数。实验结果表明,该方法可以使模糊聚类的速度得到明显提高,对初始聚类中心不敏感,抗噪能力强,是一种有效的模糊聚类图像分割方法。     

基于有偏场的光栅图像模糊聚类分割算法

针对有偏场环境下带有光栅的散焦图像分割问题,提出了一种新的基于有偏场估计的模糊聚类分割算法。通过建立依赖于有偏场的模糊聚类目标函数,导出了基于灰度以及邻域灰度均值的聚类中心、模糊聚类函数以及有偏场估计的迭代算法;并在该算法生成的初始分割基础上,利用膨胀算子对分类结果进行细化。该方法较好地处理了传统模糊聚类对有偏场下光栅图像分割精度下降的问题。实验结果表明,基于有偏场的模糊聚类算法能有效分割光栅图像,其分割精度优于传统模糊聚类和阈值法。     

基于变分水平集的图像模糊聚类分割

结合变分水平集方法和模糊聚类,提出了一个基于变分水平集的图像聚类分割模型.该模型引入了一个基于图像局部信息的外部模糊聚类能量和一个新的关于零水平集的正则化能量,使得该模型对噪声图像的聚类分割更具鲁棒性.通过在能量泛函中加入一个内部约束能量约束水平集函数为符号距离函数,可以使水平集演化过程无需重新初始化.进一步提出了一种变分形式的聚类中心更新方法,实现了半监督的图像聚类分割.实验中采用不同类型的图像与FCM聚类模型、CV模型、Samson模型进行了对比实验,实验结果显示,该模型能够克服图像中噪声的影响,取得较满意的聚类分割效果.     

基于捕食者—食饵微粒群优化的二维FCM图像分割方法

传统模糊C均值聚类算法进行图像分割时仅利用了像素的灰度信息,没有考虑像素的空间邻域信息,因此抗噪性能差．为了克服传统模糊C均值聚类算法的局限性,提出了一种基于捕食者—食饵微粒群算法的二维模糊C均值聚类图像分割方法．该方法将图像的聚类分割转化为一个优化问题,根据像素的灰度信息和改进二维直方图描述的像素邻域关系特性,建立包含邻域信息的适应度函数,并利用捕食者—食饵微粒群的全局优化能力,通过迭代优化获得最优聚类中心,实现图像分割．仿真结果表明,所提算法不易陷入局部最优,抗噪能力强,聚类正确性高,分割效果好,是一种有效的图像分割算法．     

基于重叠率衡量融合策略的层次聚类算法研究

聚类的有效性问题即如何合理聚类一直是人们关注的焦点.而解决该问题的关键在于如何有效地区分具有重叠现象的类.首先提出了一种新的重叠率衡量方法(RL_OLR),基于该方法,结合图像分割运用,给出了一个新的层次聚类算法:基于重叠率衡量融合策略的层次聚类算法(CM_OLR),该方法可自动确定聚类的最佳聚类数,即图像分割数.为验证算法性能,以标准的人工分割图像库为基准对图像分割结果进行评估,并进行算法参数的统计确定.实验结果表明,算法具有较好的适应能力,可自动确定分割数,评估所得分准率及分全率综合衡量系数为0.611,而人工分割下为0.79.     

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。     

基于卷积神经网络的偏色光下植物图像分割方法

为了解决传统图像分割算法在植物工厂中偏色光植物图像上分割精确度不高、泛化性能差的问题,提出了一种基于卷积神经网络,并结合深度学习技术,对人工偏色光下植物图像进行精确分割的方法。采用该方法,最终在偏色光植物图像原始测试集上达到了91.89%的分割精确度,远超全卷积网络、聚类、阈值、区域生长等分割算法。此外,在不同色光之下的植物图片上进行测试,该方法也较上述其他分割算法有着更好的分割效果和泛化性能。实验结果表明,所提方法能够显著提高偏色光下植物图像分割的精确度,可以应用于实际的植物工厂工程项目当中。     

一种预测纸币序列号先知的字符分割方法

纸币在流通过程中不可避免地引入各种污染, 会影响纸币序列号的正常分割, 甚至引发分割失败。为了提高分割结果的准确性, 提出了一种预测先验知识的字符分割方法。对于某种面值的纸币, 根据其特有的号码排列方式定义马尔可夫链的状态, 通过求得马尔可夫链的前向识别, 可以预测纸币序列号的先验知识, 再配合连通区域法和垂直投影法, 最终得到序列号的最优分割位置。在各面值的人民币以及部分外币图像组成的数据集上测试该方法可行性, 实验效果与传统的投影法和区域连通法对比显示了该分割方法的准确性。该方法对于有污痕、拆痕、字符粘连等情况的图像能进行准确分割, 比传统分割法具有更好的分割性能。     

医学三维影像体数据闭值分割方法

建立医学三维体数据阈值分割描述模型,把OSTU图像分割算法和梯度算子图像分割算法的思想应用于三维体数据,提出并实现了两种医学三维体数据阈值分割算法,并通过实验证明这两种算法获得了较好的分割效果。为进一步对体数据阈值分割算法的性能进行量化评价,定义了两个量化指标:分割准确度和分割平衡度,并通过实验给出了上述两种体数据阈值分割算法的性能评价指标。在给定体数据和标准分割的前提下,OSTU算法比梯度算子算法能取得更好的阈值分割效果。     

基于DenseNet-BC网络的皮肤镜下皮肤损伤分割

针对皮肤病变图像边界分割不准确的问题,提出了一种改进的稠密卷积网络(DenseNet-BC)皮肤损伤分割算法。首先,改变传统算法层与层之间的连接方式,通过密集连接使得所有层都能直接访问从原始输入信号到损失函数的梯度,让图像特征信息得到最大化的流动。其次,为降低参数数量与网络的计算量,在瓶颈层和过渡层中采用小卷积核对输入特征图的通道数进行减半操作。将DenseNet-BC算法与VGG-16、Inception-v3以及ResNet-50等算法在ISIC 2018 Task 1皮肤病变分割数据集上进行性能比较。实验结果表明,DenseNet-BC算法的病变分割准确率为0.975,Threshold Jaccard为0.835,分割准确率较其他算法提升显著,是一种有效的皮损分割算法。     

基于图像融合的飞行器轮廓提取方法

区域分割算法可将图像中含有有效信息的区域挑选出来,由此提出一种基于图像融合的边缘提取方法,在区域分割的基础上,利用分水岭算法对分割出来的含有有效信息的区域进行边缘提取。并将所得结果与其他边缘提取算法融合,得到单像素宽的、封闭的轮廓。该方法可以降低背景区域对结果的影响,综合多种算法的优点。实验结果表明该方法稳定可靠,具有较强的实用性。     

图像分割研究进展

至今提出的分割算法有上千种,而新的算法还在不断被提出。从图像分割实际应用的角度,或者从图像分割中使用的特定的理论工具的角度,可以对图像分割进行分类。Otsu算法、基于聚类的图像分割方法、运动分割、基于图论的图像分割方法和基于活动轮廓的图像分割方法是图像分割的主要研究领域,自然计算算法已成为图像分割新的研究热点。     

车牌识别中先验知识的嵌入及字符分割方法

针对车牌字符分割过程中先验知识嵌入困难,分割过程对于前期车牌定位依赖较强的问题,提出了一种新的先验知识嵌入方法及其对应的字符分割算法。给定一种类型的车牌,利用字符的可能排列方式定义马尔可夫链中的状态,可以将车牌字符分割转化为一组马尔可夫链的前向识别过程。结合连通分量提取及垂直投影分割算法,可以有效地获取车牌的最优分割结果及其置信度。在实际应用中,该算法不依赖于前期的精确定位,对粗定位后的图像即可进行快速有效地分割。该方法统一了不同类型车牌的先验知识嵌入方法,降低了编码复杂度。在中国车牌及马来西亚车牌上的实验结果均证明,该方法有效地提高了车牌字符分割的性能。     

Handwritten digit segmentation: a comparative study

In this work, algorithms for segmenting handwritten digits based on different concepts are compared by evaluating them under the same conditions of implementation. A robust experimental protocol based on a large synthetic database is used to assess each algorithm in terms of correct segmentation and computational time. Results on a real database are also presented. In addition to the overall performance of each algorithm, we show the performance for different types of connections, which provides an interesting categorization of each algorithm. Another contribution of this work concerns the complementarity of the algorithms. We have observed that each method is able to segment samples that cannot be segmented by any other method, and do so independently of their individual performance. Based on this observation, we conclude that combining different segmentation algorithms may be an appropriate strategy for improving the correct segmentation rate.     

Benchmarking Image Segmentation Algorithms

We present a thorough quantitative evaluation of four image segmentation algorithms on images from the Berkeley Segmentation Database. The algorithms are evaluated using an efficient algorithm for computing precision and recall with regard to human ground-truth boundaries. We test each segmentation method over a representative set of input parameters, and present tuning curves that fully characterize algorithm performance over the complete image database. We complement the evaluation on the BSD with segmentation results on synthetic images. The results reported here provide a useful benchmark for current and future research efforts in image segmentation.