彩色图像量化的FSCAMMD聚类算法

提出了一种基于模式识别技术的彩色图像量化的新算法－－基于最小距离最大的快速统计聚类算法（FSCAMMD）。本算法克服了SCA算法对聚类中心初始值选取的不足,给出了最大频度与类内最小距离最大相结合的方法－－初始值优选法,实验结果表明,本算法可较大幅度地减少图像量化后的总方差以颜色失真度。     

一种基于小波特征的彩色图像分割算法

利用小波变换的多尺度对图像纹理特征良好表达的特点,用小波变换提升算法图像纹理特征进行提取,从而达到较好的分割效果。     

彩色图像量化的一种新聚类算法

基于模式识别技术，提出了一种用于彩色图像量化的新算法──统计聚类算法．并用ＢｏｒｌａｎｄＣ３．０成功地实现了该算法．理论和实验结果分析表明：本算法对彩色图像量化的颜色失其度以及噪声点的控制均优于Ｋ均值算法和ＩＳＯＤＡＴＡ算法。     

一种结合像素空间信息和多维直方图的彩色图像快速分割算法

本文提出了一种新的结合空间和彩色信息的彩色图像快速分割方法.首先对三个单色的直方图进行多阈值分割得到一组谷值和峰值,再用谷值向量将真彩色三维直方图分割成不同区域,然后以峰值组成种子向量实现三维直方图的多阈值分割,最后基于空间相邻关系的最优准则对分割的区域不连续性和"洞"重新分割,提高了过渡区域像素的分割精度.     

用于彩色图像分割的改进遗传FCM算法

本文提出了一种适用于彩色图像分割的遗传模糊C均值聚类(GAFCM)算法.该算法使用Ohta等人提出的彩色特征集中的第一个分量作为图像像素的一维特征向量,并利用由像素空间到特征空间的映射来改进目标函数,从而大大降低了运算量;使用对特征空间结构没有特殊要求的特征距离代替欧氏距离,从而克服了特征空间结构对聚类结果的影响;使用引入FCM优化的遗传算法来搜索最优解,从而提高了搜索速度.实验表明,该算法不但能很好地分割彩色图像,而且具有运算量小、收敛速度快的优点.     

基于SLIC与分水岭算法的彩色图像分割

为了克服传统分水岭算法引起的过分割问题,提出了一种基于简单线性迭代聚类(SLIC)与分水岭算法相结合的彩色图像分割算法,以获得更理想的分割效果。该算法首先利用图像复杂度计算预分割的超像素个数,并利用SLIC对原始图像进行超像素分割预处理,以减少后续处理中的冗余信息;然后,提出了一种自适应计算阈值的方法对预处理图像的梯度图像进行阈值处理,以有效去除噪声,获得较完整的轮廓信息;最后,利用分水岭分割算法对进行极小值标记提取后的图像进行分割。通过对大量图片进行实验表明,本文算法可以有效地抑制传统分水岭算法所产生的过分割问题,在LCE和GCE的对比上优于传统算法,分割质量有所提高。     

基于局部增强和阈值分割的芯线彩色图像分割算法

不同颜色芯线的有效识别是制约数据线生产自动化的关键因素之一;阈值分割是一种简单有效地图像分割算法,但对于颜色信息较多的情况鲁棒性较差;基于指数函数的增强图像可以有效地放大和突出感兴趣的图像区域;本文提出了一种结合局部增强和阈值分割的分割算法,通过对图像进行局部增强以放大感兴趣灰度区域,然后再通过阈值分割的方式筛选出目标区域;该方法能够快速有效地分割出多种颜色区域,也具有良好的鲁棒性.     

文本聚类中的改进特征权重算法

本文提出了一种新的基于词频和文档频率的特征词权重计算方法ETFC.首先构造了新的函数作为特征词的类别区分度,加强了低文档频数特征词的类别区分能力.然后运用k-means算法进行聚类实验.结果表明,改进后的权重算法ETFC比现有的权重算法TFIDF和TFC在聚类纯度和算法的稳定性方面均有较大提高,从而表明改进策略是可行的.     

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。     

特征聚类的混合协同过滤算法研究

针对推荐系统的准确性提出了一种优化算法,该算法首先利用用户的特征进行聚类,然后在聚类之后的各个聚簇中运用混合协同过滤框架为每个聚簇训练一个模型;同时在运用混合协同过滤时,针对传统的基于用户的协同过滤推荐算法在计算用户相似度方面进行了改进.实验表明,提出的优化算法显著提高了预测的准确性,从而提高了推荐结果的质量.     

一种改进的势函数聚类多阈值图像分割算法

针对基于势函数聚类的多阈值图像分割算法的不足,定义了伪势的概念,并在原算法基础上提出了一种改进的图像分割算法。由伪势概念确定了伪势合并的判别方法,按照此方法,当相邻的两个峰之间的距离小于所定义的自适应模糊伪势因子时,则应该进行伪势合并。改进后的算法在计算剩余势函数时判断是否存在伪势,然后在势划分函数组的确定过程中相应地进行伪势合并计算。利用多幅图像进行了多阈值分割的仿真试验,结果表明,改进的基于势函数的多阈值图像分割算法具有更好的鲁棒性和分割效果。     

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.     

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。     

荧光纳米颗粒图像分割算法研究

在图像处理过程中,图像分割起着重要的作用。一直以来,图像分割的算法多种多样,但并没有通用的方法,只要能够将所需图像分割出来的方法就是有意义的,文章对荧光纳米颗粒图像进行分割,结合高帽滤波、腐蚀、膨胀等多种处理方法。     

浅谈数据挖掘中的聚类算法

数据挖掘是近年来非常热门的研究方向。聚类分析是数据挖掘的一个重要研究领域。本文归纳总结了数据挖掘中传统聚类算法,并对现今新发展的,比较热门的聚类算法进行了介绍。     

印刷网点图像模糊聚类分割方法的研究

鉴于网点图像信息的不确定性、模糊性及多样性,试用信息论中的熵最大原理和模糊聚类分析对网点显微图像进行分割,获得了良好的网点图像分类结果,为印刷图像的数字化控制提供了良好依据.     

孔洞特征模型特征分割及自适应分层算法

目的 针对传统整体式3D打印分层算法对孔洞特征模型分层处理时层厚不够合理、难以较好平衡成形精度和成形效率等问题,通过改进分层算法,实现了孔洞特征模型3D打印成形精度和成形效率的提升。方法 首先确定模型上下水平面区域,剔除该区域的三角面片,使孔洞特征三角面片与其他部分处于非邻接状态,其次通过建立三角面片拓扑结构,将模型孔洞特征包含的三角面分离,最后以当前层相交三角面片法向量与z轴最小夹角为层厚判据,分别对模型孔洞特征及其他部分进行自适应分层,并将模型各部分分层路径整合,形成完整的模型3D打印机执行代码。结果 示例模型分层模拟及实际打印结果表明,对于实验所用的螺母模型和拇指轮模型,与三角面片法向量自适应分层算法相比,所提算法的模型成形精度分别提升了20.18%和62.68%,打印耗时分别缩短了34 min和11 min。结论 对于孔洞特征模型,采用分离模型孔洞特征与单独自适应分层的策略,能够较好地提升模型成形精度,并且缩短模型成形时间。     

基于聚类算法的黔东南苗族鸟纹刺绣图案色彩特征研究

目的 以可量化和可视化的方式对黔东南苗绣中鸟图案的色彩特征和搭配关系进行探究和呈现,为苗族图案设计创新提供色彩规律借鉴,同时为民族色彩数据库的建立做准备。方法 运用中值滤波算法以及自适应纹理滤波算法对212张样本进行去噪平滑处理后,用K-Means聚类算法提取图像色彩,采用自动获取k值的方式确定色彩提取数量,以主色优先方式构建色彩网络模型。借助HSV色彩空间模型,以频数统计的方式从色相、饱和度、明度三个维度对不同绣法的色彩特征进行归纳。结论 研究结果以数据和图表形式表现苗绣中鸟纹的色彩搭配及规律情况,能够较为客观、准确地反映出苗绣鸟纹刺绣图案的色彩特征,研究结果可为设计师提供大量色彩搭配方案参考,提高设计师工作效率,对民族图案的再设计应用及非物质文化遗产传承再创新都具有重要价值。     

基于改进FAST与分水岭算法的颗粒图像分割

为准确、高效分割粘连颗粒,提出一种改进FAST特征点检测算法,并与基于h-maxima变换的分水岭算法相结合实现粘连颗粒的分割。该算法通过h-maxima分水岭算法得到候选边缘分割点和候选分割线;采用改进FAST算法遍历二值图像边缘获得图像边缘特征点;利用边缘特征点对所有候选边缘分割点进行非极大值抑制得到待边缘分割点;通过待边缘分割点从候选分割线中提取待分割线;利用边缘特征点识别待分割线中的伪边缘分割点,并去除与其相连的分割线;获得正确分割线进行图像分割;对典型颗粒进行分割实验,并与现有3种图像分割算法进行比较。结果表明:该算法相对运算时间最短,分割正确率最高且均大于95%。