基于改进MRF的凝胶图像分割算法

为了得到更好的凝胶图像分割效果,文章提出了一种基于马尔科夫随机场(MRF)模型分割算法的改进算法,首先用非局部均值(NL-means)对图像进行滤波,然后通过模糊c均值算法(FCM)实现了图像的初始聚类分割,进一步通过二阶逻辑模型(MLL)模糊聚类作为先验知识获取其先验概率并因此得到后验概率,在此过程中引入了灰度点密度权值来实现聚类和均值方差的更新,最终实现凝胶图像的最优化分割。     

基于HDBSCAN算法的LiDAR建筑点云自动提取研究

激光雷达（Li DAR）可以高精度地获取地表物体的高度信息和位置信息,在建筑三维数字化建模方面发挥着重要作用。以自动正确提取房屋建筑点云为目的,该文提出一种基于CSF滤波和HDBSCAN聚类算法的Li DAR点云分类方法。首先利用CSF滤波方法过滤地面点云。在地上点云的基础上,综合点云回波特征如密度和高度等信息,构建HDBSCAN密度层次聚类树模型,设定高程阈值,快速高效地分离出建筑点云。分类结果有效保留建筑的规则形状,为进一步提高外业采集房屋工作效率和技术水平提供支持。     

图像分割算法在花型自动识别中的应用

针对提花毛皮样片扫描图像的花型自动识别问题,提出了一种改进的基于空间信息的模糊C均值聚类图像分割算法,该算法利用像点邻域区间的粗糙度和邻域像点的值修正像点与聚类中心的距离,对像点的模糊隶属度函数进行修正,利用修正后的模糊隶属度函数进行聚类中心的迭代计算,获得合理的聚类中心。经多幅提花毛皮样片的花型图像分割实验表明,该算法具有对噪声不敏感的优点,在进行提花毛皮样片扫描图像的花型识别时,能获得较好识别结果。     

基于纹理滤波和颜色聚类的提花织物纹样自动提取方法

为了提高提花织物纹样提取的准确性,消除织物组织结构对提取结果的干扰,文章提出了一种基于纹理消除滤波算法和密度峰聚类算法的纹样提取方法。通过统计图片区域梯度信息分离提花织物组织纹理区域和图案边缘结构,并利用非极大值抑制获得纹样边缘结构作为滚动引导滤波器的引导图,经过多次迭代计算实现织物纹理滤波。然后将图片从RGB颜色空间转换为CIELab颜色空间,利用密度峰聚类算法对织物色彩空间分割聚类,最终提取出织物纹样。实验结果表明,文章提出的方法快速准确地实现了提花织物纹样的自动分割与提取。     

传统服饰云肩实物图像主色的智能检测

为解决获取传统服饰实物图像色彩耗时且缺乏准确性问题,以传统服饰的云肩为例,借助均值漂移（Mean-shift）聚类法,提出了一种检测传统服饰实物图像颜色的方法。运用单反数码相机进行实物图像采集;对所得初始图像的R、G、B3个颜色通道进行去噪处理;再将图像RGB颜色空间的特征向量转换至CIE L*a*b*颜色空间中,利用大津法阈值原理（自适应阈值算法）分割被测图像中云肩实物与背景;最后采用Mean-shift聚类算法,将被测图像的颜色像素分割为若干有效的集群,同时从这些集群中提取云肩主要色彩。实验结果表明,该算法可较为准确地从云肩图像中提取主色,且当Mean-shift聚类算法的带宽被设定为0.05时,分类颜色结果更为准确。     

FPCM算法在织物悬垂性评价方面的应用

由于织物悬垂性能评价指标的多维性、数据聚类边界的模糊性,以及测量误差的不可避免,使得数据集通常会含有噪声点,而常用的FCM聚类算法无法消除噪声点对聚类中心的影响。为解决这一问题,提出了采用FPCM算法对悬垂性的测量值进行聚类分析,发现并剔除噪声点,从而更加客观地评价织物悬垂性,并通过实测数据验证了算法的准确性及有效性。     

粘连颗粒图像的分割方法综述

粘连图像分割作为颗粒计数、分类、定级评价、识别的基础环节,其实际应用价值不言而喻.本文简要介绍现有的传统分割算法和基于深度学习的分割算法种类,根据粘连颗粒尺寸小、随机散落、数量众多、形状不规则及边缘特征模糊等特点,结合粘连分割算法在各种领域中的应用现状,重点阐述基于分水岭、凹点、U-Net语义分割的方法,介绍关键技术,...     

基于逆投影变换的纱筒纱线余量检测算法

纱筒纱线余量检测是纺织行业自动化生产过程中的重要一环,针对目前纱线余量检测算法检测精度低的问题,提出一种基于三点逆投影变换模型的纱筒纱线余量检测技术。根据实际生产过程中相机与纱筒的位置关系,建立三点逆投影变换模型进行初步矫正。为得到更好的图像矫正结果,设置补偿矩阵并根据内外筒位置信息优化变换矩阵,最后将逆投影变换后的图像按照改进的椭圆坐标变换模型展开为矩形,根据余量计算准则计算得到纱筒纱线余量。在自主搭建的检测平台上进行实验,结果表明,本文算法检测精度在5 mm以内,基本满足实际生产要求,可为纺织产业自动化生产提供依据。     

基于FCM与小波变换的碳纤维木质复合材料图像分割研究

针对模糊C均值聚类(FCM)图像分割算法对图像的噪声敏感以及算法只利用了图像像素本身的特征并没有考虑像素的邻域信息等问题,将其与小波变换相结合应用到自制短切碳纤维木质复合材料的微观研究中。该改进FCM算法利用小波变换确定聚类中心与改进欧氏距离计算函数,再利用邻域像素的信息改进像素特征值,从而实现优化FCM的目标函数计算方式。通过实验分析与对比,该改进算法图像分割边缘清晰与抑制噪声能力强,同时算法在运行时间与迭代次数上均有所减少,具有一定准确性与可靠性。     

基于贝叶斯决策及半监督聚类的织物图像分割

为提高纺织CAD技术,依据半监督聚类理论,提出一种以最小错误率贝叶斯决策为准则的半监督聚类的织物图像分割算法。这种算法利用有限的人工信息,即在织物图像上点击有限的几个点以标识相应区域之间的关系,从而得到满足用户给定限制的织物图像分割结果。用该算法首先对织物图像进行量化转换处理,而后在贝叶斯模式识别中集成先验的分割信息进行色彩聚类。实验结果表明,该算法用于织物图像分割是可行的。     

基于形态学梯度重建的分水岭算法改进研究

图像分割是图像分析和计算机视觉领域中一个最重要的处理过程,常用的边缘检测算子存在边缘定位不准等缺点,而传统的分水岭算法则对噪声敏感且存在过分割的问题。本研究提出基于形态学梯度重建的改进型分水岭算法,该算法通过在人脸图像预处理过程中对图像进行中值滤波消除部分噪声,然后再对滤波后的图像进行增强对比度以及重构梯度图处理,最后利用分水岭算法对处理后的图像进行分割。仿真实验应用不同的算法对同一图像进行计算分割,对比结果显示,本研究提出的方法能够较好地抑制过分割,并且能够分割出人脸图像的主要特征。     

基于改进型FCM聚类算法的彩色牛肉图像中筋膜区域分割方法研究

介绍一种基于HSI颜色空间的改进型FCM聚类算法,并将此算法运用于牛肉眼肌切面图像中筋膜区域的分割。该方法根据牛肉眼肌切面图像像素分布的特点,将H分量和I分量作为聚类分割算法的特征向量,改进了FCM聚类算法初始聚类中心的选取方法以及距离度量公式。结果表明:所提出的算法在保证FCM算法本身收敛速度快的同时,也提高了图像区域分割的精度和准确性,对噪声具有较强的抑制能力。     

基于人体扫描线点云的光顺去噪

利用自制的便携式三维人体测量系统获得人体扫描线点云。在测量过程中,由于受扫描设备的物理特性、扫描环境、光照和标定算法本身的缺陷等因素的影响,点云中不可避免混有噪声点。根据噪声点的特点将其分为3类：与人体真实数据相隔较远的点为第1类噪声点;点云中重叠的点为第2类噪声点;夹杂在人体真实数据点中而导致点云不光顺的点为第3类噪声点。对于第1类和第2类噪声点,采用基于距离的选点删除法;对第3类噪声点采用基于离散点云曲率及曲率变化的Savitzky-golay滤波方法。实验结果显示,以上2种方法能有效去除人体扫描线点云中的噪声点,并能保持点云固有的几何细节。     

基于均值漂移的模糊C均值聚类图像分割方法

本文针对模糊C均值聚类（FCM）算法在分割噪声图像和含有颜色相近区域的图像时存在的不足,提出了一种结合各向异性均值漂移的模糊c均值聚类（FCM）新算法。该算法在传统的FCM算法中引入了均值漂移（MS）算法,分割图像时利用Ms算法可快速找到峰值点和图像空间信息的优点,对颜色漂移区域和细长区域均能保留更多的图像信息,同时具有较强的抗噪能力。     

重叠纤类图像的凹点匹配和分割算法

为解决混纺纤维类图像中多根纤维的分离和识别难题,提出一种基于凹点匹配的新方案来实现重叠纤维分割。首先在图像轮廓寻找角点,利用三角形矢量面积法找到角点中包含的凹点;然后通过凹点、该凹点的前继点（或后继点）和目标凹点构成的三角形,结合凹点的几何特征来判断该凹点和目标凹点是否匹配;最后通过将匹配凹点连线来实现图像中的纤维分割。与现有分割算法相比,新的方法采用了凹点距离和三角形构造原理相结合的机制来实现匹配。实验结果表明,该算法可适用于多根纤维相互粘连或交叉的复杂场景,且有较高的分割精度。     

多种变异点诊断方法在黄河流域干旱监测中的应用

日趋频繁的干旱灾害对黄河流域的经济发展和人类生命安全构成重大危害,干旱的变异点识别是目前亟待解决的科学问题之一。文章针对当今普遍采用的参数统计和非参数秩检验方法,采用Mann-Kendall非参数秩次相关检验法、滑动T检验法、有序聚类分析法、Lepage法、B-G分割算法,以标准化降水蒸散指数SPEI作为气象干旱指标,对1961～2015年黄河流域干旱年份突变特征进行研究,进而揭示黄河流域的干旱变异规律。     

加权平均值的改进k-means算法

传统的k-means算法对噪声和孤立点数据是敏感的,少量的该类数据将会影响聚类结果的精度。针对此算法存在的问题,本文提出一种改进的k-means算法,该算法使用基于加权的改进k-means方法确定类中心。实验证明,改进算法大幅度地降低了聚类结果对噪声和孤立点数据的敏感性,提高了聚类正确率。     

基于核模糊c-均值聚类与阈值分割的SAR影像分割算法

由于SAR影像存在强烈的相干斑点噪声,传统的方法分割方法存在缺陷。文章在SAR影像分割研究中引入模糊聚类分析,设计了基于核模糊c-均值聚类与阈值分割结合的SAR影像分割算法,对SAR影像实现分割实验,通过实验分割结果的分析,证明了算法的可靠性。     

基于改进L_0梯度的织物沾水区域提取

针对目前织物沾水等级评定方法不能有效消除噪声干扰和减弱光照不匀影响,提出L0梯度最小化和拉普拉斯特征映射相结合的方法解决上述问题。根据织物沾水图像的边缘信息,对图像中的像素值沿x、y方向求导,利用非零梯度个数约束整体平滑程度,并保持边缘不被平滑;然后把图像转化为CIELAB模式消除光照影响,计算邻域内颜色相似度;根据拉普拉斯特征映射理论计算其广义特征向量,组成颜色平缓过渡的图像,并使用模糊聚类算法对去噪后图像进行聚类分割。实验结果表明,该方法能够有效实现织物沾水图像的去噪处理,得到正确分割的织物沾水区域。     

论DBSCAN算法在图像分割中分类的实现

本文介绍了一种基于密度的聚类算法（DBSCAN）的方法来对图像进行分割。DBSCAN是一种对数据进行分类的算法,运用到图像分割表现为对像素进行分类。本算法的主要研究内容包括：在图像分割中DBSCAN算法设计和DBSCASI算法实现。