共查询到16条相似文献,搜索用时 843 毫秒
1.
针对传统模糊C均值(FCM)算法在图像分割时未考虑像元间的相互关系,且未事先给出初始聚类中心的问题,提出了一种考虑像元间相互关系的FCM聚类分割算法。该算法基于数据场原理,首先利用像元间的相互关系,通过计算各像素点的势值,形成图像数据场,然后利用图像数据场势心,确定FCM算法的初始聚类中心,最后在图像数据场的基础上,利用FCM算法实现对目标图像的聚类分割。利用人工合成图像和工件表面缺陷图像对算法的有效性进行验证,实验结果表明,该算法具有较好的分割效果,且对于条痕、脱碳、孔洞3种缺陷的不同噪声图像分割的正确率均在93%以上,同时具有较高的平均结构相似性。 相似文献
2.
一种改进的顾及像素空间信息的FCM聚类算法 总被引:7,自引:1,他引:6
标准的FCM算法对噪声比较敏感,主要是因为该算法没有考虑像素间的空间信息.为了克服这个不足,本文基于自适应加权均值滤波图像提出了一种用于图像分割的FCM改进算法.该算法通过修改Ahmed聚类算法中的目标甬数实现.利用该改进算法进行合成图像和真实图像的实验结果表明,相对于标准的FCM聚类算法和由Ahmed改进的算法,本文中提出的改进算法对于噪声更具有鲁棒性. 相似文献
3.
针对侧扫声呐图像斑点噪声强、目标分割困难的问题,提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法。为克服噪声干扰,该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度,提出SCFFCM算法,该算法用于给出一个较好的初始分割;接着由初始分割计算MRF模型的约束场,再根据图像邻域内灰度波动情况自适应更新结合权值,进而求解得到FCM模糊场与MRF约束场的联合场,并基于最大概率准则得到分割结果;最后,采用形态学去除分割结果中的孤立噪点,并完成孔洞填充。对仿真及实际的侧扫声呐图像的分割实验结果表明,所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力、更高的分割精度以及更快的运算速度。 相似文献
4.
由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。 相似文献
5.
6.
针对模糊C均值聚类算法中,聚类效果往往受到聚类中心数目和初始聚类中心的影响这一问题,提出一种基于多尺度自回归(MAR)模型与模糊C均值(FCM)聚类的声呐图像分割方法.引入MAR模型,建立层与层之间以及相邻层像素点间的数学关系,利用粗尺度图像的灰度-邻域均值二维直方图中的峰值个数来确定聚类中心数目,通过MAR得到的预测分割结果引导初始聚类中心的确定.实验结果表明,改进后的算法能准确、快速地确定聚类中心数目,并较好地解决初始聚类中心问题;与传统的FCM聚类方法相比,具有分割准确和收敛速度快的特点. 相似文献
7.
8.
9.
动态多目标优化的运动物体图像分割 总被引:1,自引:0,他引:1
对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割。根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比。结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95%,对图像识别的准确率可达到90%,具有较高的识别能力,能满足确定背景下运动物体的准确识别。 相似文献
10.
11.
用模糊聚类Fuzzy C-Means算法实现图像分割 总被引:1,自引:0,他引:1
本文描述了一种有效的Fuzzy C-Means(FCM)聚类算法的数学原理及其在图像分割中的应用,该算法的主要特点是提供了一种非监督的模糊聚类方式。为了减少计算量,文章引入了塔型数据结构PDS(Pyramid Data Structure),并对FCM算法的初始模糊矩阵的选取和实验结果进行了讨论。 相似文献
12.
一种利用边缘直方图压缩的FCM加速算法 总被引:1,自引:0,他引:1
FCM(fuzzy C-means clustering)算法在图像分割中应用较为广泛,但其运算时间开销过大的缺点限制了它的应用。现有的利用一维直方图进行聚合从而压缩样本数量的方法虽然加快了运算速度,但随着压缩的增强分割效果明显变差。本文利用图像的边缘点能够更多地表现图像细节特征的特性,通过利用边缘点灰度值的统计信息作为聚合的特征,使数据压缩相同程度时分割效果更好更稳定,并且在压缩程度的选择上更加灵活,从而更适合数据位数较高的图像分割。而且其运算速度较FCM算法也有几十倍的提高。 相似文献
13.
14.
针对传统分割算法难以实现高分辨率多光谱图像分割的问题,本文提出一种利用高斯混合模型的多光谱图像模糊聚类分割算法。该算法采用高斯混合模型定义像素对类属的非相似性测度,由于该算法具有高精度拟合数据统计分布能力,故可以有效剔除噪声对分割结果的影响。同时,引入隐马尔科夫随机场(Hidden Markov Random Field,HMRF)定义邻域作用的先验概率,并将其作为各高斯分量权值以及KL(Kullback-Leibler)信息中控制聚类尺度的参数,从而增强了算法对复杂场景遥感图像的鲁棒性,进一步提高了算法的分割精度。对模拟图像和高分辨多光谱图像分割结果进行了定性定量分析。实验结果表明:模拟图像的总精度达96.8%以上。这验证了本文算法在分割高分辨率多光谱图像时具有保留细节信息的能力,而且也证实了算法的有效性和可行性。该算法能够实现高分辨率多光谱图像的精确分割。 相似文献
15.
16.
FCM聚类算法和粗糙集在医疗图像分割中的应用 总被引:12,自引:0,他引:12
本文通过结合FCM聚类算法和粗糙集,提出了一种新的图像分割方法。首先,以不同聚类数情况下FCM的分割结果为依据构建属性值表,基于属性构成的不可分辨关系将图像分成多个小区域;然后,通过值约简获得各属性权值并以此为依据,计算各区域之间的差异度,进而通过差异度定义的等价关系,实现各区域相似度评价;最后,通过相似度定义的最终等价关系实现区域合并,完成图像分割。该方法在人工生成图像和大脑CT图像及MRI图像的分割中得到验证,实验结果表明,本文方法和FCM方法相比,可以降低错分率,且对模糊边界区域的分割效果较好。 相似文献