融合模糊聚类的变分水平集图像分割模型

针对在图像分割中变分水平集与模糊聚类都具有通过最小化目标函数来提取目标物体这一特征,提出了汲取两种方法优势、实现融合的新方法。该方法利用模糊聚类中隶属度函数的从属性质,建立了新的变分水平集能量函数模型,通过极小化能量泛函,获得了水平集函数演化的偏微分方程,实现了目标物体的提取。实验结果表明,该方法具有良好的分割质量与分割效率,验证了新模型的合理性与有效性。     

结合Mean Shift和聚类算法的服装图像分割

在服装图像处理与分析中,准确快速的图像分割是进行后续图像分析与理解工作的基础。在服装图像分割中为了克服K均值聚类算法的性能受初始聚类中心的选取影响的问题,提出了二次聚类的分割思想。先利用自适应的Mean Shift算法,得到区域数目n以及n个区域的类心向量,然后调用K均值算法进行二次聚类。与常用的分水岭分割算法的对比实验表明,提出的算法提高了原始K均值算法的时间效率与分割效果,最终的分割结果具有实用性。     

肝脏磁共振图像的混合聚类分割

针对医学图像的自动分割,提出一种混合聚类方法.在对图像预处理后,将每个像素的邻域特征向量送入自组织特征映射网络(SOM)中进行训练.作为初步聚类的结果,SOM的输出典型向量根据命中图过滤,由层次合并聚类方法进一步处理.采用图像分割量化指数来确定聚类的最佳类别数;通过后处理得到最后分割结果,分析表明该方法是有效的.     

基于MRF和混合核函数聚类的脑肿瘤图像分割方法

脑核磁共振图像经常存在较多噪声,并且边缘不清晰,使得传统的模糊C均值(FCM)聚类算法无法获得准确的脑肿瘤分割结果,为此提出一种基于马尔科夫随机场(MRF)和混合核函数聚类的脑肿瘤图像分割方法.首先采用粒子群算法初始化聚类中心;然后将传统核模糊聚类算法(KFCM)中的单一高斯核函数替换为混合高斯核函数;最后引入马尔科夫...     

基于加权模糊核聚类的发电机组振动故障诊断

对模糊C均值(fuzzy C-means,FCM)在机组振动故障诊断中存在不足,提出了一种加权模糊核聚类方法(weighted fuzzy kernel clustering,WFKC)。该方法用Mercer核将样本从输入空间映射到高维特征空间,在特征空间进行聚类,同时考虑到不同特征对聚类结果的不同影响,利用基于样本相似度的加权方法对特征进行加权,在特征空间实现加权模糊聚类。用3组标准测试数据集验证了该方法的聚类效果和分类准确性。最后将该方法应用于发电机组故障诊断,应用实例表明所提出的方法有效,诊断结果可靠。     

结合分水岭算法和WKFCM算法的MRI图像分割

针对传统分水岭算法对MRI图像过分割的缺点,提出了一种基于分水岭算法和改进核聚类算法的MRI图像分割新方法.首先,通过传统的分水岭分割算法将MRI图像分割成不同的区域,然后根据改进的核聚类算法,利用Mercer核将各个区域的平均灰度值映射到高维特征空间,使得原来未显示出来的特征显现出来.这样就可以实现更准确的聚类,用灰...     

基于FCM的快速模糊聚类算法研究

为改善FCM算法的运算性能、获得和原FCM算法等价的分类结果,本文提出了基于加权样本的fFCM（fast FCM）算法。此算法首先构造原待聚类集合的权集,并在权集上应用改进的FCM算法——WFCM（weighted FCM）算法快速获得和原FCM算法近似的分割结果;然后,将得到的分割结果作为FCM算法的初值再次利用FCM算法以获得最终的分割结果。理论证明和相关实验表明,fFCM不仅能获得和原FCM算法等价的分类结果,还具有良好的运算性能,具有广泛的适用性。     

基于改进PCM聚类方法的绝缘子图像分割

针对绝缘子图像背景复杂多样而导致提取绝缘子区域困难的问题,提出了一种改进的可能性C-均值聚类方法(PCM)对绝缘子图像进行分割。方法主要基于两个方面进行改进,一方面通过定义局部相关因子、引入图像的空间局部信息以增强对噪声的抗干扰能力、提高分割精度;另一方面通过在损失函数中加入类中心相斥项缓解传统PCM聚类中心点重合问题。实验利用人工合成数据和复杂背景的绝缘子图像对比该算法与FCM、PCM、K-means、KFCM和IFCM算法的聚类分割性能。结果表明改进PCM对噪声抗干扰能力更强、聚类精度更高,且对绝缘子图像的平均分割误差为0.153,相比其他对比方法对复杂环境下的绝缘子图片有更好的分割性能。     

AI优化模糊核聚类算法的变压器DGA分析

针对模糊聚类及核聚类算法在电力变压器DGA分析中存在的初值敏感及易陷入局部极值点的问题,提出了一种人工免疫优化模糊核聚类的新算法。该算法将基于克隆选择原理和亲和力成熟的免疫克隆算法与模糊核聚类算法相结合,采用群体搜索策略,将待分类的数据对象视为抗原(Ag),把聚类中心看作抗体(Ab),通过免疫系统不断产生抗体,识别抗原来优化FKCM的目标函数,能快速地获得全局最优解。仿真结果证明了该算法在变压器故障诊断上的可行性和有效性。     

基于差分进化算法的模糊核聚类算法及其 在故障诊断中的应用

针对模糊核聚类方法中,核函数参数的确定问题以及聚类结果的有效评价问题,提出采用差分进化算法进行核函数参数和聚类中心的同时寻优策略。并将Xie-Beni指标推广至核空间,设计了有效的适应度函数以实现聚类效果的提升。对所提出的方法进行数值试验,同时应用在电机轴承的故障诊断中,取得了不错的效果,验证了方法的可行性。     

基于小波核相似度量函数的谱分割算法

由于高斯核的参数敏感性,导致在传统谱分割中往往无法识别图像数据的部分特征信息,图像分割准确率下降。为提高图像分割准确率,构建了一种基于小波函数的核相似度量函数,利用小波函数的多分辨率特性,对图像进行相似度量;证明了该核函数是可容许核,分析了该函数作为相似度量函数的可行性及其多分辨率分析特性;最后,提出了基于该小波核相似度量函数的谱分割算法。在Berkeley数据库的实验结果显示,该算法能够提高图像分割结果的精度,识别图像中的细节信息。     

基于Lab和YUV颜色空间的农田图像分割方法

针对农田这种非结构环境下的图像分割问题,提出了一种基于Lab和YUV颜色空间的农田图像分割方法。该方法首先将获得的原始农田彩色图像分别转换到Lab颜色空间和YUV颜色空间,然后分别对Lab颜色空间进行Otsu阈值分割,对YUV颜色空间进行加权模糊熵分割,最后将2种分割方法得到的二值图像进行合并、滤波,以得到最终的分割图像。结果表明,该方法能够有效地实现农田图像的精准分割,并滤除噪声及抑制光照不均匀等复杂环境带来的影响,获得令人满意的结果。     

一种用于图像分割的改进FCM聚类算法

介绍了一种先采用离散K-L变换对采得的图像滤波,然后采用二维向量小波对图像进行特征提取,最后利用改进的FCM结合的图像分割算法对图像进行分割的算法。文章首先阐述了对图像进行K-L变换的原理,再利用二维向量小波变换对其进行分析得出图像特征,最后运用FCM算法的思想,对其进行改进方案,最后得出分割后的图像。实验结果证明,该方法显著提高了分割速度和精度,具有一定的使用价值。     

MRI image segmentation based on fast kernel clustering analysis

Kernel-based clustering is supposed to provide a better analysis tool for pattern classification, which implicitly maps input samples to a high-dimensional space for improving pattern separability. For this implicit space map, the kernel trick is believed to elegantly tackle the problem of “curse of dimensionality”, which has actually been more challenging for kernel-based clustering in terms of computational complexity and classification accuracy, which traditional kernelized algorithms cannot effectively deal with. In this paper, we propose a novel kernel clustering algorithm, called KFCM-III, for this problem by replacing the traditional isotropic Gaussian kernel with the anisotropic kernel formulated by Mahalanobis distance. Moreover, a reduced-set represented kernelized center has been employed for reducing the computational complexity of KFCM-I algorithm and circumventing the model deficiency of KFCM-II algorithm. The proposed KFCM-III has been evaluated for segmenting magnetic resonance imaging (MRI) images. For this task, an image intensity inhomogeneity correction is employed during image segmentation process. With a scheme called preclassification, the proposed intensity correction scheme could further speed up image segmentation. The experimental results on public image data show the superiorities of KFCM-III.     

基于区间二型模糊集的农田障碍物分割方法

针对非结构化农田环境下障碍物图像在应用传统算法进行图像分割时,效果不明显,容易受到水渍、阴影等外界环境影响等问题,提出了一种基于区间二型模糊集的农田障碍物图像分割方法。该方法将采集到的原始农田彩色图像转换到Lab颜色空间,提取出a分量并将其转换为灰度图像,对所得灰度图像进行模糊化处理,将其转换为区间二型模糊集,选择最大熵值所对应的灰度值对图像进行分割。通过实验和分析,本文算法能够更好地分割出农田障碍物目标,是一种有效的农田障碍物图像分割方法。     

一种基于指纹图像特征的图像分割算法

良好的指纹分割算法能够有效的提高特征提取精度和减少后续处理时间,在指纹识别系统的预处理过程中具有重要的作用。在分析了灰度均值计算方法和噪声对方差的影响之后,提出了一种基于指纹图像特征的图像分割算法。通过实验证明,这种方法对含有噪声的指纹图像的分割是有效的,且对不同类型的指纹图像有较高的适应性。     

基于点密度加权核模糊聚类的变压器故障诊断方法

变压器油中溶解气体分析(DGA)是电力变压器绝缘诊断的重要方法。针对模糊C-均值聚类算法(FCM)用于DGA时存在可分性差和等趋势划分等问题,用样本点分布密度大小作为权值,结合核函数的增强可分性,提出点密度加权模糊核C-均值聚类算法,并将其用于变压器DGA数据分析,从而实现变压器的故障诊断。实例分析结果表明该算法能快速、有效地对样本进行聚类,且特别适用于含有噪声样本的环境。     

基于GS-SVM的彩色图像分割算法

图像分割是图像分析、模式识别等领域的关键技术,为减少光照等因素对颜色的影响,增加图像分割质量,提出一种基于GS-SVM的彩色图像分割算法.首先提取图像RGB和HSI颜色分量,组合成样本的特征空间对支持向量机进行训练,训练时利用网格搜索法对支持向量机进行参数寻优,最后训练后的GS-SVM对彩色图像进行分割.实验表明该算法能够在网格范围内寻找全局最优解,分割精度达到95.6％,具有良好的精度和鲁棒性,且分割效果更加符合人类视觉特性.     

基于图像分解和区域分割的数字图像修复

提出一种基于图像分解和区域分割的图像修复新算法.首先,将图像分解为结构图像和纹理图像,然后根据分解的结构图像将其分割为不同区域,两区域间的边界线采用张量选举算法平滑连接;对各区域的结构和纹理图像分别采用基于紧支径向基甬数算法和自适应纹理匹配算法进行修复.最后将结构和纹理图像重新叠加在一起得到修复后的图像.该算法的优点是对图像的结构和纹理同时进行处理,实现对破损区域较大的图像进行有效修复;算法采用基于张量选举的区域边界连接和分区域修复,克服了单独使用径向基函数修复结构时产生边界模糊现象,采用的支径向基函数比普通的径向基函数具有较低的计算复杂度;丢失的纹理只在其所在区域内进行最优匹配搜索,大大减小了纹理搜索范围;纹理匹配块的自适应选择提高了纹理匹配的灵活性和准确性.实验证明,该算法能够稳定有效地处理各种较大的破损区域,并得到良好的图像修复效果.