基于改进粒子群和自适应滤波的快速模糊聚类图像分割

为改进传统模糊C均值聚类(FCM)算法对初始聚类中心敏感、易陷入局部收敛、抗噪性差、计算量大的问题,提出一种新的基于改进粒子群算法的快速模糊聚类图像分割方法(PSOFFCM);方法首先利用自适应中值滤波对图像进行滤波处理,增强算法的鲁棒性;然后,将图像像素灰度值映射到二维直方图特征空间,作为聚类样本,优化FCM的目标函数,减少图像分割的计算量;最后,利用PSO算法代替FCM的梯度迭代过程,减弱了算法对初始聚类中心的依赖,同时增强全局搜索能力;实验结果表明,该方法不仅克服了FCM算法对初始聚类中心的依赖,而且抗噪能力强,收敛速度快,分割精度明显优于传统FCM。     

中医按摩机器人专家控制系统的研究

为改进传统模糊C均值聚类(FCM)算法对初始聚类中心敏感、易陷入局部收敛、抗噪性差、计算量大的问题,提出一种新的基于改进粒子群算法的快速模糊聚类图像分割方法(PSOFFCM)。方法首先利用自适应中值滤波对图像进行滤波处理,增强算法的鲁棒性;然后,将图像像素灰度值映射到二维直方图特征空间,作为聚类样本,优化FCM的目标函数,减少图像分割的计算量;最后,利用PSO算法代替FCM的梯度迭代过程,减弱了算法对初始聚类中心的依赖,同时增强全局搜索能力。实验结果表明,该方法不仅克服了FCM算法对初始聚类中心的依赖,而且抗噪能力强,收敛速度快,分割精度明显优于传统FCM。     

基于灰度直方图的MR脑组织的提取方法

根据脑磁共振图像(Magnetic Resonance Imaging,MRI)的灰度直方图中不同峰值对应不同的脑组织灰度分布的特点,提出了一种基于灰度直方图提取MR图像中脑组织的方法。首先,为了克服传统方法主观选择门限阈值等方面的不足,利用多项式曲线拟合灰度直方图获取区域生长门限阈值确定最优种子点,并结合形态学重构方法进行颅骨分离,对脑MR图像进行了预处理。然后,结合K均值聚类算法通过对灰度直方图多峰值的选取确定初始聚类中心,将颅骨剥离后的脑组织图像高效、精确地细化分割出脑脊液、灰质、白质。文中分别使用了模拟脑MRI数据以及真实脑部MRI数据进行测试,对分类结果进行定性、定量的分析,并与模糊C均值算法进行比较。结果表明,该方法提高了提取脑组织的工作效率和准确度。     

基于伪彩色融合图像聚类的夜视图像上色算法

提出一种将小波融合和基于伪彩色融合图像的C均值聚类用于图像色彩传递算法中的彩色夜视方法.在色彩传递前将可见光和红外图像进行小波融合得到灰度融合图像作为目标图像,保持了较好的纹理信息和目标信息;再对彩色源网像进行基于连接相对熵的彩色阈值分割;然后针对灰度融合图像的特点,根据一种基于伪彩色融合图像的C均值聚类方法,将伪彩色融合图像的彩色信息作为特征向量应用在夜视图像的分类当中,得到较好的分类效果,并基于此分类结果再进行色彩传递,得到更为自然的彩色夜视图像.实现了对夜视图像的自动色彩传递,得到的罔像色彩较真实.纹理清晰,将有利于人眼的目标识别.     

改进的K均值聚类红外目标检测方法

利用图像方差能很好地反映目标边缘信息的特点,提出一种基于方差的K均值聚类红外目标检测算法。利用形态学方法对红外图像进行预处理,运用相应的模板计算得到红外图像的方差图像,利用K均值聚类算法对方差图像进行聚类,从而分离出目标类别和背景类别。实验表明,该算法提取的红外图像中目标信息的兰德指数最高,说明该算法能有效地提取红外图像中目标信息,从而达到目标检测的目的。     

极值温差红外图像的自适应双局部增强算法

针对目前红外焦平面成像系统在观察目标、特别是极值温差目标时,各温度段灰度描述不均匀和细节不够的问题,提出了一种自适应红外图像双局部增强算法。详细介绍了通过空间分布和灰度统计特性两个方向实现对极值温差图像自适应增强的方法,该方法首先从红外图像的空间分布特性出发,将图像切割成多个局部图像,然后再从直方图灰度分布出发,将局部图像的直方图进行聚类分段,并对分段直方图均衡增强,最后对生成的每个局部图像增强结果进行线性插值拼接完成增强算法。通过在红外焦平面系统中实验证明了极值温差自适应的红外图像双局部增强算法的可行性,并获得了很好的效果,成像质量有明显提高。     

利用核模糊聚类和正则化的图像稀疏去噪

针对目前图像去噪方法噪音抑制不彻底、容易模糊细节等问题,提出了一种利用核模糊C均值聚类和正则化的图像稀疏去噪方法.该方法首先将图像分成大小相同的若干块,并采用核模糊C均值聚类算法对相似的图像块进行聚类,从而保证同一类图像块共享相同的稀疏去噪模型;然后,选择由经典图像库中图像训练而得的全局字典作为初始字典,很好地适应图像的多种特征;接着,对于同一类图像块,通过施加1/2范数正则化约束,实现该类图像块在字典下的稀疏分解,确保分解系数更为稀疏;最后,通过改进的K-奇异值分解算法完成字典的更新,并选择与原稀疏模型差异最大的图像块来替换更新字典的冗余原子,从而有效地去除图像噪音.实验结果表明,与小波扩散去噪法、固定字典去噪法、最优方向去噪法、K-奇异值分解去噪法相比,该方法能更有效地去除图像噪音,保留图像细节,改善图像视觉效果.     

基于引导滤波的自适应红外图像增强改进算法

在红外图像处理中,细节增强和噪声抑制尤为重要,重点在于将高动态范围的红外图像压缩至低动态范围的同时保留细节信息、抑制图像噪声。以引导滤波的自适应红外图像增强算法为基础,提出一种基于引导滤波的自适应红外图像增强改进算法。通过引导滤波平滑初始输入图像,将初始输入图像与平滑后的图像做差获得包含大动态温度信息的基础层图像和小动态温度信息的细节层图像,分别对基础层图像、细节层图像进行压缩处理和噪声抑制;以不同的融合比例将处理后的基础层图像、细节层图像进行融合获得输出图像。为了减少算法运算时间、突出图像细节信息的同时减小细节层噪声对输出图像的影响且达到自适应场景的效果,利用可用于筛选有效灰度值的自适应门限参数和直方图分布信息设计出一维压缩数组对图像进行压缩,并将图像融合中的定值比例系数更改为自适应融合比例系数。通过直方图分布信息中的最大值、最小值确定自适应门限参数,同时利用直方图分布信息设计出一维压缩数组对图像进行压缩;获取直方图中有效灰度值个数,通过有效灰度值个数与总灰度值个数之间的比值对图像的场景信息进行判断,根据不同的场景信息确定基础层图像与细节层图像的自适应融合比例系数,实现图像融合。实验结果分别与直方图均衡算法、基于引导滤波的高动态红外图像增强算法、基于引导滤波的自适应红外图像增强算法进行比较,选用四种不同的场景从主观、客观两种层面进行分析。对比结果从主观分析得出该算法处理后的图像可突出细节轮廓信息、减少细节层噪声对融合后输出图像的影响。从客观评价得出该算法在四种场景下的平均计算时间为0.753 5 s,低于对比算法计算时间;并且使基础层图像和细节层图像的融合比例系数达到自适应场景的效果。     

基于快速模糊C均值聚类算法的红外图像分割

 针对模糊C均值(FCM)聚类图像分割需要预先知道类别数及计算量较大的问题,提出了新的快速FCM改进方法。首先,利用边缘信息进行邻域搜索得到种子像素;通过区域生长快速获得区域分割类别数和对应的聚类中心值,并将图像分成确定类别的区域和未确定类别的区域;最后利用所得的聚类中心值和 FCM算法对未确定类别区域进行聚类。实验证明,本文提出的改进方法大大减少了计算量,显著提高了图像分割速度,而且由于聚类考虑了相邻像素点的关系,图像分割结果能够清晰地保留目标轮廓,提高了图像分割的质量。     

基于空间信息的直觉模糊C-均值图像分割算法

针对模糊C-均值聚类算法的单一隶属度不能充分描述图像不确定性,且聚类过程中忽略像素空间关系的问题,提出一种基于空间信息的直觉模糊C-均值算法;该算法选取3×3的模板计算邻域像素灰度均值;并引入权重项,来控制灰度信息和空间信息各自所占的比重,同时用犹豫度更新直觉模糊集的隶属度函数;对常用标准图像的仿真结果表明,该算法能更好地保留图像细节信息,得到更加理想的图像分割效果。     

结合稀疏编码和空间约束的红外图像聚类分割研究

提出了结合稀疏编码和空间约束的红外图像聚类分割新算法, 在稀疏编码的基础上融合聚类算法, 扩展了传统的基于K-means聚类的图像分割方法. 结合稀疏编码的聚类分割算法能有效融合图像的局部信息, 便于利用像素之间的内在相关性, 但是对于分割会出现过分割和像素难以归类的问题.为此, 在字典的学习过程中, 将原子的聚类算法引入其中, 有助于缩减字典中原子所属类别的数目, 防止出现过分割; 考虑到像素及其邻域像素具有类别属性一致性的特点, 引入了空间类别属性约束信息, 并给出了一种交替优化算法. 联合学习字典、稀疏系数、聚类中心和隶属度, 将稀疏编码系数同原子对聚类中心的隶属程度相结合, 构造像素归属度来判断像素所属的类别. 实验结果表明, 该方法能够有效提高红外图像重要区域的分割效果, 具有较好的鲁棒性. 关键词： 图像分割 稀疏编码 聚类 空间约束     

自适应红外目标特征增强算法

利用直方图均衡化和灰度变换增强算法,不能有效增强红外图像目标。鉴于此,在研究红外图像特点的基础上,提出了一种自适应红外目标特征增强算法。该算法先对红外图像进行中值滤波,滤除掉图像中的随机噪声,然后利用直方图分割将红外图像分为目标和背景2部分,通过线性加权叠加抑制背景和增强目标。实验表明,该算法不仅能够根据红外图像中目标的灰度特性自适应地选取直方图分割阈值,而且在去除噪声和增加对比度的同时还抑制了背景,达到了预期的效果。该算法尤其适用于目标和背景像素比例相近时直方图具有局域双峰特征的红外图像中目标的增强。     

Fault Feature Extraction for Reciprocating Compressors Based on Underdetermined Blind Source Separation

In practical engineering applications, the vibration signals collected by sensors often contain outliers, resulting in the separation accuracy of source signals from the observed signals being seriously affected. The mixing matrix estimation is crucial to the underdetermined blind source separation (UBSS), determining the accuracy level of the source signals recovery. Therefore, a two-stage clustering method is proposed by combining hierarchical clustering and K-means to improve the reliability of the estimated mixing matrix in this paper. The proposed method is used to solve the two major problems in the K-means algorithm: the random selection of initial cluster centers and the sensitivity of the algorithm to outliers. Firstly, the observed signals are clustered by hierarchical clustering to get the cluster centers. Secondly, the cosine distance is used to eliminate the outliers deviating from cluster centers. Then, the initial cluster centers are obtained by calculating the mean value of each remaining cluster. Finally, the mixing matrix is estimated with the improved K-means, and the sources are recovered using the least square method. Simulation and the reciprocating compressor fault experiments demonstrate the effectiveness of the proposed method.     

一种基于灰度变换的红外图像增强算法

针对红外图像，采用双门限分割法进行图像分割，然后采用分段灰度变换法进行图像增强。根据具体图像，通过人机交互的方式确定2个阈值，将图像分割为目标区、过渡区和背景区3部分；按照每一部分的特点，设计不同的灰度变换，对图像进行分段线性增强，得到感兴趣目标区的最佳视觉效果。通过对16位红外图像进行实验，得到了满意的结果。实验表明,该算法灵活便捷，在增加对比度和去除噪声的同时，还抑制了背景，达到了预期的效果。     

基于K-means聚类和SPIHT编码的红外图像压缩算法研究

提出了基于K-means聚类和SPIHT编码的红外图像压缩算法。通过采用小波域系数的SPIHT编码压缩,克服了JPEG标准压缩算法在低比特率下严重的方块效应;通过K-means聚类算法,克服了嵌入式零树编码算法（EZW）没有充分考虑到图像小波系数同一子带中相邻元素之间相关性的缺陷。实验结果表明,此算法对红外图像具有很好的边缘和纹理保持性能。     

A novel compression algorithm for infrared thermal image sequence based on K-means method

High resolution in space and time is becoming the new trend of thermographic inspection of equipments, therefore, the development of a fast and precise processing and data store technique of high resolution thermal image should be well studied. This article will propose a novel global compression algorithm, which will provide an effective way to improve the precision and processing speed of thermal image data. This new algorithm is based on the decay of the temperature of thermograph and the feature of thermal image morphology. Firstly, it will sort the data in space according to K-means method. Then it will employ classic fitting calculation to fit all the typical temperature decay curves. At last, it will use the fitting parameters of the curves as the parameters for compression and reconstruction of thermal image sequence to achieve the method for which the thermal image sequence can be compressed in space and time simultaneously. To validate the proposed new algorithm, the authors used two embedded defective specimens made of different materials to do the experiment. The results show that the proposed infrared thermal image sequence compression processing algorithm is an effective solution with high speed and high precision. Compared to the conventional method, the global compression algorithm is not only noise resistant but also can improve the computing speed in hundreds of times.     

Infrared Image Simulation Based On Statistical Learning Theory

A real-time simulation algorithm of infrared image based on statistical learning theory is presented. The method includes three contents to achieve real-time simulation of infrared image, such as acquiring the training sample, forecasting the scene temperature field value by statistical learning machine, data processing and data analysis of temperature field. The simulation result shows this algorithm based on ν - support vector regression have better maneuverability and generalization than the other method, and the simulation precision and real-time quality are satisfying.     

基于DDE技术分析的红外图像细节增强算法

在光电设备中,高位宽红外探测器由于具有高灵敏度、低噪声的特点而得到广泛应用。而通常的显示设备或快速处理只要求8位数据宽度,所以需要将高位宽的图像数据压缩至8位位宽。但是如果压缩方法处理不当,可能会造成原有信息丢失,在显示图像中表现为图像细节的损失。通过对FLIR公司数字图像细节增强（DDE）技术的分析,比较了DDE技术与以往常用红外图像动态范围压缩算法的区别,总结并提出了符合DDE思想的红外图像动态范围压缩细节增强算法,该算法在全面增强图像细节的同时能够抑制图像背景中的杂波,增强弱小目标,既满足图像显示的视觉效果,又有利于在图像上进行目标提取。     

奇异值非线性修正的低对比度红外图像实时增强

由于场景中目标与背景的温差相对较小,红外图像会存在对比度低、视觉效果差的问题,针对这一问题,提出一种基于奇异值非线性修正的红外图像对比度实时增强方法。该方法首先对红外图像进行奇异值分解得到其原始奇异值,然后采用一个对数型非线性变换对图像奇异值进行优化,最后根据修正的奇异值重构出对比度增强的红外图像。利用对数型非线性变换修正图像奇异值不仅能够有效拉伸奇异值的动态范围,同时可优化奇异值的变化梯度,使图像的能量信息得到更充分地表达,改善红外图像不良的视觉效果。实验结果表明,该方法较几种对比方法在视觉效果和客观评价方面均具有更优的增强性能;同时体现出良好的实时性,为实现红外图像的实时增强提供了新途径。