流形距离的自动免疫克隆聚类图像分割算法

聚类算法在对图像进行分割的过程中要面对如何自动确定聚类类别数、如何克服图像特征点分布复杂的流形结构、如何减少算法的运行时间。针对这些问题,提出了流形距离的自动免疫克隆聚类图像分割算法。自动免疫克隆聚类算法可以自动确定聚类个数,不需要人为事先给定,并且确保全局收敛;使用流形距离可以反映空间分布复杂的流形数据;使用超像素而非像素来降低图像分割的时间等问题。通过对4组人工数据集和4幅自然图像进行实验,对比k-means算法、GCUK算法,结果表明该方法优势比较明显,具有一定的实用性和先进性。     

改进分水岭算法与K-means方法结合的图像分割

针对分水岭分割算法存在的过分割及对噪声敏感问题,提出一种基于K-means聚类算法与改进分水岭算法结合的图像分割算法,首先,利用K-means聚类算法进行初始聚类分割,提取感兴趣的目标;然后,提出基于4-邻域相似度的改进分水岭算法,对K-means初始聚类图像应用改进分水岭算法分割目标区域。从100幅人骨医学图像提取人骨区域,实验结果表明所提出算法可解决分水岭算法的过分割问题,且有效分割了图像目标。     

基于核聚类的MRI和PET医学图像分割方法

为提高MRI、PET等医学图像分割的精度和速度,提出了基于核聚类的MRI和PET医学图像分割方法,通 过利用Mercer核,将原本简单的样本特征映射到更复杂的高维空间中去,放大了样本特征间的差异,这样能快速 准确地分割样本。实验表明,基于核聚类的分割方法在医学图像处理中具有重要的应用价值。     

基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合，是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率，提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制；然后通过塔形分解来缩减聚类样本集；最后利用加权FCM聚类算法进行分类。仿真结果表明，该方法的效率明显优于标准的FCM算法。此外，为确定分割的最优类别数c，还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度，实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。     

基于特征表征的单幅图像超分辨方法（英文）

基于稀疏表示的图像超分辨是近年信号处理中的研究热点,快速准确地找到图像的稀疏表示系数是该方法的关键。该文提出了一种基于特征表征的算法来求解图像块的稀疏表示系数。受压缩感知理论启发,使用联合训练的字典来进行图像超分辨。特征表征算法在每一次迭代中,通过确定稀疏系数的符号,将求解的非凸问题变为凸问题,有效提高所得稀疏系数的准确性和超分辨算法速度。仿真结果显示,与插值法和经典的稀疏表示法比较,特征表征法可以得到更好的主观视觉评价和客观量化评价。     

基于模糊集和k-means算法的变压器红外图像分割

针对k-means算法的k值选定和复杂背景下红外图像误分割问题,提出了一种结合模糊集理论和k-means算法的改进方法。该方法根据灰度级直方图估计k值,在获得k值的基础上,利用直方图均衡化和模糊集理论进行图像增强,然后通过k-means算法结合数学形态学的开运算,再进行图像分割。实验结果表明,该方法获得了更为准确的聚类结果,同时实验对比发现该方法相较其它方法分割效果更好,又兼顾了快速性和变压器温度细节表现能力。     

基于L0梯度最小化和K Means聚类的织物缺陷检测研究

为了控制产品质量,保障织物的美观和舒适性,针对织物表面的缺陷,课题组提出了一种基于L0梯度最小化和K Means聚类的缺陷检测方法。主要分为2个步骤：首先,使用L0梯度最小化将缺陷图像进行平滑,去除背景纹理的影响,保留图像较大的边缘;然后,使用K Means聚类对平滑后的图像进行聚类,从而分割出缺陷区域。将该检测方法用于纺织厂收集的缺陷图像上进行验证,实验结果表明该方法能准确地检测出织物表面缺陷。该项研究提高了检测效率,满足织物生产的要求。     

块运动估计的研究进展

运动估计是根据视频序列中时间上相关的信息估计场景或目标的2维运动向量场的过程。运动估计在超分辨率图像复原中的作用是把所有低分辨率观测帧的像素映射到参考帧的相应位置。精确的运动估计是超分辨率图像复原的关键。基于块的模型是超分辨率图像复原中常用的运动估计方法。介绍了块运动估计的概念,概述了4类快速块运动估计的方法,详细描述了第1类方法中几种主要算法的搜索过程,并将多种快速块匹配算法进行了总结比较。     

核偏最小二乘算法的图像超分辨率算法

提出了基于核偏最小二乘算法(KPLS)回归的超分辨率复原算法。该算法首先将高低分辨率图像块的高频信息和中频信息作为建立回归关系的特征,并对图像进行分块;依据相应的高低分辨率图像块的关系,使用KPLS建立起回归模型;在复原时,依据该模型回归得到高分辨率的图像块,将图像块拼接为高分辨率的图像。通过对人脸图像和车牌图像的实验结果,表明该算法无论是对人脸图像还是车牌图像都能取得较好的复原效果。     

一种基于时序的层次轨迹聚类算法

聚类相似的运动轨迹,获取对象主要运动特征是轨迹路径聚类的目标之一。本文针对轨迹路径数据量大、传统整体轨迹聚类算法效率低等问题,提出了一种基于时序的层次轨迹聚类算法(hierarchical trajectory clustering algorithm based on time series,HTCTS)。算法首先将完整的轨迹数据按一定的时间间隔进行分割,然后对分割的子路径分别聚类,最后在对聚类子集进行二次聚类,生成最终的聚类结果。实验结果表明:HTCTS算法在聚类效率和聚类质量上高于整体轨迹聚类算法。     

一种应用于药品泡罩包装检测的改进分水岭算法研究

针对分水岭算法存在的过分割问题以及泡罩包装药品图像的特点,提出一种改进的分水岭分割算法对泡罩包装的药品进行分割。该方法将形态学重建运算与使用控制标记符的方法相结合,首先对原图像进行开闭重建,根据邻域像素连通性提取重建后图像的局部极大值作为标记,从而抑制其他的局部极小值,然后依据标记对原始的梯度图像进行修正,最后对修改后的梯度图像进行分水岭分割。试验表明,该方法在缺陷药品检测中,可以有效的抑制传统分水岭的过分割,分割效果良好。     

激光共聚焦序列图像基于特征的分割方法

采用fluo-4标记的乳鼠心肌细胞钙离子实时激光扫描共聚焦光学切片呈现为点状分布的荧光图像,并且受到噪声的严重干扰,细胞荧光图像在分布上没有连续的边缘;而采用处理静态荧光图像的方法处理这种图像存在很大的困难。该文就心肌细胞Ca2+离子定量研究过程中遇到的问题,提出一种基于马尔可夫场和空间点模式特征聚类相似性测度的自适应图像分割算法。该算法能以统一的标准从不同深度的光学切片中分割出需要分析的细胞钙离子活动区域,对其他利用激光共聚焦技术做动态分析的研究有很好的参考价值。     

海面目标快速分割算法的研究

在计算机视觉的分析方法指导下，研究以海面上的军舰为目标的快速分割算法。该算法基于区域分裂和合并的方法，充分利用了区域像素在空间上的连续性和区域的边缘特征，对多个实验图像序列，均有较好的分割效果，且运算量小，便于并行处理，能达到实时的要求。     

基于FCM的动态结合全局图像阈值分割

全局阈值分割对于小目标物效果不理想,动态阈值容易产生阴影等干扰,但综合考虑全局阈值和动态阈值可以达到比较理想的结果。模糊C均值算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,该文在不明显增加运算量的前提下,利用模糊C均值自动聚类的功能分别得到全局阈值和动态阈值,完成对阈值矩阵的构造和图像的分割。     

遗传模糊C-均值聚类算法应用于MRI分割

通过分析知经典的将图像分割成C类的常用的模糊C-均值聚类算法(FCMA)依赖于初始聚类中心的选择,通常得到的是局部最优解而并非全局最优解,又由于遗传算法能搜索到全局最优解,因此将遗传算法(GA)与FCMA相结合,对MRI直接进行聚类,利用遗传算法搜索全局最优解,从而有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对MRI的分割,得到了比较满意的效果。     

采用图像滤波的多特征JPEG盲检测

提出了一种采用锐化滤波的多种特征相结合的JPEG盲检测算法。通过扩展DCT系数的马尔可夫矩阵提取块内相关性和块间相关性;引入锐化滤波来增强图像的边缘,加强了分块特性度量的效果;并使用Jessica的校准技术来估计原始图像,得到两个图像特征向量之差作为分类特征,提高了特征的敏感度;最后运用支持向量机进行训练和分类。使用大量图像对该算法的性能进行测试和比较,结果表明该算法在低嵌入率下优于其他算法。     

机械零件图像表面瑕疵的检测算法

针对机械零件表面瑕疵检测问题,将机器视觉技术用于零件表面图像瑕疵的提取和分析,提出一种基于粒子群 优化算法加权模糊C均值聚类的零件缺陷图像智能分割算法,精确定位了机械零件表面的瑕疵区域。缺陷的形状特征 是判断其类型的重要依据,提取缺陷的形状特征,设计支持向量机分类器来检测划痕、裂纹、砂眼等表面瑕疵。研究结果 表明,该方法具有较强的实用性,在实验数据库上达到90%以上的正确识别率。     

基于全卷积深度学习模型的可抓取物品识别

目前,工业机器人识别可抓取物品大多是先通过图像传感器收集作业场景信息,然后通过粒子滤波或条件随机场等各类相关算法提取可抓取物品的像素块特征来进行的。但是,这些可抓取物品的识别方法都存在着在同一像素块内部不同类别像素有误差,只考虑邻近区域、而不考虑全局信息和结构信息等问题或缺点。为此,在引入基于像素点的全卷积网络(fully convolutional networks,FCN)的基础上,提出了基于FCN的改进模型进行可抓取物品识别,其优势在于该模型经过学习能够预测各个像素所属物品类别的概率,并且能将结果恢复成为背景与前景分割的图像,从而识别作业场景中可抓取物品的位置与类别。由于FCN模型不限制输入、输出图像的尺寸大小,所以它克服了传统卷积深度学习模型的缺点,同时也考虑了全局信息与结构信息。以康奈尔抓取数据集(cornell grasping dataset,CGD)作为实验样本对提出的改进模型进行验证。实验结果表明:改进后的全卷积深度学习模型的正确率较全卷积深度学习模型提高了6.2%,同时该方法也可用于其他分割前景的感知任务。     

基于细胞逻辑、形态特征图像分割新算法

在MATLAB软件中结合细胞逻辑形态特征提出了一种图像分割和计数的新算法这种算法的主要思想是通过逻辑运算拉氏变换和数学形态学运算的处理首先提取细胞图像中的逻辑信息再根据细胞特有的圆形椭圆形形态特征将细胞从整个背景中进行分割处理并根据逻辑信息形态特征实现了血细胞图像的简单计数实现了特定血细胞的单独分割其算法简单可靠     

基于联合聚类的国家风险集成预测方法研究

准确预测国家风险能够有效降低一国在对外贸易中期望收益受损的可能性。然而,国家风险构成复杂、诱因多样且具有突发性,使得精准预测国家风险面临严峻挑战。为此,提出了一种基于BIRCH嵌套AP算法的联合聚类集成预测模型。通过设定移动窗口并使用BIRCH算法压缩并建立聚类特征树,利用AP算法对特征结果进行聚类并选定评估聚类簇;然后,计算单体模型在聚类簇中的预测表现,选取表现最佳的模型作为集成预测的输出。选取沙特阿拉伯、科威特、伊朗、利比亚4个欧佩克成员国的ICRG数据进行仿真实验以验证模型的预测性能,实验结果表明：在不同提前期下所提模型呈现出优异的预测表现,尤其在方向性精度上表现出显著且稳定的优势。