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。     

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。     

基于K-means聚类算法的问卷分割设计

市场调查中的问卷设计由于沿袭传统调查冗长而复杂的方式,已成为当前互联网和移动互联网背景下市场调查的突出矛盾,造成受访者合作率下降、调查中断、数据异常等不良影响,从而导致调查质量下降,消费者洞察出现偏差.解决该问题的一个思路是使用问卷分割技术,而在进行具体的分割之前需要进行变量的分组.针对此类问题,本文提出了基于K-means聚类算法的问卷分割设计的变量分配方法,根据问卷问题之间的相关性,结合问卷调查目标,将一份较长的问卷分割成若干短问卷,并随机分配到不同的样本中去填答.本文结合实证详细阐述了问卷分割设计的具体过程,该设计可以作为市场调查设计和固定样本管理的一个新兴工具,在改善项目回答率和提高调查数据质量方面加以应用.     

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。     

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。     

一种基于镜头聚类的视频场景分割方法

为了更好地进行视频信息检索和浏览,提出了一种利用视觉和运动特征来进行场景分割的方法,该方法在把镜头聚类到场景中时,不仅考虑同一场景内镜头的视觉特征相似性,而且还考虑了镜头的运动特征的一致性。此外,为避免过度分割,还提出了一种方法用来合并过度分割出的场景。实验结果表明,这种方法是有效的。     

图像分割算法的应用与评价

图像分割是一种重要的图像技术,在理论研究和实际应用中都得到了人们的广泛重视,图像分割的方法和种类很多,没有标准的分割方法。本文从图像分割的定义入手,具体论述了当前应用比较广泛的图像分割算法的理论基础、关键技术及其应用范围,最后对图像分割算法的评价进行了分类研究。分割算法的评价不仅可提高现有算法的性能,对研究新的分割评价技术也具有指导意义。     

数据挖掘中聚类算法的研究

随着数据挖掘技术的发展,作为数据挖掘中重要方法之一的聚类分析,先后出现了许多聚类算法。这些聚类算法均有其自身的优缺点。为了方便用户找到适合的聚类算法,本文根据不同的聚类原理对聚类算法进行分类,并概述了各类算法的发展情况。针对聚类的典型要求,归类出了一些有代表性的算法,同时对它们进行了分析和评价。文章最后给出了几种常用聚类算法的性能比较,并对聚类算法的发展进行了展望。     

改进的模糊聚类算法

隐节点中心的选取一直是各种RBF神经网络学习算法面临的主要问题之一,主要针对隐节点中心的选择问题,在研究减法聚类和模糊C-均值聚类算法优缺点的基础上,提出了改进的模糊聚类算法.仿真实验表明,改进的算法增强了网络对离群点的鲁棒性,同时缩短了网络的训练时间.     

岩石骨料图像阈值分割算法的比较研究

通过对“基于灰度直方图“和“基于梯度直方图“两类典型的阈值分割算法进行比较和研究,得出背景一致的岩石骨料图像适合于采用最优阈值算法与最大类间方差法进行分割的结论.     

基于MPI的并行聚类算法

文章针对单机聚类算法的可扩展性和效率低下的不足,提出一种并行聚类算法--K-mean并行聚类算法.在基于MPI的并行环境上,通过试验验证,该算法显示出较高的效率.     

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。     

如何在Web挖掘中使用聚类算法

首先介绍了聚类的概念,然后提出了用模糊聚类算法对Web事务进行聚类。在聚类的相似性度量上,不再单纯地以访问次数或浏览时间来度量,而是采用用户浏览离散化时间为度量。该算法比传统算法准确性高,运行时间少,扩展性好。     

基于神经网络的超声医学图像自动分割

图像分割是多维超声医学图像重建中最重要和最困难的问题。文中将传统的最近邻分类方法与自组织神经网络相结合，提出了一种超声医学图像的自动分割方法。实验表明，与传统的Ｋ平均方法相比，该方法除具有自动分割优点外，还具有稳定性好，自适应强，分割准确等优点。     

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     

基于分布模型的层次聚类算法

提出了一种新的层次聚类算法,先对数据集进行采样,以采样点为中心吸收邻域内的数据点形成子簇,再根据子簇是否相交实现层次聚类。在层次聚类过程中,重新定义了簇与簇之间的距离度量,并以此为基础建立堆结构。利用估计数据点总体分布的思想,证明该算法将逼近最优解。实验结果表明,算法的聚类效果大大优于现有的聚类算法。     

基于非下采样Contourlet变换和分水岭算法的图像分割方法

图像分割技术在数字图像处理中占有非常重要的地位。提出基于非下采样Contourlet变换的图像分割方法,有效地将非下采样Contourlet变换与数学形态学中的分水岭算法结合起来,既减少了分水岭变换的过分割现象,又有效地保持了图像中的边缘信息。实验结果表明,此方法是可行的,并能得到良好的分割效果。     

一种基于最大模糊熵的高斯聚类算法

介绍了一种新的模糊聚类方法，定义了模糊熵，提出了基于最大模糊熵的模糊聚类的方法，得到了一种新的聚类算法——GCM算法。该算法的物理意义清晰，有明确的数学含义，相对于传统的FCM聚类算法，其聚类效果更好。     

一种结合邻域信息的FCM图像分割新算法

提出一种结合邻域信息的FCM图像分割的新算法.将空间邻域信息引入隶属度函数,改进空间函数,并对隶属度进行上下截集半模糊化处理,最后修正隶属度的硬划分矩阵,提高了图像分割质量.实验结果表明,新算法在增强算法抗噪性的同时能够更有效地进行图像分割.