基于核优化密度聚类的绿色苹果分割算法

苹果的可见光谱目标的高效、精准识别是实现果园测产或机器自动采摘作业的关键,由于绿色目标果实与枝叶背景颜色较为相近,因此绿色苹果的识别成为新的挑战。再由于果园实际复杂环境因素影响,如光照、阴雨、枝叶遮挡、目标重叠等情况,现有的目标果实识别方案难以满足测产或自动采摘的实时、精准作业需求。为更好地实现果园自然环境中绿色目标果实识别问题,提出一种新的核密度估计优化的聚类分割算法（kernel density clustering, KDC）。新算法首先利用简单的迭代聚类（simple linear iterative cluster, SLIC）算法将目标图像分割成不规则块,集结小区域内近似像素点组成超像素区域,计算单元由像素点转变为超像素区域,有效降低数据复杂度,且SLIC算法简化图像数据时可有效避免目标果实轮廓模糊;基于超像素构造R-B区域均值和G-B区域均值的二维特征分量,建立针对聚类分析的青苹果颜色特征空间。然后借助密度峰值聚类中心计算绿色苹果图像每个数据点的局部密度和局部差异度,为解决分割边界模糊问题,在计算过程中利用核密度估计计算局部密度,确保局部密度在不同复杂场景中的清晰准确表达,以更精准找出被低密度区域分割的高密度区域,实现任意形状的聚类。最后以局部密度和距离构造寻找聚类中心的决策图,该研究采用双排序算法实现聚类中心的自动选择,完成目标果实的高效分割。新算法通过SLIC算法获得图像的超像素区域表示,数据点的局部密度通过核密度估计得到,大幅降低算法的计算量,实现目标图像的高效、精准分割。为更好地验证新算法性能,实验采集多光照、阴雨等环境下的遮挡、重叠等复杂目标图像,以分割效率、分割有效性、假阳性、假阴性等指标进行评价,通过对比k-means聚类算法、meanshift聚类算法、FCM算法和DPCA算法,该研究提出的新算法分割性能均最优。     

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     

一种改进的弱光谱畸变PCA融合方法

针对用PCA融合方法进行高光谱遥感影像和高分影像融合会出现一定程度的光谱失真问题,提出了一种改进的弱光谱畸变PCA融合方法。采用NCUT(normalized cut)影像分割算法,将复杂的高光谱遥感影像对象化, 增加融合样本的线性可分性, 从而削弱传统PCA融合产生的光谱畸变;运用图论和聚类理论生成表达像素间相似度的权重矩阵和若干掩膜,并用这些掩膜切割高光谱影像与高分影像,再分别融合其对应匹配的子区域对象,最后将所有子区域融合结果拼接成一幅影像。使用Hyperion高光谱数据和Rapid Eye高分影像进行实验,结果表明：该方法在保证融合结果空间分辨率提升和纹理信息不变的前提下,光谱保真能力优于传统的PCA融合方法。     

基于颜色迁移和聚类分割的偏振图像融合方法

为克服当前偏振图像融合方法存在的不足,提出了一种基于颜色迁移和聚类分割的偏振图像近自然彩色融合方法.该方法首先将偏振参量图像映射到HSI颜色空间,再得到初步的融合图像后将它变换到YIQ颜色空间,并采用颜色迁移技术对其进行颜色修正.通过将修正后的图像变换到HSI颜色空间,并利用对线偏振度图像进行模糊C-均值聚类分割的结果...     

Automatic white blood cell segmentation using stepwise merging rules and gradient vector flow snake

This study aims at proposing a new stained WBC (white blood cell) image segmentation method using stepwise merging rules based on mean-shift clustering and boundary removal rules with a GVF (gradient vector flow) snake. This paper proposes two different schemes for segmenting the nuclei and cytoplasm of WBCs, respectively. For nuclei segmentation, a probability map is created using a probability density function estimated from samples of WBC's nuclei and sub-images cropped to include a nucleus based on the fact that nuclei have a salient color against the background and red blood cells. Mean-shift clustering is then performed for region segmentation, and a stepwise merging scheme applied to merge particle clusters with a nucleus. Meanwhile, for cytoplasm segmentation, morphological opening is applied to a green image to boost the intensity of the granules and canny edges detected within the sub-image. The boundary edges and noise edges are then removed using removal rules, while a GVF snake is forced to deform to the cytoplasm boundary edges. When evaluated using five different types of stained WBC, the proposed algorithm produced accurate segmentation results for most WBC types.     

基于图谱理论的纹理图像分析

图谱理论作为目前模式识别研究的热门方法之一,广泛应用于聚类与分割,但对其进行图像分析,尤其是复杂的纹理图像分析未见报道。将图谱理论引入到图像分析领域,并结合窗口纹理分析方法构造新的纹理分析算法。首先对图像灰度级进行窗口划分得到不同灰度级下的子图像,然后以各子图像作为图的顶点,子图像间的相似度作为图的边,将原图像解析为一幅带权无向图。利用图谱理论的相关思想对该无向图进行分析,可以从中获得纹理粗糙度等特征,从而完成对原始图像的分析。通过对Brodatz图像库的检索实验证明,该方法优于传统纹理分析算法。     

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。     

A modified region growing algorithm for multi-colored image object segmentation

A hybrid algorithm based on seeded region growing and k-means clustering was proposed to improve image object segmentation result. A user friendly segmentation tool was provided for the definition of objects,then k-means algorithm was utilized to cluster the selected points into k seeds-clusters, finally the seeded region growing algorithm was used for object segmentation. Experimental results show that the proposed method is suitable for segmentation of multi-colored object, while conventional seeded region growing methods can only segment uniform-colored object.     

复杂背景下钢索图像的纹理分割与边界识别

 针对复杂背景下钢索图像难以准确分割的问题,提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向,利用边缘方向密度直方图作为纹理特征,对与钢索纹理方向相应的边缘方向赋予不同权重,抑制纹理分割中背景的干扰,对钢丝绳图像进行聚类分割,采用检测平行直线的方法确定其边界,并根据算法参量对边界进行修正.在实验中,对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间,结果表明边缘方向密度直方图特征计算速度快、受背景干扰小,分割准确率高.本文方法无须预先训练,受背景干扰小,可以准确地识别出钢索并确定其边界,能满足钢丝绳视觉检测的要求.     

谱域OCT的印刷电路板三防漆厚度测量

三防漆是一种广泛应用在印刷电路板（PCB）的保护性涂层,可以有效保护PCB使其免受恶劣环境的损害。三防漆的厚度是评价三防漆涂层质量的关键指标,因此需要对三防漆涂层进行厚度检测。提出了将谱域光学相干断层扫描成像技术（spectral domain optical coherence tomography,SD-OCT）与图像分割算法相结合,实现对三防漆涂层厚度快速无损测量。为了提高测量精度,选用了宽带SLD光源（带宽：180 nm）来设计SD-OCT系统,系统轴向分辨率达到1.72 μm。同时设计了基于边缘跟踪的涂层分割算法来实现三防漆涂层的快速准确分割。为了评估所设计方法的准确性,利用传统的金相切片方法进行了三防漆的厚度测量,将测量结果与该方法测量结果进行比较,分析了两种方法检测到的涂层上下边界吻合程度以及厚度差异。此外,还将所提出的涂层分割算法与我们组之前研究的基于图像梯度的边缘检测算法进行对比,分析了两种方法在测量结果的准确性和运行效率方面的差异,以此来评估该方法的优劣势。结果表明,所设计的三防漆厚度测量方法与传统的金相切片方法的测量结果具有很好的一致性,可以准确地实现三防漆的厚度测量;基于SD-OCT系统的三维成像能力可以直观地看到三防漆厚度地形图,克服了传统的金相切片方法无法进行区域性的三防漆厚度测量的缺陷;相比之前提出的基于图像梯度的边缘检测算法,此方法测量结果更加准确,效率显著提升,具备实时测量的潜力。     

架构于双树轮廓波方向及相位特征的纹理图像分割

考虑到纹理的方向及相位特性,提出一种基于双树轮廓波变换的纹理图像分割新方法.双树轮廓波由塔型双树方向滤波器组构建,它不仅保持了轮廓波灵活的方向选择性,克服了传统轮廓波不具有移不变性的缺点,而且提供了复子带系数.本文以各方向子带的能量作为方向特征,复系数的平均相角作为相位特征,生成特征向量,利用模糊C均值聚类算法进行纹理图像分割.实验结果表明,相位特征是方向特征的有效补充,与传统方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善.     

一种基于色域分析与聚类分析的基色筛选

提出了一种基于色域分析与聚类分析结合的基色筛选算法。该方法对传统4色色域和目标高保真色域进行分析,筛选出4色色域外的特征点,并对其光谱反射率进行主成分分析,确定基色的个数m。以m作为分类数,对集合中特征色光谱反射率进行聚类分析,在m个分类光谱中选择和特征色平均光谱距离最远的m个光谱作为基色光谱,在基色库中选择和m个光谱相关距离最小的实际专色作为最终基色。实验结果表明,提出的基色选择算法能够准确估计出新基色的光谱反射率,最大程度实现了目标高保真色域的再现。     

基于图的加权核K均值的图像多尺度分割

提出改进的最小割(IMC)模型以避免分割出小的孤立点集,研究了改进的最小割模型与加权核K均值之间的等价关系,列举了几种常见的用于建立图割模型边权值的相似度函数,并分析了其对分割结果的影响.在此基础上.设计了一个摹于图的加权核K均值图像多尺度分割方法,该方法既避免了基于图割的图像分割中图谱的求解问题,又避免了加权核K均值方法中核矩阵的选取问题,同时实现了对图像多尺度的分割.通过对该方法进行抗噪性能的分析,以及在光学图像上对实验结果进行比较,验证了所提出方法的有效性.     

Magnetic-resonance image segmentation based on improved variable weight multi-resolution Markov random field in undecimated complex wavelet domain

To solve the problem that the magnetic resonance (MR) image has weak boundaries, large amount of information, and low signal-to-noise ratio, we propose an image segmentation method based on the multi-resolution Markov random field (MRMRF) model. The algorithm uses undecimated dual-tree complex wavelet transformation to transform the image into multiple scales. The transformed low-frequency scale histogram is used to improve the initial clustering center of the K-means algorithm, and then other cluster centers are selected according to the maximum distance rule to obtain the coarse-scale segmentation. The results are then segmented by the improved MRMRF model. In order to solve the problem of fuzzy edge segmentation caused by the gray level inhomogeneity of MR image segmentation under the MRMRF model, it is proposed to introduce variable weight parameters in the segmentation process of each scale. Furthermore, the final segmentation results are optimized. We name this algorithm the variable-weight multi-resolution Markov random field (VWMRMRF). The simulation and clinical MR image segmentation verification show that the VWMRMRF algorithm has high segmentation accuracy and robustness, and can accurately and stably achieve low signal-to-noise ratio, weak boundary MR image segmentation.     

彩色分割的航空影像房屋自动检测

航空影像房屋提取方法的研究中大多基于灰度影像的区域生长算法,此类算法不仅忽略了不同材质的房屋所呈现的光谱特征对提取结果的影响,而且过于依赖种子像素的选取,处理效率不高。为了从高分辨率航空影像中实现房屋的自动检测,综合利用彩色信息与屋顶材料的光谱特征,采用影像分割原理,研究了房屋自动检测的方法。首先对RGB与HIS彩色空间进行转换,利用HIS空间各分量间不相关的特点和屋顶材料光谱特征进行影像分割,分离出红色瓦片屋顶与灰色水泥屋顶区域,并利用标记分水岭算法实现房屋区域的初始分割;然后计算各标记区域内的色调均值选取种子像斑样本,进而以像斑为单元在色调分量中进行区域生长,最后经过消除小斑和矩形拟合优化处理,得到轮廓清晰的房屋区域。与传统的基于像素区域分割算法相比,该方法整个过程无需人工干预且均在一维彩色空间进行处理,计算量明显降低,同时采用改进的基于像斑区域生长算法能够兼顾邻近区域内像素的几何结构信息,使算法精度得到显著提高,采用上述方法对高分辨率航空影像进行了实验,结果证明该方法有着较高的处理效率和准确性,具有实用价值。     

基于加权LoG算子的红外弱小目标检测方法研究

提出一种基于加权LoG算子及形态学运算的方法来提高远距离红外弱目标检测效率。通过不同尺度的加权LoG算子对图像进行运算,提取响应值最大的特征图。对图像进行形态学运算去噪,并进行Otsu二值分割聚类。输出目标点在图像上的位置坐标。实验结果表明:该方法与传统滤波方法相比,信噪比增益为36.9,杂波抑制因子为4.7,均比传统滤波方法要好。     

A Clustering Approach for the Separation of Touching Edges in Particle Images

The occurrence of touching objects in images of particulate systems is very common especially in the absence of dispersion methods during image acquisition. The separation of these touching particles is essential before accurate estimation of particle size and shape can be achieved from these images. In the current work, clustering approaches based on the fuzzy C‐means algorithm are employed to identify the touching particle regions. Firstly, clustering in the multidimensional space of image features, e.g., standard deviation, gradient and range calculated in a certain neighborhood of each pixel, is performed to trap the touching regions. Then, in a novel proposed method, the clustering of pixel intensity itself into two fuzzy clusters is performed and a feature, referred to as the ‘Fuzzy Range', is calculated for each pixel from its membership values in both clusters and is presented as a distinguishing feature of the touching regions. Both approaches are compared and the superiority of the latter method in terms of the non‐necessity of neighborhood based calculations and minimum disfiguration is elucidated. The separation methods presented herein do not make any assumption about the shape of the particle as is undertaken in many methods reported elsewhere. The technique is proven to minimize greatly the deleterious effects of over‐segmentation, as is the case with traditional watershed segmentation techniques, and consequently, it results in a superior performance.     

基于自组织聚类和改进粒子群算法的语音转换方法

提出一种基于自组织聚类,并且利用改进粒子群算法确定转换模型参数的语音转换方法.该方法首先基于自组织特征映射网络对特征参数进行聚类,再对每个聚类分别建立转换规则,并且利用柯西变异的粒子群算法确定每个转换规则中的模型参数.与传统的单一转换规则相比,聚类后建立的多转换规则以及利用改进粒子群算法确定参数能够提高映射关系的准确度,避免参数陷入局部最优点。以女声转男声为例,主观测试表明该方法得到的转换语音与目标的相似度提高了27.6%,平均主观意见分(Mean Opinion Score,MOS)提高了0.6,客观测试也表明该方法谱失真最小,与目标的包络更接近.      

一种基于中性集和均值漂移的彩色遥感图像非监督建筑物提取方法

建筑物的纹理和光谱信息的多样性一直是自动化识别的瓶颈。针对此问题,提出了一种彩色遥感图像建筑物提取方法,该算法结合中性集和均值漂移,对转换到中性集空间的影像进行均值漂移分割,生成以影像中主要地物类型为核心的光谱类别图像,提取建筑物。通过中性集空间的增强及分割,克服了传统均值漂移分割稳定性低、光谱不连续及信息混杂的缺陷,避免了地物识别前提取连通区等操作。实验证明,提出的算法可以简捷、完整、准确、稳定地提取建筑物,满足高分辨率遥感影像建筑物的提取要求。