基于模糊聚类的黎曼流形空间遥感图像分割算法

针对遥感图像蕴含目标的复杂性及成像条件导致的光谱特征变化明显等特性,利用高斯分布同时建模遥感图像邻域系统及目标的统计分布特征,将原始遥感图像映射到黎曼流形特征空间,以该空间曲面特性为基础,将传统模糊聚类算法与黎曼流形几何特征相结合,提出基于模糊聚类的黎曼流形空间图像分割算法.光学遥感图像及SAR图像相关分割实验验证了提...     

基于SVM聚类遥感图像的分割

要分析和理解遥感图像,首先要对遥感图像进行分割。文章将传统的聚类分析方法和支持向量机理论相结合,并进行了算法的改进,将支持向量聚类方法应用到遥感图像分割领域,对遥感图像进行分割。实验结果证明,应用该方法进行分割,能取得良好的分割效果,是一种有效的遥感图像分割方法。     

一种二型模糊可能性聚类红外图像分割算法

提出了一种新的基于二型模糊可能性聚类的红外图像分割算法。针对受概率约束的模糊聚类算法和不受概率约束的可能性聚类算法在红外图像分割时存在的问题,采用二型模糊系统融合两种分割算法的隶属度函数,将隶属度函数看作一个区间型分布,而不是单独采用两种算法输出的确定模糊值。这种处理方式不但能有效抑制噪声及野值,而且能有效防止红外图像的过分割。实验仿真结果表明,该算法较传统聚类算法能获得更好的分割效果,可有效抑制噪声对目标区域分割的干扰。     

结合引力模型的模糊聚类遥感图像水体分割算法

传统模糊C均值聚类算法在遥感图像水体分割中抑制噪声的能力弱且需人为设定的参数太多.针对这一问题,提出了一种结合引力模型的模糊聚类遥感图像水体分割方法.首先将模糊C均值聚类算法得到的模糊隶属度矩阵作为本文算法的初始隶属度矩阵,然后计算像素灰度值的局部标准差与局部均值的比率,并将归一化的比率作为加权因子来反映邻域像素对中心...     

基于模糊聚类的国画图像分割研究

国画图像分割是图像理解、计算机视觉等研究领域的重要内容。文章根据国画颜色有限性的特点以及视觉的颜色聚类特性,提出了一种基于模糊C均值聚类(FCM)的国画图像分割算法,实现对国画图像的分割。算法根据中国国画颜色以墨色为主,以墨破色的特点,通过选取国画图像每个像素点的灰度颜色特征,计算各像素点到各个聚类中心之间的欧式距离,并利用模糊C均值聚类的方法更新聚类中心,聚类结束后得到分类后的图像;再利用分类图像标识出分割图像,从而实现国画图像的分割。通过实验得出,算法有效地保证了各区域图像的完整,提高了分割的精确度。     

基于直方图的图像模糊聚类分割算法

针对传统模糊C-均值聚类算法对复杂的医学、遥感图像难以获得满意分割效果问题,将图像模糊C-均值聚类引入图像分割问题研究中,提出了基于直方图的图像模糊聚类快速分割算法。将越南学者Le提出的分布式图像模糊聚类算法目标函数进行简化,得到图像模糊聚类算法目标函数;采用拉格朗日乘子法获取其迭代求解所对应的隶属度、中立度、拒分度和聚类中心表达式,设计图像模糊聚类算法并对其收敛性进行了证明。通过复杂医学和遥感图像的分割测试结果表明,新的分割算法相比现有的模糊C-均值聚类分割算法和直觉模糊C-均值聚类分割算法具有更好的分割性能。     

改进的空间约束加权模糊核聚类红外图像分割

红外图像分割算法对复杂背景下的目标检测跟踪具有重要意义,提出了一种改进的基于空间约束的加权模糊核聚类红外图像分割新算法.在其中引入了红外图像像素间的空间位置约束关系和关于类别的结构信息,并定义了类别权重可靠性指数修正类别权重,不但抑制了红外图像中存在的噪声点和野值等干扰,而且可以保护红外图像中的小目标,防止被背景淹没.通过对实际红外图像的分割结果表明,该算法很大程度上减少了背景像素对目标识别的干扰,适于进行复杂背景下红外目标的准确分割.     

基于L_1度量的Type-2熵模糊聚类红外图像分割

为了准确实现目标识别,从红外图像的特点出发,提出了将L_1空间度量的二型(Type-2)熵模糊聚类算法应用干红外图像分割.该算法首先通过L_1空间度量样本点与类别中最大最小值的距离,代替了传统聚类算法中样本点与聚类中心的聚类,然后根据熵模糊聚类算法获得上模糊隶属度和下模糊隶属度两个隶属度函数,并采用二型模糊融合得到隶属度函数,其中给出了一种权重加权降型算法.通过对实际的红外图像分割表明,这种算法能准确地实现红外图像分割,自适应性强,鲁棒性好,能够在复杂背景下获得较为理想的分割效果.     

基于模糊聚类遗传算法的图像分割方法研究

图像分割是图像处理和图像分析的关键步骤,在图像工程中占据重要地位.模糊C均值聚类(FCM)算法是一种经典的模糊聚类分析方法,但其算法初始聚类原型是随机选取的,从而造成算法性能强烈地依赖聚类原型的初始化,将遗传算法强大的通用性应用于模糊聚类算法,对模糊聚类中心进行编码,然后依据FCM算法的目标函数建立适应度函数,选择适当的交叉率和变异率,最终实现基于模糊聚类遗传算法的图像分割.采用这种方法一方面能较好地解决模糊聚类对初始化敏感的问题,又能在一定程度上提高了分割速度.实验结果表明,该算法具有良好的分割效果.     

基于空间约束的模糊核聚类红外图像分割

提出了一种基于空间约束的模糊核聚类红外图像分割算法.首先将图像映射到特征空间,在特征空间内进行模糊聚类,针对红外图像中存在的噪声点和野值等干扰问题引入了像素点的八邻域局部空间约束信息,并定义了像素分类可靠性指数修正隶属度函数在整个图像范围内分析像素分类的合理性,其中像素分类可靠性指数包括像素分类灰度可靠性指数和像素分类距离可靠性指数.实验结果表明,这种考虑局部空间约束和整体空间约束的模糊核聚类算法可更有效地对红外图像进行分割.     

融合层次聚类的高分辨率遥感影像超像素分割方法

为解决遥感影像分割尺度自动选取难的问题,提出了融合层次聚类的高分辨率遥感影像超像素分割方法。首先采用自适应形态重建的分水岭分割算法将影像分割成多个超像素;然后提取各超像素的灰度特征向量;最后利用层次聚类方法进行超像素合并,实现高分辨率遥感影像的精确分割。实验选用4组景遥感影像;采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法有效提高了遥感影像分割精度,并取得了较好的分割视觉效果。     

基于核模糊C-均值和EM混合聚类算法的遥感图像分割

针对聚类算法在应用中分割速度慢、抑制噪声能力弱等问题,本文提出一种基于核模糊C-均值(Kernel Fuzzy Cmeans,KFCM)和融合期望最大化(EM)算法混合聚类的遥感图像分割。首先给原始KFCM算法引入隐含变量来对像素预定义类别,然后利用EM算法评价预定义的类别是否最优,以此完成对遥感图像的聚类分割。在利用EM算法进行评价时,对KFCM引入空间邻域信息,采用惯性权重对其初始化参数进行优化增强算法效率。与传统的聚类分割方法进行比较,研究结果表明,该方法速度快、效果好、精度也能满足应用要求,具有较高的应用价值。     

基于聚类技术的多阈值图像分割技术

多阈值图像分割中经常出现所选阈值数量不能事先确定的情况。为解决这一问题,提出一种基于聚类技术的多阈值图像分割方法,通过Mean Shift技术找出模式中心,通过迭代选择确定相邻模式中心的不同阈值,最后用多阈值完成对图像的分割。仿真实验结果表明,这一方法可有效应用于图像分割,并取得较好的效果。     

Scale aware remote sensing image enhancement using rolling guidance

Enhancement of remotely sensed images is a challenging problem, since the enhanced image has to have an improved contrast and edge information while preserving the original radiance values as much as possible. In this paper, a scale aware enhancement method based on rolling guidance is proposed for remotely sensed images. For each scale, a guidance image is defined and the approximation image is provided by an iterative joint filtering of the approximation and guidance images. Then the extracted details are amplified through an adaptive scheme and added to the final level approximation layer to provide the resulting enhanced image. A comparative study between the proposed methods with classical edge preserving filters and traditional methods have been carried out by using several criteria. The proposed methods have an average of 12% improvement for contrast gain (CG) metric and 81% improvement for enhancement measurement (EME) metric compared to the closest comparison method.     

基于压缩感知的高光谱遥感影像重构方法研究

高光谱遥感影像包含丰富的空间、辐射以及光谱信息,同时海量的数据也引发了高光谱成像技术在传输和存储方面的诸多问题。针对这一问题,根据高光谱遥感影像谱间相关性强的特性,提出了一种结合谱间多向预测的基于压缩感知的高光谱遥感影像重构方法。首先,根据高光谱遥感影像的谱间相关性对高光谱遥感影像的波段进行分组,每组确定一个参考波段,使用平滑l_0范数算法重构每组的参考波段。其次,根据重构恢复的相邻组内的参考波段,建立了一个非参考波段预测模型,用来计算非参考波段的预测测量值;然后,计算实际测量值与预测测量值的差值,使用SL0算法重构该差值得到差值向量;最后,利用得到的差值向量迭代更新预测测量值,直到恢复该波段原始图像。仿真实验结果表明,该方法提高了高光谱遥感影像的重构效果。     

Phishing web image segmentation based on improving spectral clustering

This paper proposes a novel phishing web image segmentation algorithm which based on improving spectral clustering. Firstly, we construct a set of points which are composed of spatial lo-cation pixels and gray levels from a given image. Secondly, the data is clustered in spectral space of the similar matrix of the set points, in order to avoid the drawbacks of K-means algorithm in the con-ventional spectral clustering method that is sensitive to initial clustering centroids and convergence to local optimal solution, we introduce the clone operator, Cauthy mutation to enlarge the scale of clustering centers, quantum-inspired evolutionary algorithm to find the global optimal clustering centroids. Compared with phishing web image segmentation based on K-means, experimental results show that the segmentation performance of our method gains much improvement. Moreover, our method can convergence to global optimal solution and is better in accuracy of phishing web seg-mentation.     

基于Shearlet变换的遥感图像增强

遥感图像具有整体亮度偏暗、对比度较低和目标与 背景区分不明显的特点,遥感图像增强技术对于改善图像的对比度、突出某些局部细节等起 着积极的作用,图像的多尺度系统已经成功应用在图像处理中。经典的多尺度系统曲波(Cur verlet)变换、 轮廓波(Contourlet)变换无法将连续性与数字世界进行统一处理,而Shearlet变换是目前多 尺度领域 内唯一满足这一性质同时还提供对图像的最优稀疏表示的多尺度系统。本文提出一种基于Sh earlet变换的遥感图像增强 算法,首先将遥感图像进行Shearlet分解,然后对Shearlet变换产生的低频系数进行模糊对 比增强,对各尺度各 方向的高频系数进行模糊增强。实验结果表明,本文算法增强的结果,在主观上能获得很好 的视觉效果,客观指标中图像熵和均值有了大幅度的提升。     

模糊算子在遥感图像特征提取中的应用

数据融合的概念应用在遥感图像的自动特征提取中,可以利用数据的互补和冗余来改善特征提取的性能。由于经典理论交集和并集的外延法不能得到满意的结果（相应的算子过于严格或是过于宽松）,对这两个具有对立特性的算子进行折衷,可以得到较为满意的结果。运用上下文依赖模糊算子实现这种折衷,对其加权因子的构造提出了新的设想和算法。参照计算机模拟的结果,分析和讨论了它的特点。     

Deep interactive image segmentation based on region and Boundary-click guidance

In interactive image segmentation, the target object of interest can be extracted based on the guidance of user interactions. One of the main goals in this task is to reduce the user interaction burden and ensure satisfactory segmentation with as few interactions as possible. Thanks to the development of deep learning technology, neural network-based interactive approaches have significantly improved the segmentation performance through powerful feature representation. Only limited point (click) interaction is required for the user to complete the segmentation. This paper mainly follows the deep learning-based interactive segmentation methods and explores more efficient interaction strategies and effective segmentation models. We further simplify user interaction to two clicks, where the first click is utilized to select the target region and the other aims to determine the target boundary. Based on the region and boundary clicks, an interactive two-stream network structure is naturally derived to learn the region and boundary features of interest. Furthermore, we also construct an information diffusion module to better propagate the region and boundary-click labels, which helps to enhance the similarity within the region and the discrimination between boundaries. Vast experiments on the popular GrabCut, Berkeley, DAVIS, MS COCO and SBD datasets verified the effectiveness of the proposed method.     

基于天空分割的改进型雾天图像增强方法

在大雾条件下图像对比度较低,近景能够分辨出的轮廓和颜色,而远景则往往隐藏于大雾当中,故提出一种改进型基于天空分割的局部直方图增强算法。该算法综合了天空分割、局部直方图算法和信息融合的优点。首先分割出天空区域,除掉干扰信息,定义天空颜色,再利用移动模板进行块重叠直方图均衡化处理,最后使用信息融合与原图加权的方法进一步完善图像细节。实验表明,该算法使原来失真的边界更柔和,视觉效果更好。