一种新的图像模糊散度阈值化分割算法

为提高灰度图像分割的效果,提出了一种新的基于图像间模糊散度的阈值化算法及它在多阈值选择中的推广算法。算法采用模糊集合分别表达分割前后的图像,通过最小模糊散度准则实现图像分割中最优阈值的自动提取。算法针对图像阈值化分割的要求构造了一种新的模糊隶属度函数,克服了传统Ｓ－函数带宽对分割效果的影响。将其与多种经典的阈值化分割算法一起,对不同类型的测试图像进行分割比较的结果表明,新算法有很好的通用性和有效性。     

基于特征散度的模糊彩色图像分割算法

为提高算法的普适能力,提出了一种新的基于特征散度的模糊彩色图像分割算法(FDCIS).算法引入了特征散度和模糊相异性函数来度量差异性,利用特征散度进行数据聚类,实现图像的区域融合.实验证明,算法较好地降低了彩色图像大样本数据的运算量,简单而有效地解决了过度分割现象,避免了聚类算法对初始条件的依赖性,与人的主观视觉感知具有良好的一致性.     

基于最大散度差的保序分类算法

分类算法主要存在问题:(1)无法充分利用样本的分布特征;(2)无法保持样本的相对关系不变;(3)无法解决大规模分类问题。对此,提出了一种基于最大散度差的保序分类算法RPCM,该方法利用线性判别分析算法中的类间离散度和类内离散度来表征样本的分布特征,通过保持各类样本中心相对关系不变来实现样本相对关系不变。理论分析表明:RPCM的对偶形式与最小包含球等价。在核心向量机的基础上提出了RPCM-CVM算法,该算法可用来解决大规模分类问题,标准数据集上的比较实验验证了所提方法的有效性。     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

模糊Tsallis熵及其在图像阈值分割中的应用

对于图像处理、模式识别与计算机视觉来说,图像分割是一种重要的技术。在众多图像分割技术中,阈值化技术由于其简单及有效性得到了广泛应用,而阈值的选择则成为其中一个关键的问题。模糊集理论在许多领域得到了成功的应用,如,控制、模式识别、医学等。可以认为,在进行图像处理时,人们自然地把一些模糊因素考虑进来,如,图像边缘、区域、纹理等术语的定义。基于非广延统计力学熵原理,提出了构建模糊Tsallis熵,同时也证明了在图像分割中,模糊Tsallis熵是基于Shannon原理的模糊熵的推广。基于最大熵原则,把模糊Tsallis熵应用于图像阈值分割,在合成及真实图像分割实验中,显示了所提出的模糊熵的有效性。     

一种基于模糊理论的特定边界快速搜索算法

提出了一种基于模糊理论的特定边界快速搜索算法．定义了邻点像素区域隶属度函数和梯度边界隶属度函数,并由此导出边界点隶属度函数,最后根据最大隶属度原则得到新边界点的求法．     

一种基于模糊测度的自动多门限图像分割

在模糊特征域上提出一种基于模糊隶属度，模糊测度的图象自动门限分割方法，提出了Ｘ及Ｙ的分割应满足的条件，实践证明，该方法和其它方法相比较，效果较好。     

基于改进树种算法的模糊聚类图像分割

元启发式人工智能优化算法应用于模糊聚类图像分割一直是研究热点.树种算法(TSA)是一种比较有效的智能优化算法,但标准TSA中的固定判断参数ST影响算法的收敛速度.为此,提出了随迭代次数逐渐增大的变量,并且将步长因子构造相应的非线性递减函数,使得迭代初期侧重于树种的全局搜索而后期侧重于局部搜索,提高TSA算法收敛的精度和速度.将改进TSA算法用于模糊C均值聚类算法(FCM)聚类中心生成的过程得到基于改进树种算法的模糊聚类(ITSA_FCM),这一举措能有效地避免FCM陷入局部最优.改进的算法具备优异的聚类效果和较快的运行速度.     

一种基于模糊熵划分的边缘检测算法

基于信息论中最大熵原理,提出了一种基于梯度图像的模糊划分边缘检测算法。该算法首先根据图像边缘的特点和类型构造出新的梯度算子,再根据梯度图像自然划分以及2-划分的关系得到模糊2-划分条件熵,基于最大模糊条件熵原则实现梯度图像划分中最优阈值的自动选取,实现图像的边缘检测。仿真实验结果比较表明,该算法用于边缘检测能获得较好的效果。     

模糊连接度在图像分割中的应用研究

图像分割是图像处理与图像分析的关键步骤。由于人的视觉特性和数字图像本身所具有的不确定性因素,使得图像分割是典型的结构不良问题。在解决这方面问题时,模糊集合理论能产生比较好的分割结果。将模糊连接度方法应用于图像分割,使得模糊集理论在图像分割中的应用又前进了一步,基于模糊连接度的分割方法进行了综述,主要介绍模糊连接度方法,相对模糊连接度方法,模糊连接度和Voronoi图分类结合的方法,模糊连接度和FCM方法相结合的方法,模糊连接度上增加属性检测的方法。并简要讨论了各种方法的优点以及应用情况。     

基于模糊阈值的图象分割方法

叙述了采用模糊阈值进行图象分割的基本原理，提出了简化资格函数形式和采用直方图中值滤波处理方法，算法简单直观，计算机仿真表明图象分割结果比较理想．     

基于改进遗传算法的二维模糊熵图像分割算法

 图像分割是图像分析的基础。实际应用中,待分割图像的可变性较大,且时常混杂噪声,因此在很多情况下,基于一维直方图的经典图像分割算法常束手无策。近年来,基于二维直方图的二维图像分割算法已逐渐成为图像分割的热点。本文针对基本遗传算法在优化二维模糊熵图像分割算法中存在的易于早熟的不足,提出了一种改进的遗传算法。提出的改进遗传算法通过定义适应度极值距离,实现了进化过程中“代内”和“代间”的模糊评价。较之基本遗传算法,改进算法对个体的评价更加合理、客观和科学,而且算法整体收敛性能和全局搜索能力显著提升。实验结果表明,将其应用于二维模糊熵图像分割算法的优化,可显著提高算法的执行速度。由于引入模糊评价,本文提出的算法虽然较之基于基本遗传算法的二维模糊熵图像分割算法在时间开销方面虽略有增加,但获得的分割效果更佳。     

运用模糊连接理论分割非连通图象

本文提出了一种利用模糊连接理论讨论非连通图象的分割方案．该方案较好地利用了图象本身的模糊特性，修正了模糊连接强度的定义，从而成功地实现了分割数字、字母和汉字这样一些连通的或非连通的图象．它克服了Ｊ．Ｋ．Ｕｄｕｐａ算法仅能分割连通图的缺点．同时论文中还讨论了分割灰度图象和彩色图象的模糊连接强度定义及有关参数的选择方法．实验例子证明了这种方法的有效性．     

基于模糊聚类与二维阈值的图像分割

针对图像的二维阈值分割,采用了一种快速二维阈值分割与模糊聚类相混合的方法,以进一步减少二维阈值分割中的噪声与错误分割,实验结果表明,利用这种方法分割信噪比较低的图象,能够在很短的时间内得到更为满意的分割结果。     

基于直方图偏差约束的快速模糊C均值图像分割法

为了解决传统模糊C均值（FCM）聚类分割算法计算耗时的问题，提出了在直方图偏差约束条件下的快速FCM图像分割算法．通过对原始图像重新采样以减小FCM算法数据处理的数量，利用平滑后归一化直方图的距离偏差作为约束条件来计算合适的采样率，以控制重新采样产生的图像失真，得到满足正确分割所需要的阈值，并在采样率计算中采用黄金分割法搜索满足约束条件的采样率．实验结果表明，在保持传统FCM聚类算法分割效果的前提下，所提算法的分割时间分别仅为传统的FCM、二维熵、Otsu等算法的3．0%～11.2%、9.2%～30．2%和15.0%～52．0%.     

模糊聚类算法在痕迹图像分割中的应用

针对痕迹图像在比对与识别中的预处理要求,以图像像素灰度和邻域信息的二维矢量为聚类样本,以二维直方图确定阈值数,采用对样本进行加权的模糊c均值聚类算法对痕迹图像进行多阈值分割处理.实验结果表明,基于样本加权的模糊聚类算法速度快,对痕迹图像有较好的分割效果.     

基于模糊最大类间方差的图像分割算法

阈值分割是一种被广泛使用的图像分割技术,其技术关键,确定合适的分割门限。为了体现图像中因模糊不确定性产生的信息量,本文在Ostu算法的基础上引入隶属度的概念,提出了模糊最大类间方差法。通过利用亚采样图像获取分割门限,提高了算法效率。实验仿真结果表明：该方法在分割质量上取得了很好的效果,时间复杂度也有所降低。     

基于图像熵的快速Chan-Vese模型分割算法

提出了基于图像熵的快速Chan-Vese模型分割算法.该算法利用实时图像熵自适应计算模型能量函数中的拟合参数以提高分割速度,并通过检测熵在曲线形变过程中的变化来判定曲线演化的稳定态.实验表明.针对含噪严重、目标模糊且边缘不连续的红外图像目标检测,所提出的分割算法可以取得精确、高效的分割结果.     

一种改进的模糊核聚类图像分割算法

模糊核聚类算法已广泛应用于图像分割领域,然而该算法对初始值的选取、噪声以及图像灰度不均匀比较敏感.针对该问题,提出了一种改进的模糊核聚类图像分割算法.将改进的最大类间方差法(Otsu)引入模糊核聚类算法中,结合图像的概率信息和空间信息,得到了一种高效、实用的图像分割方法.实验结果表明,改进算法具有较强的抗噪能力,较高的分割精度,可以用于工程实际.