基于遗传算法的模糊c-均值聚类算法

基于误差平方和准则的模糊c-均值算法(FCM)是一种典型的动态聚类算法,其求解结果通常是局部最优解;当模糊集合之间的并、交、包含运算采用传统定义时,在模糊c-均值聚类结果中还会存在无意义的聚类集.研究表明采用遗传算法进行模糊c-均值聚类(Fuzzy c-means algorithm over genetic algorithm,GFCM)时,不仅能够消除无意义的聚类集,而且还在一定程度上避免模糊c-均值算法收敛到局部最优解,为此设计编码、选择、配对交叉、变异等步骤.测试数据实验表明采用GFCM算法的结果优于FCM算法.     

基于模糊c-均值算法和遗传算法的新聚类方法

为了得到最佳聚类数和相应的每一类中的样本,文中首先介绍了一种新聚类方法,用该方法构造了一个既考虑类与类之间的分散程度、又考虑同一类紧凑程度的目标评价函数;再运用模糊c-均值算法(FCM)进行迭代,求得每一类的中心和隶属度值;然后运用遗传算法搜索全局极值点;最后运用该算法对我国全要素生产力进行了模糊分类．     

基于聚类原理自动确定小波边缘检测阈值

用小波进行图象边缘检测，在具体实现还需人工介入一阈值以消除噪声，应用时很不方便，基于小波边缘检测的特点，再利用模式识别中有关聚类的一整套方法，就可针对不同的图象自动确定阈值，从而消除噪声，以获得较好的边缘检测效果。     

基于NSCT和KFCM聚类的图像边缘检测方法

为进一步提高现有图像边缘检测方法的性能,提出了一种基于非下采样Contourlet变换(NSCT)和核模糊c-均值(KFCM)聚类的图像边缘检测方法.首先通过NSCT将原始图像分解成低频分量和高频分量;然后对含噪声较少的低频分量提取边缘信息,并采用KFCM聚类算法进行聚类得到低频边缘图像,以提高定位精度,而对于边缘细节信息较多的高频分量各个子带,通过模极大值检测边缘以减少伪边缘,丰富图像细节;最后对低频和高频图像边缘进行融合得到完整的边缘.实验结果表明,相比于Canny方法、边缘检测算子与模糊聚类结合的方法、边缘信息与混沌粒子群优化的模糊聚类结合的方法、NSCT域模极大值方法,文中方法具有更好的边缘检测效果,边缘定位准确、完整、连续、细节丰富.     

基于粒子群优化的核模糊属性c-均值聚类算法

为克服核模糊属性c-均值聚类算法易陷入局部最优解的缺点,提出一种新的基于粒子群优化的核模糊属性c-均值聚类算法.该算法根据核模糊属性c-均值聚类准则设计适应度函数,利用粒子群优化算法对聚类中心进行优化,在粒子迭代进化过程中采用动态调整学习因子,提高算法的优化性能.实验表明,本文算法优于单一使用核模糊属性c-均值聚类算法和基于粒子群优化的核模糊c-均值聚类算法,也优于目前常见的典型聚类算法.     

两阶段模糊c-均值聚类算法及其应用

针对模糊c-均值算法对初始值敏感、收敛结果易陷入局部极小值的缺点,提出了两阶段模糊c-均值聚类算法.首先通过恰当的贴近度(满足相似相近性)估计分类数,选取初始聚类中心;然后通过模糊c-均值算法进行聚类,最后对所得的聚类中心采用逻辑斯谛型的灰色模型进行预测.由于聚类中心具有统计特征,因此较好地克服了样本间的随机误差,灰色逻辑斯谛模型较好地克服了每个样本内误差.采用上述方法对全国30个省市农村居民年收入进行了分析和比较,得出了具有参考价值的结果.     

基于小波变换的齿轮图像边缘检测

在基于计算机视觉技术的齿轮测量中,齿轮图像中的边缘信息是极为有用的,它是进一步进行齿轮图像分割的基础,直接影响到齿轮几何参数测量结果的正确性和可靠性。传统的边缘检测算子大都是基于边缘的灰度不连续性利用梯度局部最大值或二阶导数过零点来检测边缘,容易受噪声干扰。文中采用图像的多尺度小波变换局部模最大值进行边缘检测。检测结果表明,此方法降噪能力强,定位精度高,克服了传统方法的缺点。     

一种基于小波变换的模糊聚类算法及其应用

为准确对输电线路故障性质、故障相等进行识别,提出一种基于小波能量比值的模糊C-均值聚类(FCM)算法,并研究了该算法在输电线路的永久性和瞬时性故障识别中应用的可行性.结合小波分析的时频分析能力、小波能量比值的特征提取能力和FCM的模式识别能力,建立一实际500kV输电线路的PSCAD模型,对单相故障产生时的暂态电流进行了聚类分析和识别.仿真结果表明:基于小波能量比值的FCM算法能较好地识别故障相与非故障相,且算法收敛速度快,识别结果准确.     

数字图像边缘检测的模糊聚类研究

数字图像的边缘检测实际上是一类聚类的问题,这些边缘由许多线段、曲线或平面和曲面所构成,组成了不同的类属和分割的区域,可以用在机器人视觉的模型识别、军事目标识别等领域。模糊聚类法（包括模糊均值聚类法和模糊球壳聚类法）具有不必事先对数据中的边界特征信息了解太清楚的优点,为此通过实验对其进行了有益的探索。     

基于小波变换的图像边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值来提取图像的边缘特征。实验结果说明了这种特征提取方法能够较准确地提取图像的边缘并有效地降低噪声。     

基于小波变换和模糊算法医学图像边缘检测算法

在医学图像三维显示技术中，需要得到单像素级的清晰轮廓线。为了适应这种需求，提出了一种边缘检测算法。它基于Mallat小波模极大值边缘检测方法，同时应用模糊算法构造相应的隶属函数，再对得到的极大值进行进一步筛选，最终可以得到单像素级的边缘。实验结果证明了该算法的可行性。     

基于可变邻域的小波变换的球团图像边缘检测算法

提出一种基于小波变换的球团图像边缘检测算法。Mallat等提出利用小波变换的局部极大值点来表征信号的奇异点，从而进行图像边缘提取。但小渡变换的局部极大值点的确定直接关系到边缘检测效果的优劣。提出一种基于模极大值的小渡变换的局部极大值点选择方法，实验表明，该方法比传统的图像边缘提取方法具有更好的效果。     

一种改进的基于小波变换的图像边缘检测算法

本文研究了利用小波变换对图像进行边缘特征提取的算法.传统的小波边缘检测算法检测到的边缘均有边缘定位不准确、边缘不连续等缺点.为了解决这些问题,本文对小波边缘检测算法作了一些改进.主要改进了以下两个方面:在图像边缘检测方面,检测小波系数模的相角方向上小波系数的局部模极大值点;在阈值选取方面,不再应用全局的单一阈值,而是选择动态双阈值.实验表明,本文方法在图像边缘的连续性比较好,边缘定位上比较准确,而且能很好地保留图像的细节信息.     

基于小波变换和数学形态学的航空图像边缘检测

为有效提取噪声较大的航空图像的边缘信息,对基于小波变换和数学形态学相结合的图像边缘检测算法进行了改进,将小波分解后的高频和低频子图分别进行边缘处理。对分解后的低频系数图像采用小波边缘检测方法,而对包含细节较多的高频系数图像则选取合适的结构元素,提出一种新的梯度算子,采用基于小尺度的数学形态学方法进行边缘检测,最后对2种边缘图像采用小波重构方法得到新的边缘图像。     

基于方向小波变换的边缘检测

定义了一种方向小波变换，并将其用于图像边缘检测．建立了它与Canny边缘检测子的关系．基于此提出的新的边缘检测方法，不仅可以有效地检测出图像的边缘，而且也可检测图像中某一方向的边缘．实验结果表明，新的边缘检测算法具有能检测方向性边缘、算法简单、计算量小、效果佳等优点．     

基于SAR图像滤波的小波模糊聚类算法

针对合成孔径雷达(SAR:Synthetic Aperture Radar)图像固有的相干斑噪声,提出了基于小波模糊聚类算法的去噪方法.该方法把信号和噪声的小波系数的分割看为一个两类模式分类问题.通过将小波系数幅值和高频子图像中的边缘信息作为聚类特征进行噪声系数分离,实现了精确分离小波系数,滤除相干斑噪声的目的.该算法不需要选择阈值和了解噪声的先验知识,有较强的数据自组织能力.实验结果表明,二维聚类滤波的信噪比提高了近8%,图像显示效果也得到了明显改善.     

小波变换在图像边缘检测中的应用研究

根据Morlet多尺度边缘检测的思想,对一幅图像f(x,y),对其进行小波变换,然后分别向3个方向上的小波基进行投影.此种方法对于检测具有方向性的图像有比较好的效果.实验表明,该方法得到满意的结果.     

基于多尺度小波算子的图象边缘检测

分析了传统的图像边缘检测算法及其存在的问题，论述了基于多尺度的小波分析进行边缘检测的算法，并以实例说明基于小波分析得图像边缘检测算子效果更优。     

利用小波域平滑和边缘保留的图像去噪算法

提出了一种基于小波域低频信号平滑及高频边缘保留的图像去噪方法.由于图像噪声主要集中在小波高频子图部分,且系数较小,常用的阈值去噪法存在阈值选取过大以致连同丢失掉边缘细节信息的缺陷,因此可以对高频子图提取边缘并保留和进行软阈值去噪处理后再融合;低频子图进行自适应维纳平滑滤波,进而得到重构出的去噪图像.实验结果表明,该方法在有效去噪的同时较好的保留了原有的边缘细节信息,效果明显.     

光学小波变换在图像边缘特征提取中的应用

小波变换是一种有效检测图像边缘的方法,但由于变换中维数倍增,造成计算量十分大。介绍用传统的4f光学处理系统实现小波变换。它在光学图像的边缘特征提取中能够很好地得到应用。最后给出计算机仿真结果。