基于区域生长算法的彩色遥感图像分割

与普通彩色图像相比,遥感图像一般具有模糊、不均匀性等特点.提出了一种针对遥感图像的多区域彩色图像分割方法,该方法首先对彩色遥感图像进行预处理,然后结合K-mean聚类算法和区域生长算法分割目标区域,并利用数学形态学方法对分割结果进行后处理.实验结果表明,本文所提出的方法对彩色遥感图像能获得较好的分割效果.     

卫星图像分割的聚类算法

文章首先阐述了图像K-L变换的基本原理,然后再对处理后的图像应用ISODATA,FCM等方法进行图像分割,最后运用FCM算法的思想,改进方案,将聚类与传统图像处理方法相结合,对街区卫星图像进行分析,实验结果表明,改进的方案明显提高了卫星地图图像的分割速度和精度。     

基于空间模糊聚类的图像分割优化算法

针对传统模糊C-均值(FCM)算法抗噪性能差的问题,提出一种新的基于空间模糊聚类的图像分割优化算法.该算法通过在传统FCM算法基础上加入图像特征项中像素间的空间位置信息,解决了传统FCM对噪声敏感的问题,增强了算法的鲁棒性.实验结果表明,对于添加5%Gauss噪声的图像,该算法可实现有效分割,分割效果显著优于传统FCM算法.     

改进的基于模糊C-均值聚类的图像分割算法

目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.     

基于区域生长的红外图像分割

该文采用区域生长的方法 ,结合人工智能 ,针对红外图像中目标相对较小、灰度值与视场中目标物体的热辐射量相关的特点 ,选取相应种子点根据灰度相似性判决生长出目标区域。结果表明 ,采用这种方法具有一定的针对性 ,能够有效地分割出目标物体     

基于分水岭变换和核聚类算法的图像分割

提出了一种基于分水岭变换和核聚类算法的图像分割算法．通过分水岭变换把图像分割成多个小区域,为实现过分割小区域的合并,利用Mercer核把各小区域的灰度平均值映射到高维特征空间,使原来没有显现的特征突现出来,在特征空间进行更准确的聚类,为下一步图像分析提供较为准确的分割区域．实验结果证明了该算法的可行性和有效性．     

一种视频序列中二值图像的快速聚类算法

针对现有算法时间效率低且不稳定的缺点,提出了一种视频序列中二值图像的快速聚类算法,其通过对图像标号的方式构建反映聚类像素点密度分布的密度树,然后通过对密度树底层节点的删除实现二值图像的聚类,使得算法的时间效率高而稳定,最差时间效率只与图像尺寸有关,并且可以有效屏蔽噪声的影响、实验结果证明所提算法的时间效率和聚类质量都有显著提高。     

基于改进的FCM聚类算法的图像分割

本文从利用空间信息的角度进行了研究,从邻域距离约束的角度出发,提出一个新的聚类目标函数,得到基于邻域距离约束的FCM图像分割算法。将该算法用于人工图像和实际图像的分割实验,实验结果表明了该算法的有效性以及对噪声的鲁棒性。     

基于区域生长的生物医学图像交互式分割算法

本文着重研究了交互式的分割算法,即由使用者给出图像中包含目标的感兴趣区域,再利用算法对该区域进行分割。文中在对基本区域生长算法的特点进行分析后,提出了一种基于边缘强度的区域生长算法。     

基于K均值算法的数据聚类和图像分割研究

K均值算法利用K个聚类的均值作为聚类中心,通过对比样本到各聚类中心的距离,将样本划分到距离最近的聚类中,从而实现样本的聚类.分析了K均值算法的基本原理和实现步骤,并将其应用于数据聚类和图像分割,取得了较好的聚类效果.最后,针对K均值算法的不足之处,提出了改进措施,提高了K均值算法的聚类性能.     

基于自动多种子区域生长的遥感影像面向对象分割方法

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础.     

融合模糊连通图和区域生长的MRI脑组织图像分割算法

针对磁共振脑组织图像中存在灰度不均匀,不利于分割的问题,提出了一种应用模糊连通图和区域生长的MRI(Magnetic Resonance Imaging)脑组织图像分割算法。首先用大津法对脑组织进行粗分割,得到脑白质部分的大致轮廓,。然后计算粗分割结构的中心点,根据中心点得到图像的模糊连通图。最后用区域生长算法对模糊连通图中的脑白质进行更精确的分割。试验结果表明,此方法能够精确的得到脑白质轮廓的边缘,并且大大降低了区域生长种子点位置和阈值选取对分割结果的影响。     

一种新的基于区域生长的彩色图像分割算法

为克服一般区域生长算法对初始种子点选择以及生长顺序鲁棒性较差的问题,提出了一种鲁棒于生长顺序的彩色图像区域生长算法.首先计算所有像素点的局部颜色直方图以及领域相似性指标(neighbor similarity factor,NSF);其次通过NSF值建立种子的选取准则、种子的生长准则以及生长的终止准则,对图像进行初分割;最后对未分类点进行重新分类得到最终分割结果。通过与JSEG算法比较发现,该算法在运算时间以及分割准确性具有明显优势。     

基于PCNN模型的区域生长图像分割

提出了一种结合区域生长算法和脉冲耦合神经网络进行图像分割的方法.该方法将待分割图像的像素点映射为PCNN模型中的神经元,把改进的脉冲耦合神经网络模型的点火频率同区域生长的理论结合起来进行图像分割.实验表明该方法分割的图像与传统的分割法相比具有边缘信息更加完整,区域划分更加准确,分割效果更能符合人眼视觉的识别特征.     

基于区域生长法的医学图像分割研究

医学图像存在感兴趣区和背景区，感兴趣区是分割的重点。针对基于区域的分水岭分割算法中通常存在的严重过分割现象，而采用2点措施来改进：一是以梯度图像的浮点活动图像取代梯度图像进行分水岭变换，使边缘定位更准确；其二是以基于面积和对比度控制的合并小区域准则，有效抑制过分割现象，同时满足感兴趣区的分割要求。实验表明该算法简单有效，能够得到符合人类视觉系统特性的分割结果，边缘定位精确度较高。     

一种基于粒子群的模糊聚类图像分割算法

针对图像分割特征具有交叉重叠现象、其类属的划分存在不确定性的分割问题,模糊聚类分割算法具有较强的优势,但其速度慢且容易陷入局部最优以及对初始值的设置敏感等问题.根据粒子群优化算法具有全局寻优能力,同时还具有较强的局部寻优能力,能更快收敛于最优解的特点,提出了一种基于粒子群的模糊聚类分割算法.实验证明,该算法相比传统的模糊聚类分割算法,具有更快的收敛速度和更高的分割精度.     

基于区域增长和三角分割的局部纹理映射算法

为增强三维场景中物体的真实感,展现物体局部细节特征,文章提出了一种基于区域增长和三角分割的局部纹理贴图映射算法。该算法以用户指定点为中心点,将包含该点三角面作中介面,通过将邻接平面展平到中介平面上,在一定范围内扩展该映射区域,计算区域内顶点纹理坐标。对于部分超过范围的三角面,通过求切线交点的方法进行三角分割,直至获得贴图的合适映射区域。算法成功应用于针织物外观模拟展示系统,很好地实现了在不规则三维物体上的局部区域纹理映射。     

考虑对象方向关系的密度聚类算法

 聚类分析是数据挖掘的一个重要研究方向.为了在大规模空间数据库中发现任意形状的聚类,Martin Ester等提出基于密度的聚类算法DBSCAN.针对DBSCAN处理聚类边界对象的不足,提出了聚类时考虑对象方向关系的改进算法,实验表明,改进算法在不改变时间、空间复杂度的情况下能得到更好的聚类结果.