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。     

一种二维直方图阈值化图像分割的后处理方法

在灰度图像的二维阈值化分割方法中，存在部分可能的噪声或边缘点，而没有对其进行处理或处理很草率，针对这个不足，提出了一种进一步将这种点归类，提高分割质量的后处理方法，该方法通过考察这种点的8-邻域或16-邻域内的其他点的分布情况，比较这些点到相应的邻域中分属于目标和背景的两类点中心之间的距离，将这些点分割到距离较小的一类中，以达到将图像中的所有点进行归类的目的，实验分析表明，这种后处理方法提高了分割的准确性，减少了分割错误。     

基于二维灰度直方图的模糊熵分割方法

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，因此提出了基于二维灰度直方图的模糊熵分割算法．此算法根据像素点灰度值和其邻域灰度均值，建立二维灰度直方图，并在对应目标和背景的像限内构造像素点对目标和背影的隶属度函数，从而去除噪声和边缘像素对图像分割的影响．最后通过求模糊熵的极值，得到二维图像分割点．实验结果证明，该方法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，而且可以方便地推广到其他一维熵分割中．     

基于灰度最优阈值的图像分割方法及应用

讨论了在对图像进行分割时的一维、二维灰度直方图分割方法，对最优阈值灰度分割方法原理进行了描述，得出了最优阈值灰度分割算法。实验结果表明：利用此算法对图像进行分割能够得到较好的分割效果。     

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.     

CT图像的模糊聚类分割

本文描述了模糊聚类Fuzzy C-Means(FCM)算法实现CT图像分割的方法和过程,该算法的主要特点是提供了一种非监督方式的模糊聚类,它可满足CT图像工作站以非监督方式分割图像的要求。 介绍了CT图像模糊分割的特点,并对实验过程和结果进行了讨论。     

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。     

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.     

塔型模糊C-均值聚类图像分割方法

分割较复杂的二维灰度图像时 ,采用塔型模糊C -均值聚类 (PFCM)方法 ,由于该方法充分利用了图像的灰度信息和空间信息特征向量 ,因此比仅只利用图像的灰度信息来进行图像分割的图像信息熵分析法效果要好 .而且 ,在稳定性、收敛速度方面 ,该方法优于非塔型模糊聚类算法 .     

二维灰度直方图上的距离判别分割方法

在图像的二维灰度直方图上,通过距离判别的方法得出在其上进行聚类划分的依据,即一条二次曲线．用此曲线进行分割的优点在于能考虑到二维灰度直方图上的所有像素点．理论分析和实验结果都表明,此方法较二维灰度直方图上的其它阈值分割方法优越．     

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.     

一种基于模糊C均值聚类的图像区域分割方法

提出一种基于模糊C均值聚类的彩色图像区域分割方法。该方法首先选用适当的彩色空间对图像中的每个像素抽取颜色、纹理及空间位置等综合特征;然后,利用模糊C均值聚类方法进行聚类,利用提出的确定最佳聚类簇数的方法,确定聚类簇数、中心等参数;根据每个像素的隶属函度,将像素初步划归不同的组,利用连接原理对图像区域进一步分割,并提供了图像描述特征。实验结果表明,该方法分割效果很好。     

基于图像直方图与模糊核聚类的分割方法

利用图像直方图与模糊核聚类知识,提出一种新的分割方法,即先获取直方图数据信息结合期望值理论获得初始聚类中心,然后对图像进行模糊核聚类分割.本算法可以解决模糊核聚类算法对初始的聚类中心等信息较敏感的问题.实验结果表明,与标准的模糊C-均值(FCM)聚类分割方法相比,具有更优越的分割性能,分割结果与实际图像更为接近.     

基于轮廓波变换的模糊聚类图像分割

提出基于轮廓波变换的模糊聚类图像分割算法,从变换域的角度提高传统聚类算法的抗噪声能力.首先用轮廓波变换对含噪声图像消嗓,然后再进行聚类图像分割.实验结果表明:新算法能够获得较好的图像分割效果和质量.     

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.     

基于遗传算法的超声检测图像分割识别方法

基于钎焊电触头焊接质量超声成像无损检测的原理，针对超声图像分割过程中阀值难以确定的问题，以灰度图像的直方图熵作为评价标准，把图像阈值分割问题定义为一个优化问题，利用遗传算法寻优的高效性；搜索到能使分割质量达到最优的分割参数－－图像分割阈值，据此阈值可以区分出超声图像中的缺陷部分与焊合区域，因此对于后续的焊接缺陷识别具有重要的意义，实验结果表明，该算法分割切实可行，有效地缩短了寻找阈值的时间。     

图像分割的阈值法研究

阐述了阈值分割法的基本原理,介绍了常用的阈值选取方法,并实现了全局阈值和动态阈值对图像的分割,给出了实验结果,分析了阐值法的特点,讨论了阈值法在图像分割中的应用。     

基于模糊散度的图象分割

从模糊集合的观念出发，将交叉熵和模糊散度应用于图象分割，先讨论类间最大模糊散度分割算法，接着分析类内最小模糊散度分割算法。最后对这两类算法的适用性和通用性进行了比较。