一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

一种新的二维最大熵图象阈值分割方法

根据最大熵原理提出了一种用二维最大熵获取二值图象的新方法，介绍了用梯度－区域灰度均值二维最大熵求取阈值的原理和过程。计算机仿真结果表明，采用本文提出的阈值分割方法，对于直方图平坦的灰度图象处理效果尤为理想。     

结合图像局部信息的高斯混合型图像分割框架

针对现有的基于判别型或聚类型的图像,用分割方法无法处理被噪声污染的图像的现状,提出一种新的两步式图像分割框架。该框架首先利用图像的局部信息重塑图像的灰度直方图,增强了像素的类间散布性和类内紧凑性,然后将现有的基于判别型或基于聚类型图像分割方法在重塑图像上执行,从而提高了现有图像分割算法的有效性和鲁棒性。文中用典型的聚类型方法高斯混合模型来说明该框架的可行性。由于框架的两个步骤具有独立性．因此可推广到现有的其他基于像素或直方图的方法。在人工和真实图像上的实验结果证明,这种两步图像分割框架可以获得有效且鲁棒的图像分割结果。     

一种图像分割方法的实现

本文基于模糊数学理论中的模糊Ｃ－均值聚类算法，将其思想用于图像分割。通过与其它经典方法的比较，证明了这种方法具有较好的处理效果和较强的抗噪能力。     

联合模糊c-均值聚类模型

提出一种新的结合了模糊c-均值聚类（FCM）算法和可能性c-均值聚类（PCM）算法优点的联合模糊c-均值聚类（AFCM）算法。它克服了PCM对初始值敏感、易产生一致性聚类的缺点，是PCM的扩展算法。试验表明：AFCM能同时产生隶属度和典型值，从而更好地处理噪声，避免了一致性聚类，同时提高了聚类准确性。     

一种基于合成孔径聚焦图像的目标测距方法

基于合成孔径聚焦图像提出一种新的目标测距方法。该方法利用小孔成像模型摄像机获取与目标视线垂直的等间隔线阵机位图像序列,并将线阵与目标视线交点处机位的图像作为基准图像。根据图像序列获取各距离段所对应的像差校正叠加图像,计算基准图像中每个像素的邻域与每一幅像差校正叠加图像中相应区域的相似度,并选取相似度随像差校正叠加图像变化的范围大于一预设阈值的像素作为可测距像素,相似度最大的像差校正叠加图像所对应的距离段即为该可测距像素对应目标点所处的距离段。对合成孔径原理进行了仿真分析,并根据摄像机线阵实测数据和航拍序列实测数进行了测距实验。实验表明该测距方法鲁棒性好,算法简单,并且无干扰。     

基于图像处理的低速横流中液体射流轨迹提取方法研究

为研究低速横流条件下不同工况液体射流破碎的轨迹特征和影响因素，采用高速摄像仪拍摄射流破碎图像，结合图像处理技术提出针对低速横流情况下液体射流破碎弯曲轨迹的提取方法。该方法首先采用直方图均衡化对灰度化后的原始图像进行增强处理，然后利用最佳直方图熵法（KSW法）及传统遗传算法对图像进行二阈值分割，最后结合Sobel算子和凸包算法对射流轮廓进行检测提取以获得射流轨迹的数据点集。对不同工况下典型射流破碎模式的轨迹提取及非线性拟合结果表明，所提出的方法能够准确提取液体射流轨迹，实现低速横流作用下不同破碎模式的轨迹提取，并且通过非线性拟合得到的射流破碎经验公式可以准确预测射流弯曲轨迹。     

线性结构光条纹自适应中心提取的鲁棒方法（英文）

在采用线性结构光(Linear structured light,LSL)方式的非接触式测量中,光条纹中心的提取精度直接影响整个检测系统的测量精度。针对通用算法无法准确提取宽度不均匀、灰度值分布不均匀的条纹中心的问题,本文提出了一种自适应优化方法。在该方法中,首先分割条纹区域,通过边界检测来计算激光条纹的宽度。通过基于自适应条纹宽度的二次加权灰度质心法计算初始条纹中心点。之后,根据确定的斜率阈值优化这些中心点,重新计算并获得这些中心点的子像素坐标,同时根据提出的提取算法评估指标对算法进行了详细分析。实验中,提取的中心点的均方误差仅为0.1个像素,结果表明该方法可以显著提高激光条纹中心点的提取精度。此外,该方法可以以相对较低的计算时间有效地运行,鲁棒性良好。     

基于主动形状模型实现医学图像中的物体(脊柱)定位

主动形状模型(ASM)通过把物体的形状模型及其相应的局部灰度表象模型有机结合以实现图像中的物体定位。在传统ASM中．对物体形状的灰度变化(局部灰度表象)的建模建立在一维采样与搜索方法的基础之上，故其定位准确性低且速度慢。本提出了一种在物体形状每一特征点周围的矩形邻域中使用二维采样与搜索技术．从而改进物体形状的局部灰度表象模型的方法。针对医学图像中的物体定位问题．本比较了基于这种改进的ASM模型和传统ASM模型对同一医学图像集中的脊柱定位能力。实验表明．基于这种改进的ASM模型能快速有效地对医学图像中的脊柱(物体)进行更准确的定位。     

FN—SOM在图像分割方面的应用

文章使用FN-SOM网进行图像分割,它是SOM网的一种改进形式,通过引入虚假邻域的概念来增强SOM网的聚类特性.首先定义每个像素的特征向量,并且以此作为网络的输入向量进行图像的初步分割;再对初次分割后的图像进行融合;最后获得符合要求的分割图像.文中把FN-SOM网络的分割结果和传统的SOM网进行了验证比较,获得了较为理想的实验效果.