针对模糊C有序均值聚类算法没有考虑图像空间信息,导致难以有效地分割含噪图像的问题,提出一种基于非局部信息和子空间的模糊C有序均值聚类(non-local information and subspace for fuzzy C-ordered means,SFCOM-NLS)算法.首先,利用图...针对模糊C有序均值聚类算法没有考虑图像空间信息,导致难以有效地分割含噪图像的问题,提出一种基于非局部信息和子空间的模糊C有序均值聚类(non-local information and subspace for fuzzy C-ordered means,SFCOM-NLS)算法.首先,利用图像中给定的相似邻域结构的像素提取当前像素的非局部空间信息;其次,计算每个像素的典型性,并对其进行排序,在每次迭代中更新像素的典型性,提高像素聚类的准确性,解决在聚类过程中存在相似类导致的误分类问题;最后,引入子空间聚类概念,为图像不同维度分配适当的权重,提高彩色图像的分割性能.在含噪合成图像和公开数据集BSDS500,MSRA100和AID上实验结果表明,所提算法的模糊划分系数、模糊划分熵、分割精度和标准化互信息平均值分别达到了95.00%,6.66%,98.77%和95.54%,均优于对比的同类算法.展开更多
由于模糊 C 均值聚类算法(FCM)存在两大缺陷:(1)对于非球形的数据聚类形式鲁棒性不够;(2)只考虑图像中的数值特征信息,而忽略了像素间的空间约束关系,因此 FCM 算法在对含有噪声的图像进行分割时缺乏足够的鲁棒性。针对以上问题,本文提...由于模糊 C 均值聚类算法(FCM)存在两大缺陷:(1)对于非球形的数据聚类形式鲁棒性不够;(2)只考虑图像中的数值特征信息,而忽略了像素间的空间约束关系,因此 FCM 算法在对含有噪声的图像进行分割时缺乏足够的鲁棒性。针对以上问题,本文提出了一种结合 Markov 空域约束与基于核函数距离测度的加权模糊 C 均值聚类的快速鲁棒图像分割方法。为克服缺点(1),我们使用基于核函数的距离测度取代 FCM 中的欧氏距离,并使用加权模糊聚类的方式保证了计算的简洁性。与此同时,我们用 Markov 随机场描述图像的空域约束信息,并且通过数据融合的方法将模糊分割结果与空域约束信息结合在一起,从而得到既包含像素数值特征又包括空域约束信息的图像分割场。这样既克服了传统模糊 C 均值聚类算法的缺点,又最大限度地保证了分割算法计算的简单有效性。展开更多
文摘针对模糊C有序均值聚类算法没有考虑图像空间信息,导致难以有效地分割含噪图像的问题,提出一种基于非局部信息和子空间的模糊C有序均值聚类(non-local information and subspace for fuzzy C-ordered means,SFCOM-NLS)算法.首先,利用图像中给定的相似邻域结构的像素提取当前像素的非局部空间信息;其次,计算每个像素的典型性,并对其进行排序,在每次迭代中更新像素的典型性,提高像素聚类的准确性,解决在聚类过程中存在相似类导致的误分类问题;最后,引入子空间聚类概念,为图像不同维度分配适当的权重,提高彩色图像的分割性能.在含噪合成图像和公开数据集BSDS500,MSRA100和AID上实验结果表明,所提算法的模糊划分系数、模糊划分熵、分割精度和标准化互信息平均值分别达到了95.00%,6.66%,98.77%和95.54%,均优于对比的同类算法.
文摘由于模糊 C 均值聚类算法(FCM)存在两大缺陷:(1)对于非球形的数据聚类形式鲁棒性不够;(2)只考虑图像中的数值特征信息,而忽略了像素间的空间约束关系,因此 FCM 算法在对含有噪声的图像进行分割时缺乏足够的鲁棒性。针对以上问题,本文提出了一种结合 Markov 空域约束与基于核函数距离测度的加权模糊 C 均值聚类的快速鲁棒图像分割方法。为克服缺点(1),我们使用基于核函数的距离测度取代 FCM 中的欧氏距离,并使用加权模糊聚类的方式保证了计算的简洁性。与此同时,我们用 Markov 随机场描述图像的空域约束信息,并且通过数据融合的方法将模糊分割结果与空域约束信息结合在一起,从而得到既包含像素数值特征又包括空域约束信息的图像分割场。这样既克服了传统模糊 C 均值聚类算法的缺点,又最大限度地保证了分割算法计算的简单有效性。
