共查询到20条相似文献，搜索用时 609 毫秒
1.
主要研究了均值聚类图像分割问题。针对传统的聚类图像分割算法对图像地分割精度较低等问题,提出一种基于模糊控制的C-均值聚类快速图像分割新方法。本文采用快速模糊C-均值聚类算法对图像分割。实验结果表明,图像分割边缘清晰,分割效果明显优于传统的聚类图像分割算法。 相似文献
2.
基于数据挖掘的DBSCAN算法及其应用 总被引：1，自引：0，他引：1
利用基于数据挖掘技术的DBSCAN算法,提出了解决图像分割的新方法.把数字图像按照点的分布情况建立图像样本数据库,然后使用密度聚类法,利用DBSCAN算法进行图像分割.它能找到图像样本比较密集的部分,并且概括出图像样本相对比较集中的类,并可在带有"噪声"的图像中进行聚类,完成图像分割,有较强的抗"噪声"能力. 相似文献
3.
图像分割技术一直是图像处理中最关键的技术之一.本文主要研究了加权聚类算法在图像分割中应用.算法采用Fisher线性判别率的方法对特征进行加权聚类,对比了传统的聚类算法.实验结果表明,本文提出的算法能够提高图像分割的准确度. 相似文献
4.
提出一种SAR图像分割方法,即整合了模糊C均值聚类和基于区域水平集演化的分割方法.该方法通过模糊聚类的结果计算水平集演化的初始化条件及控制参数,从而克服了水平集演化依赖于初始化条件和控制参数且需要较多人工干预的缺陷,增强了方法的鲁棒性.模拟图像及真实SAR图像的实验表明,该方法在不需要人工干预的情况下,能够快速、准确地分割出感兴趣区域. 相似文献
5.
信息检索在信息飞速增长的今天具有十分重大的意义。作为信息检索的一个重要的部分,图像检索得到了广泛的研究。由于基于文本的图像检索的种种不利因素,基于内容的图像检索成为目前的主流方向,本文提出一种基于空间聚类的方法,用图像的颜色特征来计算图像之间距离,采用DBSCAN算法对图像聚类,得到检索结果。 相似文献
6.
7.
针对变压器红外检测中存在图像清晰度不足、故障位置指示不明显的问题。本文提出将改进稳健模糊核聚类算法(IRKFCM)应用到散热器红外检测图像分割中,以提高散热器的故障诊断正确率。通过将红外设备采集到的散热器实时图像信息融入到改进的稳健模糊核聚类算法,根据图像所包含的灰度信息和空间信息对其进行进行区域分割,并引入聚类中心的初始化方法有效减少迭代次数,增强算法的稳健性。实验表明该算法相对于FCM分割算法能准确有效地分割出有故障的散热器片和位置,精度满足系统要求。 相似文献
8.
针对跳水运动视频中的人体运动目标分割问题,提出一种简单有效的基于颜色特征运动目标检测及分割算法。首帧进行图像预处理,利用色相和亮度两个分量加强颜色差异,然后使用OTSU算法对图像进行阈值分割。结合RGB颜色空间启发式肤色聚类结果确定运动目标所在的连通区域,最终完成首帧运动目标的自动检测。有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速整体运动有较强的鲁棒性。 相似文献
9.
10.
结合粗糙集理论,利用像素邻域的空间信息,可以构造图像色彩分布的上下近似以及量化粗糙性表示,据此提出一种基于量化粗糙信息的改进的图像分割方法,该方法使用局部量化粗糙度和待定算子来更新FCM算法中的隶属度函数。通过对比传统的模糊C-均值（FCM）聚类分割算法,证明该方法大大降低了时间复杂度,且具有良好的分割效果。 相似文献
11.
12.
本文提出了一种基于局部阈值的图像分割方法,该方法针对全局阈值处理方法在背景照明不均匀时可能无效的局限性,通过应用形态学开运算、闭运算和最大类间方差得到一个局部变化的阈值函数,然后利用该阈值函数对图像讲行阈值处理,最后得到分割后的图像.Matlab仿真实验表明,该方法运算速度快,能更好的抑制噪声. 相似文献
13.
14.
利用粒子群优化算法（PSO）强大的全局搜索能力,提出了用PSO算法优化FCM聚类中心的方法,有效地避免了传统的FCM由于初始值及噪声的影响,容易陷入局部最优的不足,同时图像分割的效果得到了提高,性能比传统的FCM方法更加稳定。实验结果表明,该方法在图像分类中的应用效果较好。 相似文献
15.
16.
17.
通过研究聚类算法在图像处理上的应用,提出了一种基于高斯混合模型聚类的图像检索方法。该检索方法首先提取每幅图像的特征,并以特征值为数据集建立高斯混合模型,得到所有图像的高斯混合模型。再以所有图像的混合模型参数集作为数据集,用基于高斯混合模型的聚类算法进行聚类。最后输出检索例图所在的类,即得到检索结果。 相似文献
18.
19.
人工免疫算法具有生物免疫系统中的克隆选择原理和记忆机制,将人工免疫算法用于聚类分析,在取得全局最优解上显示出了很大的优势.文章介绍和分析了C和K均值混合聚类算法,讨论了基于人工免疫的图像聚类算法及其对于兵器类图像检索的作用. 相似文献
20.
由于姿态、光照、表情、遮挡等变化引起的面部特征变化仅出现在整个图像的局部区域中,使用整体图像进行特征提取和识别的传统人脸识别方法效果不佳。为解决上述问题,提出了一种融合子图分割和多类支持向量机的人脸识别方法。首先,将人脸图像分割成多个不重叠的子图像;然后采用广义二维Fisher线性判别分析对每个子图像和整体图像进行局部和全局特征提取,并使用SVM做为图像分类器;最后,通过融合各个SVM分类器的决策给出人脸识别结果。在ORL人脸数据库上对所提出的SD-MSVM方法进行了灵敏度、特异度和K折交叉验证测试,实验结果表明,新的SD-MSVM方法各项指标均优于传统的全局特征提取方法。 相似文献