论文研究-一种基于改进FCM的医学图像分割算法 .pdf

一种基于改进FCM的医学图像分割算法，张军贤，刘建国，医学图像处理在计算机辅助诊断中具有重要意义，而肿瘤分割是其中一个常见应用。针对医学图像的特点，学者提出了很多有效的分割方

论文研究-一种基于自适应空间信息改进FCM的图像分割算法.pdf

为了更好地改善图像分割效果，提出一种自适应空间信息的模糊聚类算法（adaptive spatial information fuzzy clustering，ASIFC）。算法将图像空间信息与FCM算法相结合，改进了FCM算法的目标函数；使用信息最大化识别噪声数据和消除异常值。在合成图像和核磁共振脑部图像数据库Brainweb上的实验结果表明，该算法能自适应地实现图像分割，有效识别噪声数据，解决了FCM的空间信息缺乏问题，增强了算法的鲁棒性，相比其他几种较新的聚类算法，取得了更好的分割效果。

一种基于人工免疫的图像分割算法

一种基于人工免疫的图像分割算法，图像分割技术的邻域

论文研究-一种融入局部信息的直觉模糊C-均值聚类图像分割算法.pdf

模糊C-均值（FCM）算法对图像噪声敏感，聚类过程中只考虑图像的数值特征信息而忽略像素间空间约束关系，同时单一隶属度并不能充分描述图像的不确定性，这使得基于FCM的图像分割不够准确。融入局部信息的改进FCM算法虽然对图像噪声有一定鲁棒性，但对图像细节保持不够，难以分割微小区域。针对上述问题，提出一种基于直觉模糊集的改进模糊C-均值（IFS_FCM）图像分割算法。该方法将直觉模糊集理论融入到FCM中，充分考虑图像的不确定性，同时在目标函数中引入空间邻域信息，使得该分割算法对噪声鲁棒性增强的同时还能保持图像细节信息。实验结果表明，IFS_FCM能获得更加理想的图像分割效果。

基于改进FCM聚类算法的火灾图像分割.pdf

研究火灾识别问题, 火灾图像分割是火灾特征提取和识别的前提, 其分割效果直接影响火灾识别的准确率。针对现有 分割方法中存在的经验阈值难以确定和因彩色信息丢失导致分割不准确等问题, 为了准确识别火灾图像, 提出一种改进的 FCM 聚类的火灾图像分割方法。方法选用符合人眼视觉特性的H SI颜色空间, 根据数据分布特点确定色度分量H 和亮度 分量I的初始聚类中心, 分别在直方图特征空间进行模糊聚类处理, 并利用像素的空间信息对模糊隶属度函数做了改进, 最 后在由两分量的模糊隶属度组成的二维特征空间上进行火灾图像分割。实验结果表明, 算法可排除高亮区域的干扰, 准确 分割出火焰区域, 为后续的火灾识别提供重要依据。

论文研究-混合分水岭变换和改进FCM的图像分割方法.pdf

分水岭变换是图像分割的一种强有力的形态工具，能够自动生成一系列封闭分割区域。其不足之处是过分割、对噪声敏感。为克服分水岭变换固有的缺点，综合利用非线性滤波和改进的FCM算法优化分水岭变换得出的初始分割，提出了一种新的混合分割算法-HWIF（Hybrid Watershed and Improved FCM）分割法。与MeanShift算法及区域合并算法相比，该方法充分利用了区域的灰度和区域间的空间信息。实验结果表明该算法能有效克服分水岭算法的过分割问题，且分割效果优于以上两种方法。

论文研究-基于马氏距离的FCM图像分割算法.pdf

考虑到基于二次曲线这种几何基元的摄像机标定方法比基于点或直线的方法具有更好的鲁棒性，给出了一种新的基于共面圆的摄像机标定方法。该方法的主要特点是模板形式简单、易于制作，仅需任意分布的三个或三个以上共面圆，且不需要进行圆环定位；不需要模板与图像之间的匹配；也无需求解任何非线性方程组。从几何角度对算法进行形象描述，并从代数的角度给出了严格论证。模拟和真实图像实验表明，该算法精确度高，鲁棒性强，表现出了十分良好的实用性。

空间约束FCM与MRF结合的侧扫声呐图像分割算法.pdf

空间约束FCM与MRF结合的侧扫声呐图像分割算法.pdf,针对侧扫声呐图像斑点噪声强、目标分割困难的问题，提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法。为克服噪声干扰，该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度，提出SCFFCM算法，该算法用于给出一个较好的初始分割；接着由初始分割计算MRF模型的约束场，再根据图像邻域内灰度波动情况自适应更新结合权值，进而求解得到FCM模糊场与MRF约束场的联合场，并基于最大概率准则得到分割结果；最后，采用形态学去除分割结果中的孤立噪点，并完成孔洞填充。对仿真及实际的侧扫声呐图像的分割实验结果表明，所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力、更高的分割精度以及更快的运算速度。

基于模糊理论的图像分割算法研究(硕士学位论文)

近年来一些学者将模糊理论引入到图像分割中，较传统方法取得了更好的分割效果。 本文在研究传统的模糊阈值分割和模糊聚类分割的基础上，提出了以下改进的新方法： 1．针对目标／背景两类图像分割问题，考虑二维灰度直方图，采用了一种更符合图像空间分布特点的隶属函数，建立了对应的二维图像模糊熵，并采用遗传算法对二维图像模糊熵的各个参数进行优化，根据最大模糊熵准则，确定目标和背景的晟佳分割阈值；实验结果表明，基于遗传算法的二维最大模糊熵阈值分割法具有较好的分割性能和较快的分割速度，对噪声有一定的抑制能力。另外，针对多目标的复杂图像分割问题，本文聚用了一种三类阈值分割法，该方法将图像分为暗区、灰度区和亮区，通过建立相应的模糊隶属函数，对图像各个灰度级属于暗区、灰度区和亮区的模糊特性进行描述，应用指数熵的概念，基于概率分析，引进了一种新的模糊熵定义；并根据最大模糊熵准则，应用遗传算法，确定最佳的分割阈值：实验结果表明，基于遗传算法的三类阈值分割法能快速有效地分割复杂图像。 2．针对传统的模糊c均值聚类(FCM)图像分割方法未考虑图像的空间信息，本文采用了一种结合空问信息的模糊C均值聚类分割算法；该方法将图像的二维直方图引入传统的模糊C均值聚类算法，并对隶属函数做了改进；依据平方误差和最小准则，来确定模糊分类矩阵及聚类中心；最后，依据最大隶属度原则，划分图像像素的类别归属；实验结果表明，结合空间信息的模糊C均值聚类分割方法对含噪图像有效，分割效果较好。另外，针对二维直方图模糊化处理时存在空问信息损失问题，而马尔可夫随机场(MRF)理论能准确描述图像像素Ⅻ的空间相互关系，本文采用了一种基于马尔可夫随机场的模糊c均值聚类图像分割方法，利用MRF理论所描述的邻域关系属性．以Gibbs能量的形式引入先验的邻域约束信息，建立了包含灰度信息与空问信息的聚类目标函数，依据平方误差和最小准则，束确定模糊分类矩阵及聚类中心：最后，依据最大隶属度原则，划分图像像素的类别归属，以改善传统FCM算法的分割质量；实验结果表明，该方法能准确有效地分割图像，且具有较强的抗噪能力。

FCM 聚类算法和粗糙集在医疗图像分割中的应用

本文通过结合FCM聚类算法和粗糙集#提出了一种新的图像分割方法,首先以不同聚类数情况下FCM的分割结果为依据构建属性值表,基于属性构成的不可分辨关系将图像分成多个小区域.然后,通过值约简获得各属性权值并以此为依据,计算各区域之间的差异度,进而通过差异度定义的等价关系,实现各区域相似度评价.最后,通过相似度定义的最终等价关系实现区域合并,完成图像分割.

论文研究-结合[k]-means的自动FCM图像分割方法.pdf

针对图像分割中模糊C均值算法（FCM）无法自动确定聚类中心，不考虑像素邻域信息的问题，提出一种结合[k]-means的自动FCM图像分割方法。该方法先由图像的灰度直方图确定聚类数目，使用一种改进的快速FCM方法产生初始聚类中心。即通过一步[k]-means算法对大隶属度灰度更新模糊聚类中心，同时仅对小隶属度灰度使用快速FCM?方法进行隶属度更新，迭代后得到初始聚类中心。利用改进隶属度的FCM算法进行最终聚类。实验表明，该方法获取初始聚类中心接近最终值，加速图像分割，并对噪声具有一定的鲁棒性。

一种基于超像素的快速FCM（SFFCM）用于彩色图像分割

一种基于超像素的快速FCM（SFFCM）用于彩色图像分割。所实现得源码(matlab)能够以非常低的计算成本实现彩色图像分割，但是却能达到较高的分割精度。

FGFCM图像分割算法.zip

FGFCM 算法，是一种基于局部空间信息直方图模糊聚类的图像分割算法，来自论文"Fast and robust fuzzy c-means clustering algorithms incorporating local information for image segmentation", Pattern Recognition 40 2007 825-838, doi: 10.1016/j.patcog.2006.07.011，使用Matlab R2018b编写，因为需要迭代，所以只用了一层for循环，其他部分皆用向量化编程，四分割256x256的灰度图0.5秒以下，速度很快。

基于EnFCM的海量图像聚类分割算法的并行研究

图像分割的处理速度成为大规模图像数据处理的瓶颈。本文提出一种基于EnFCM的图像聚类分割模型，直接对图像像素的灰度级进行聚类，能显著提高图像聚类分割的处理速度。为进一步提高处理速度，结合EnFCM图像聚类分割模型特点，设计了三种并行优化策略——纯MPI并行方法、MPI+OpenMP混合编程方法和CUDA并行架构方法，使其适合于大规模图像处理。实验结果表明，提出的三种并行优化策略都取得良好的加速效果。

一种基于粒子群的模糊聚类图像分割算法.tmp

一种基于粒子群的模糊聚类图像分割算法 粒子群算法的又一改进

论文研究-基于空间相关性的图像分割算法研究.pdf

提出一种充分利用图像的空间相关性来达到高效快速地进行图像分割的新方法。利用均值漂移算法对图像进行分割形成过度分割的区域, 并使这些区域保持理想的边缘和空间相关部分, 用图结构表示的区域相邻图来代替分割的区域。和K-均值算法的思想一样, 迭代循环置信传播算法以其具有收敛速度快的特点被用于最小化开销函数、整合过度分割的区域和获得最终的分割结果。基于分割区域而不是图像像素的图像聚类分割方法可降低噪声敏感性, 同时提高图像分割质量。与FCM和MRF算法相比较, 该算法在复杂场景图像中显示了更好的分割性能。

研究论文-基于生物地理学模糊C均值聚类的图像分割算法.pdf

提出了一种基于模糊C均值算法和生物地理学优化算法的混合聚类算法(BBO-FCM). 该算法结合了生物地理学优化算法的全局搜索和FCM算法快速局部搜索的特点，利用生物地理中的迁移算子来进行各解之间的信息共享，从而有效地克服了FCM对初始值敏感、易陷入局部最优等问题. 将BBO-FCM算法用于图像分割，实验表明，新算法的聚类效果评价指数更好，聚类效果明显优于原始的FCM算法.

基于量子粒子群的改进模糊聚类图像分割算法

提出了一种基于量子粒子群的改进模糊聚类图像分割算法。针对FCM图像分割算法对聚类中心初始值比较敏感的缺点，利用量子粒子群优化算法强大的全局搜索能力寻找最优解，能够有效降低图像分割算法对初始值的依赖程度；同时，用一种新的基于簇密度的距离度量公式来计算图像特征点与聚类中心点的距离，其在确定类中心时考虑数据集的全局信息，并且在迭代过程中采用动态隶属度，能够降低噪声干扰。仿真实验结果证明改进算法具有较好的性能。