基于模糊聚类优化的序列图像快速分形压缩

针对传统序列图像分形压缩算法编码时间过长的问题，提出了一种基于模糊聚类优化(OFC)的快速算法，它是一种基于单帧的序列图像帧间分形压缩算法。首先使用LBG(Linde-Buzo-Gray)方法对序列图像组成的搜索空间样本集进行初始化，然后将OFC方法应用于对样本集的软分类，匹配时通过用类内搜索取代全局搜索，将分形编码过程聚焦在最有效的局部范围内，从而减少了匹配次数，降低编码时间。由于OFC算法是一种软分类方法，样本集类别数的确定即最终聚类方案是取样本集所有可能的分割中对应于目标函数最小的分割，所以它不但是基于全局最优的聚类方法，避免了基于局部最优LBG算法中的某些误判，而且有效抑制了传统硬分类方法中类别数需预先指定的人为干扰因素，使恢复图像的质量能够得到更有效保证。相同运算环境下的仿真实验结果说明，在不影响信噪比和压缩比的前提下，与传统序列图像分形压缩算法相比，OFC算法编码速度可提高约5倍，证明了本算法的优越性。     

适应于野战医学PACS系统的序列图像编码研究

本文主要针对野战医学PACS系统中海_量影像数据的存储与传输问题,将模糊聚类优化思想应用于医学序列图像的分形压缩.通过采用有效组织分形编码搜索空间的方法,提高了编码效率,从而实现编码速度的明显改善.相同运算环境下的仿真实验结果说明,在不影响信噪比和压缩比的前提下,与传统序列图像分形压缩算法相比,本文的OFC算法编码速度可提高大约5倍,这有力证明了本文算法的优越性.     

一种改进的自适应谱聚类图像分割算法

摘要：目的提出一种改进的自适应谱聚类图像分割算法,该算法能自动选择出最优尺度参数从而提高谱聚类算法分割的准确
率。方法利用约束条件优化相关准则函数,对相似度量函数自动学习迭代并得到最优尺度参数,再运用基于Nyström 估计的
谱聚类算法得到最后的图像分割结果。选择对不同性质的纹理图像采用适合的相似度量函数并应用本文的算法进行图像分
割,最后与k-均值算法和预分割后再使用人工调整到最优参数的谱聚类算法的分割结果进行了比较。结果这种改进的自动选
择最优尺度参数的谱聚类算法在分割效果上较其它两种聚类算法能得到更好的分割结果。结论本文提出的改进方法,能使谱
聚类算法的图像分割效果更理想。
     

基于核密度估计和K均值聚类算法的骨扫描图像分割

目的:探讨K均值聚类的改进算法,并将其应用于全身骨扫描图像的分割?方法:首先对二维全身骨SPECT图像进行锐化?平滑?灰度变换等预处理;其次用核密度估计方法拟合出图像像素概率密度函数曲线,根据曲线的峰值点确定K个初始聚类中心值;再应用K均值聚类对图像进行分割;最后使用模板匹配排除误识别的区域?结果:图像预处理凸显了感兴趣目标,并改善了图像质量;基于核密度估计的K均值聚类算法的Tanimoto相似度系数明显优于传统K均值算法,平均耗时短于其他分割算法?结论:核密度估计有效地避免K均值聚类算法中初始聚类中心选取的盲目性,使聚类结果更为快速?准确?稳定?改进的K均值聚类算法对骨扫描图像分割效果显著,更便于对感兴趣区域进行定性?定量分析?     

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法以及运动矢量的统计特性设计了3种终止策略,使用模板匹配算法对遗传搜索过程进行优化。实验结果表明：该算法在确保编码质量的同时,能大幅缩减搜索点数和编码时间。     

基于模糊核聚类的MR图像分割新算法

在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法.通过对模拟图和仿真的脑部MR图像的分割实验,证明本算法可以有效地分割含有噪声的图像.     

基于粗糙熵和K-均值聚类算法的图像分割

针对基于粗糙熵的图像分割算法不能满足复杂图像的多类目标提取的需要,本文先利用K-均值聚类算法对图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。通过对遥感图像进行分割处理,证明了改进后算法的有效性。     

一种基于高斯混合模型的快速水平集图像分割方法

水平集方法(LSM)图像分割的本质是求解一个随时间变化的偏微分方程,而使用变分法求解此水平集方程(LSE)往往要耗费过多的计算时间。为了减少算法的运行时间,提出了一种快速水平集图像分割算法。该算法在模糊聚类水平集方法(FCM-LSM)的基础上使用高斯混合模型(GMM)改造其隶属度损失函数,并利用离散网格Boltzmann方法(LBM)求解水平集方程。实验结果表明:本文提出的算法无论是在执行效率上还是在分割效果上都优于传统方法,证明了算法的可行性。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

基于模拟退火原理的模糊C-均值聚类在证券市场中的应用

通过将模拟退火技术与模糊C-均值聚类相结合,提出了一种新的具有全局优化的模糊C-均值聚类算法,用于解决一般动态聚类方法中聚类结果对初始中心的敏感性问题。利用该方法,对上证50指数分类,并对分类结果的特征进行了分析。仿真结果表明该方法是一个具有全局最优解聚类方法。     

一种引入ISODATA动态聚类的医学图像中值滤波算法

目的提出一种医学图像中值滤波算法,以改进经典中值滤波存在的不足。方法将模式识别中的ISODATA聚类引入到中值滤波算法中,将分类的结果作为参数来确定如何进行中值滤波,以及是否需要进行中值滤波处理。结果本算法能够滤除严重的脉冲噪声干扰,同时保持图像细节。结论本算法跟经典中值滤波算法相比,提高了信噪比,增强了图像质量。     

Compression of CT Images using Contextual Vector Quantization with Simulated Annealing for Telemedicine Application

The role of compression is vital in telemedicine for the storage and transmission of medical images. This work is based on Contextual Vector Quantization (CVQ) compression algorithm with codebook optimization by Simulated Annealing (SA) for the compression of CT images. The region of interest (foreground) and background are separated initially by region growing algorithm. The region of interest is encoded with low compression ratio and high bit rate; the background region is encoded with high compression ratio and low bit rate. The codebook generated from foreground and background is merged, optimized by simulated annealing algorithm. The performance of CVQ-SA algorithm was validated in terms of metrics like Peak to Signal Noise Ratio (PSNR), Mean Square Error (MSE) and Compression Ratio (CR), the result was superior when compared with classical VQ, CVQ, JPEG lossless and JPEG lossy algorithms. The algorithms are developed in Matlab 2010a and tested on real-time abdomen CT datasets. The quality of reconstructed image was also validated by metrics like Structural Content (SC), Normalized Absolute Error (NAE), Normalized Cross Correlation (NCC) and statistical analysis was performed by Mann Whitney U Test. The outcome of this work will be an aid in the field of telemedicine for the transfer of medical images.     

基于聚类分析的网络流量高斯混合模型

基于聚类算法对数据对象多个属性综合聚类的特点,研究网络流量的GMM模型及其在数据流尺度上的Lognormal分布。用EM算法研究了具有交互特征的网络流量的分类;通过与K-means算法比较,讨论了EM算法在流量聚类中的适用性;通过平衡和不平衡流量的聚类分析,研究了不同类型流量GMM建模的有效性。研究流量的幂律关系及其在不同尺度间的传递性,用户行为和应用程序特征通过传输层控制协议分解传递到IP层后,在数据包尺度上表现出分形和自相似性,在数据流尺度上表现出Log- normal分布。     

基于加权模糊聚类的污水处理过程故障检测

模糊C均值（FCM）聚类是一种常用的聚类方法,在工业应用时,常因数据的强噪声和非线性导致聚类效果不够理想。提出了一种密度加权、核理论和可能性模糊C均值聚类（PFCM）相结合的聚类方法。该方法采用核函数,将数据映射到线性空间进行聚类分析,消除非线性影响;通过引入点密度概念,加快算法迭代,增强可分性,提高聚类准确率。将该聚类算法用于污水处理过程的故障检测,结果表明该方法不仅能解决非线性问题,而且能有效加快收敛速度。