【摘 要】
：
针对Krinidis等人提出的模糊局部C-均值聚类系列算法缺乏合理性的不足,提出一种新的鲁棒模糊局部C-均值聚类分割算法。对鲁棒模糊局部C-均值聚类的目标函数重新分析并建立正确的聚类目标函数,对新的聚类目标函数及其约束条件采用拉格朗日乘子法进行严格数学推导并获得一种新的隶属度和聚类中心迭代表达式,最后设计一种新的充分利用像素邻域信息图像聚类分割算法。实验结果表明,所建议的鲁棒模糊局部C-均值聚类分
【基金项目】
：
基金项目：国家自然科学基金重点资助项目（61136002）,国家自然科学基金资助项目（61073106）,陕西省自然科学基金资助项目（2014JM8331,2014JQ5138,2014JM8307）,陕西省教育厅自然科学资金资助项目（2013JK1129）
论文部分内容阅读
针对Krinidis等人提出的模糊局部C-均值聚类系列算法缺乏合理性的不足,提出一种新的鲁棒模糊局部C-均值聚类分割算法。对鲁棒模糊局部C-均值聚类的目标函数重新分析并建立正确的聚类目标函数,对新的聚类目标函数及其约束条件采用拉格朗日乘子法进行严格数学推导并获得一种新的隶属度和聚类中心迭代表达式,最后设计一种新的充分利用像素邻域信息图像聚类分割算法。实验结果表明,所建议的鲁棒模糊局部C-均值聚类分割算法是有效的,相比现有鲁棒模糊局部C-均值聚类分割算法更适合复杂遥感等图像分割的需要。
其他文献
对大规模地形进行实时渲染时,大量数据传输、存储和处理严重制约着实时渲染的速率。基于此,提出了一种基于快速离散余弦变换的嵌入式零树编码实现地形数据压缩与实时粗粒度LOD渲染结合的算法。首先对分块后的地形数据分别进行快速离散余弦变换,然后对得到的系数进行聚类操作,最后对其进行嵌入式零树编码。实验结果表明,该算法压缩效率高,信噪比较好,计算相对简单,帧速率比传统的基于小波变换的算法提高了20%,更加符合
为了准确地估计源图像的清晰区域,提高多聚焦图像融合的效率,提出了一种新的基于清晰度估计的图像融合方法。首先利用基于离散小波的清晰度估计方法获取源图像的聚焦区域;然后使用均值滤波和空洞填充进一步优化该聚焦区域;最后结合清晰度估计和相似性特性,将不同聚焦区域合并生成融合图像。该方法获得的融合图像在客观评价和主观质量上都优于以往基于清晰度的图像融合方法。
为了选择有效的图像特征,并将这些特征融合以进行图像的显著区域检测,提出一种基于图像特征稀疏约束的显著性检测算法。该算法首先建立一个包括多种图像特征的特征池,之后假设图像的显著图由特征池中特征的线性组合来表示,并用线性回归的方法从眼动追踪数据库的信息中学习出该线性组合的权重参数;在学习的过程中,对线性回归的系数加一个稀疏约束条件,使得某些不重要特征对应的系数在最优化过程中自动收缩为0,从而达到特征选
针对传统纹理分类方法计算复杂的问题,基于bag-of-words模型提出了一种简单、新奇的纹理分类方法。在特征提取阶段,使用NSCT滤波器对局部图像块进行映射投影,然后通过观测矩阵提取其随机测量值特征;在纹理分类阶段,直接将随机特征嵌入到bag-of-words环境,并直接在压缩域内进行学习和分类。利用纹理图像的稀疏性,提出的特征提取方法简单,并且在性能和复杂度上都优于传统特征提取方法。最后使用C
为了提高面部表情的分类识别性能,基于集成学习理论,提出了一种二次优化选择性(quadratic optimization choice,QOC)集成分类模型。首先,对于九个基分类器,依据性能进行排序,选择前30%的基分类器作为集成模型的候选基分类器;其次,依据组合规则产生集成模型簇;最后,对集成模型簇进行二次优化选择,选择具有最小泛化误差的集成分类器的子集,从而确定最优集成分类模型。为了验证QOC
在对等网上利用多路径分发视频是一种重要的机制,虽然在一对节点之间找出符合条件的多条路径并不困难,但发送端如何从可用路径集中选出最优路径子集,并为其最优地分配发送速
为了优化无线传感器网络（WSN）的覆盖方法,针对MOEA/D中缺少对本代优质个体的保存和最优解集中个体极少的两个问题,提出了粒子群优化的基于分解的多目标进化算法（MOEA/D-PSO）。通
为适应不同终端显示多样化的要求,需对接收到的图像进行缩放调整。针对现有的基于内容感知(content-aware)的图像缩放方法中视觉内容的连贯性易被破环而出现失真的问题,提出了一个基于离散余弦变换(discrete cosine transform,DCT)域的视觉显著性检测的图像缩放算法。该算法利用DCT域的视觉显著性检测模型获取视觉显著图,然后结合视觉显著图和能量分布图进行线裁剪(seam
针对无线网络中大多数现有方法不能很好地兼顾能量效率和能量均衡的问题,提出了基于改进随机路点（random waypoint,RWP）移动模型结合线性规划（linear programming,LP）的无线网络