一种改进的k-means聚类算法

针对k-means算法事先必须获知聚类数目以及难以确定初始中心的缺点,提出了一种改进的k-means聚类算法.首先引入轮廓系数的概念,通过计算不同K值下簇集中各对象的轮廓系数确定事先未知分类信息的数据集中所包含的最优聚类数Kopt;然后通过凝聚层次聚类的方法获得数据集的分布,确定初始聚类中心;最后利用传统的k-means方法完成聚类.理论分析表明,所提出的算法具有适度的计算复杂度.IRIS测试数据集的实验结果表明了该算法能够合理区分不同类型的簇集,且可以有效地识别离群点,聚合后的结果簇集具有较低的熵值.     

基于K均值聚类的西洋参图像背景去除方法研究

利用机器视觉量化西洋参外观特征的过程中,为了消除图像背景的影响,基于K均值聚类算法的思想,先将图像从RGB色彩空间转换成颜色重心角描述的色彩空间,并把颜色重心角从0³60度划分成12区域,对各颜色重心角区域进行直方图统计,将K个频数最大的颜色重心角区域指定为初次聚类中心进行迭代实现图像分割.经对比实验表明,25幅样本图像中,传统的K均值聚类算法15幅存在过分割与10幅存在欠分割的情况,改进的K均值聚类算法收敛速度有所加快,普适性较好,25幅样本图像均能精准分割出目标与背景.     

基于肤色特征的运动目标检测及分割算法研究

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,从而完成首帧运动目标的自动检测.在后续帧的处理中,通过数学形态学方法自适应预测出运动区域后,运用改进的OTSU算法在区域中分割运动目标.实验表明,本方法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.     

基于计算机视觉的原木材积检测方法研究

针对原木材积检测中存在的效率低下和人工成本高等问题,提出了基于计算机视觉技术的原木堆自动化检尺方案.方案首先采集原木堆两侧端面图像,进行包括灰度变换、二值化、孔洞填充以及边缘检测在内的一系列图像处理操作;然后对获得的处理结果,利用霍夫变换圆检测进行原木端面类圆形检测;最后,将检测得到原木两端检尺径数据排序整理,运用国家...     

基于HSV的材料腐蚀特征颜色量化处理

材料腐蚀特征颜色的人工评定无法解决颜色量化问题,在RGB空间获取材料腐蚀特征图像信息,通过HSV颜色空间对该腐蚀特征区域的颜色值进行相应量化处理,获得一维特征矢量直方图。由于材料腐蚀特征区域颜色并非单一、均匀分布,材料腐蚀特征区域中的颜色具有敏感点及颜色信息偏态分布,其用平均值方法无法进行有效处理,所以使用区域分块、累计百分比方式对区域中的颜色进行权重处理,从而实现在HSV空间下对材料腐蚀特征区域颜色量化处理,使得特征区域颜色值符合人工评定颜色的需要。     

一种基于复合形粒子群算法的改进k—means聚类算法

针对k-means算法事先必须知道聚类的数目,难以确定初始中心以及受异常点影响很大等缺点,提出了一种改进的k-means聚类算法。改进后的算法首先使用复合形粒子群算法来选取聚类的初始中心点,然后使用k-means算法快速收敛获取聚类结果。Iris测试数据集的实验结果表明了改进后的算法能够合理区分不同类型的簇集,可以有效地识别异常点,具有较好的性能。     

基于颜色和形状的模板匹配的钉螺识别计数研究

为了识别不同环境不同姿态的钉螺并计数,提出了基于颜色和形状的模板匹配的钉螺识别与计数的算法.本算法通过对钉螺图片的颜色和形状特征的特性提取,利用RGB颜色的聚类空间的特性,实现了该模板匹配的钉螺识别与统计的目的.实验结果表明,该算法的识别与统计效果比较高,能适应一定范围的钉螺场景环境的变化,实时性好.     

基于HSI空间和颜色纯度的多尺度遥感图像分割算法

提出了一种新的考虑到HIS颜色空间和颜色纯度的多尺度遥感影像分割方法.使用HIS颜色空间来取得像素的颜色信息.当饱和度和亮度值较低时,色调值会非常敏感,用颜色纯度作色调值的加权值.不但考虑了像素的属性,还考虑了像素集合的属性.图像先被根据特定尺度分割成不同的区域对象,各个区域对象的平均值和方差值作为区域对象的属性.用区域对象特性和相对位置信息把小的对象合并到大的对象中.     

结合Lab模型与EHOG特征的摄像机离散视域人物外表匹配(英文)

针对摄像头离散区域存在的光照变化、视角变化等干扰,提出一种结合Lab模型以及扩展梯度方向直方图特征的方法来改善人物外表匹配的准确率.对于描述目标全局信息的Lab模型,提出一种排序最近邻聚类算法进行颜色聚类,然后使用分块颜色匹配算法计算观察值之间的颜色相似度.对于描述目标局部信息的扩展梯度方向直方图特征,使用巴氏距离计算2个观察值之间的相似度.全局信息可以很好地描述目标外形,并且能够适应摄像头视角的变化以及目标尺度上的改变.局部信息对光照变化具有更强的鲁棒性,它能够增强模型的辨别能力.全局信息和局部信息的结合保证了所提出算法的精确度和鲁棒性.室内实验结果显示所提出的算法具有较高的正确匹配率.     

一种K-means算法的k值优化方案

聚类算法是数据挖掘中核心技术之一,而k-means算法在经典聚类算法中占有重要地位。针对k-means聚类算法的最佳聚类个数k不易获得,因而使得该聚类算法的应用受到限制,为此提出一种k值优化方法:通过给出大于最佳聚类数的可能聚类数,而得到优化的聚类个数。通过实例给予验证,其结果说明该方法合理有效。