基于MRF-FCM算法的矿井运动目标图像优化

高文才, 曹帅

高文才, 曹帅. 基于MRF-FCM算法的矿井运动目标图像优化[J]. 工矿自动化, 2024, 50(S1): 69-73.
引用本文: 高文才, 曹帅. 基于MRF-FCM算法的矿井运动目标图像优化[J]. 工矿自动化, 2024, 50(S1): 69-73.
GAO Wencai, CAO Shuai. Mine moving object image optimization based on MRF-FCM algorithm[J]. Journal of Mine Automation, 2024, 50(S1): 69-73.
Citation: GAO Wencai, CAO Shuai. Mine moving object image optimization based on MRF-FCM algorithm[J]. Journal of Mine Automation, 2024, 50(S1): 69-73.

基于MRF-FCM算法的矿井运动目标图像优化

详细信息
    作者简介:

    高文才(1978-),男,内蒙古巴彦淖尔人,高级工程师,从事煤矿机电技术的研究工作,E-mail:gaowencai780119@163.com

  • 中图分类号: TD67

Mine moving object image optimization based on MRF-FCM algorithm

  • 摘要: 针对传统模糊C均值(Fuzzy C-means, FCM)算法在面对噪声时表现不佳的问题,采用马尔科夫随机场(MRF)的方式来描述像素之间的空间位置关系,以更好地利用图像的空间信息。基于该思路,提出了一种升级版的模糊C均值(FCM)算法,即MRF-FCM算法。对cameraman图像分别加入不同噪声密度椒盐噪声进行了实验,结果表明,与其他方法相比,MRF-FCM算法在图像分割中更好地划分了图像,划分系数更高,同时划分熵相对于其他3种方法更低,验证了MRF-FCM算法在处理图像时的优越性。随着噪声密度的增大,MRF-FCM算法的抗噪性能一直维持在一个相对平稳的状态,表现出较高的算法稳定性。在受到噪声干扰的情况下,MRF-FCM算法仍能对图像进行相对完整的分割,显示出出色的抗噪性能。该算法对改进FCM图像分割精度具有很好的实际推广价值,可作为视觉优化领域使用。
  • [1] 丁宗元, 孙权森, 王涛, 等.基于融合多尺度标记信息的深度交互式图像分割[J].计算机研究与发展, 2021, 58(8):1705-1717.
    [2] 金东, 赵甜雨, 冯国政, 等.基于上下文模糊C均值聚类的图像分割算法[J].电子与信息学报, 2021, 43(7):2079-2086.
    [3] 刘侠, 余鸿波, 李冰, 等.基于改进U-Net模型下的椎骨CT图像分割方法[J].哈尔滨理工大学学报, 2021, 26(3):58-64.
    [4] 韩涛, 黄友锐, 徐善永, 等.基于狮群优化的FCM图像分割算法研究[J].山东农业工程学院学报, 2019, 36(7):33-37.
    [5] 陆振宇, 夏志巍, 卢亚敏, 等.基于模拟退火和粒子群改进的图像分割FCM方法[J].现代电子技术, 2018, 41(7):36-40.
    [6] 杨军, 柯运生, 王茂正.带空间约束的邻域中值加权FCM图像分割算法[J].计算机工程与科学, 2017, 39(5):931-935.
    [7]

    WANG Q, WANG X, FANG C, et al.Robust fuzzy c-means clustering algorithm with adaptive spatial & intensity constraint and membership linking for noise image segmentation[J].Applied Soft Computing, 2020, 92:1-13.

    [8] 戴月明, 赵莉莉.优化的人工鱼群和FCM的混合聚类算法[J].计算机应用与软件, 2016, 33(12):234-234.
    [9] 曹家梓, 宋爱国.基于马尔科夫随机场的纹理图像分割方法研究[J].仪器仪表学报, 2015, 36(4):776-786.
    [10] 李菊, 李克清, 苏勇刚.Markov随机游走和高斯混合模型相结合的运动目标检测算法[J].电子测量与仪器学报, 2014, 28(5):533-537.
    [11] 勾荣.基于G-L分数阶微分的图像边缘检测[J].计算机与现代化, 2013(11):17-19, 24.
    [12] 郭海涛, 刘丽媛, 赵亚鑫, 等.基于MAR与FCM聚类的声呐图像分割[J].仪器仪表学报, 2013, 34(10):2322-2327.
    [13] 徐鹏, 林森.基于C4.5决策树的流量分类方法[J].软件学报, 2009, 20(10):2692-2704.
    [14] 朱维斌, 刘明佩, 叶树亮.基于邻域特性分析的小模数齿轮亚像素图像边缘检测[J].仪器仪表学报, 2018, 39(3):148-156.
    [15] 崔彦平, 葛杏卫.基于空间矩的视觉图像基元特征提取方法研究[J].光电子.激光, 2010, 21(10):1565-1569.
    [16] 牛秀琴.改进的邻域均值滤波去噪算法研究[J].长治学院学报, 2012, 29(2):4-8.
    [17] 张洁玉.图像局部不变特征提取与匹配及应用研究[D].南京:南京理工大学, 2010.
    [18] 赵雪梅, 李玉, 赵泉华.参数自适应的可变类FLICM灰度图像分割算法[J].控制与决策, 2017, 32(2):262-268.
    [19] 张慧哲, 王坚.基于初始聚类中心选取的改进FCM聚类算法[J].计算机科学, 2009, 36(6):206-209.
    [20] 李润鑫, 黄辉, 尚振宏, 等.多目标约束向量优化问题的类拉格朗日乘数法[J].数学物理学报, 2018, 38(6):1076-1094.
    [21] 孙海英.图像高斯噪声及椒盐噪声去噪算法研究[D].上海:复旦大学, 2013.
计量
  • 文章访问数:  1
  • HTML全文浏览量:  0
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-01-24

目录

    /

    返回文章
    返回