绝缘子是输电线路上的重要设备，若发生故障会给电力设备带来巨大损失，从拍摄的输电线路红外图像中定位和提取绝缘子，基本上能反映多种绝缘子故障，在绝缘子的识别和故障诊断中更具实用性。本文提出了一种基于红外图像的绝缘子提取方法，依次使用 Speeded Up Robust Features（SURF）算法提取测试红外图像的关键特征点、基于改进 Fuzzy C-means（FCM）算法聚类划分特征点、根据绝缘子的形状特征值识别和定位绝缘子、基于改进的图像开运算精确提取绝缘子。该方法充分发挥了红外图像的优点，能够准确提取绝缘子，为基于红外图像的绝缘子故障诊断奠定了基础。

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用, 并直接影响到后续的分析、处理工作。针对医学超声图像对比度低和噪声强的特点, 提出了一种将超像素和模糊聚类技术相结合的图像分割方法。该方法利用简单线性迭代聚类算法产生多个超像素子区域, 通过比较各个子区域间特征向量的相似性, 利用模糊C均值(FCM)聚类技术对这些过分割区域进行合并, 实现超声图像目标区域的有效分割。和传统的基于单像素的FCM聚类算法相比, 该方法具有较强的鲁棒性, 有效提高了目标区域的分割精度和分割效率, 取得了较好的分割效果。

针对FCM算法缺少空间关联信息且计算量大的问题, 本文提出一种结合图论和FCM的图像分割算法。首先, 引入图论算法对图像进行预处理, 将图分割为子图。接着, 对分割后的子图进行FCM聚类得到聚类中心。然后, 提出一种基于聚类中心颜色和空间信息的加权距离, 作为并查集算法的合并准则。最后, 采用改进的并查集算法对聚类结果进行区域合并。实验结果表明, 本文算法在保证图像分割质量的同时提高了图像分割速度。

高功率微波(HPM)电磁脉冲对引信辐照实验的数据分析是研究其电磁效应中的一个重要问题，数据分析的主要困难在于HPM电磁效应数据的高维复杂性。通过聚类算法设计，采用模糊C均值聚类(FCM)算法对某无线电引信的高功率微波电磁效应数据进行分析处理，利用其类内相似和类间相异的原则，经迭代运算，实现HPM对无线电引信效应数据的脉宽、峰值功率、功率密度等参数间的识别和分类。结果表明：采用FCM算法能够得到HPM对某引信的最佳聚类中心，即致使引信失效的最佳干扰阈值，证明了算法的有效性。

针对采用 FCM聚类进行测量图像分割时, 模糊加权指数难以确定的问题, 通过分析 FCM聚类原理, 依据测量图像分割的具体要求, 根据加权指数对不同模糊聚类过程的作用程度, 提出了一种基于自适应模糊加权指数的 FCM聚类测量图像分割方法。实验结果表明: 该算法可以减少聚类迭代次数, 确保分类的准确性, 提高图像分割质量。

针对模糊 C-均值算法对初始值的依赖，容易陷入局部最优值的缺点，本文提出将量子蚁群算法与 FCM聚类算法结合，首先利用量子蚁群算法的全局性和鲁棒性以及快速收敛的优点确定图像的初始聚类中心和聚类个数 , 再将所得结果作为 FCM聚类算法的初始参数 , 然后用 FCM聚类算法对医学图像进行分割。实验结果表明，该方法有效解决了 FCM算法对初始参数的依赖，克服了 FCM算法及蚁群算法容易陷入局部极值的的缺点，而且在分割速度和精度上得到了较大提高。

提出了一种基于粒子滤波和FCM的岛岸背景条件下红外运动多目标跟踪方法。通过对红外序列图像 进行中值滤波、边缘提取、海天线检测和形态滤波等预处理，提取出若干个候选目标。然后利用基于粒子滤波和FCM的 算法实现对候选目标的数据关联和连续跟踪。实验结果表明，该方法具有良好的可行性和效果。

支持向量机(SVM)是一种新的很有效的模式识别方法,将其应用到雷达信号识别中可以较好地解决此类问题。由于传统的支持向量机由两类扩展到多类问题时,会出现不可分区域。针对雷达信号的多类识别这一实际问题,提出解决这一现象的模糊支持向量机理论(FSVM),并定义输入向量对于某类的隶属度函数,更符合实际情况。此外,支持向量机理论本身对于支持向量的选择并没有指导性,对此利用模糊C均值(FCM, Fuzzy C-Means)聚类,对训练样本进行预处理,可以大大减少训练样本的数量,从而提高支持向量机的训练速度。仿真对比实验和结果证实了结合FCM对训练样本预处理的FSVM法对雷达信号识别具有训练速度快、识别准确率高的特点。

提出了一种新的基于多特征和FCM的边缘检测算法.该方法根据边缘点附近灰度分布特点构造了多个反映边缘特性的特征分量,并利用输入图像提取该组特征分量,组成一个反映图像边缘特征的数据集.用FCM聚类算法将该数据集分为两类,即边缘点数据和非边缘点数据,实现边缘检测.该方法无需确定阈值,对弱边缘检测较敏感,在特征的选取上充分考虑了边缘和噪声的本质区别,因而具有优异的抗噪性能.