西安邮电大学通信与信息工程学院，陕西西安 710061
为了更好地突出红外与可见光融合图像中的目标信息，保留更多的纹理细节信息，提出了一种基于非下采样剪切波变换（ non-subsample shearlet transform，NSST）域结合脉冲发放皮层模型（ spiking cortical model，SCM）与改进的模糊 C均值聚类（ fuzzy C-means clustering，FCM）的红外与可见光图像融合算法。首先，用改进的 FCM提取源红外图像中的红外目标信息；然后，将得到的红外图像与可见光图像的目标区域和背景区域进行 NSST分解，得到各自的高低频子带图像；接着，对得到的不同区域采用不同的融合策略，其中，对于高频背景区域采用 SCM模型与改进赋时矩阵进行融合；最后，使用 NSST逆变换，得到最终的融合图像。仿真实验证明，与其他方法相比，本文算法得到的融合图像在主观视觉上红外目标信息突出，纹理细节信息丰富，在客观评价上，其信息熵和边缘保留因子达到最优。
图像融合 非下采样剪切波变换 脉冲发放皮层模型 模糊 C均值聚类 赋时矩阵 image fusion, non-subsampled shearlet transform, s
1 东华理工大学测绘工程学院，江西 南昌 330013
2 中国科学院空天信息创新研究院计算光学成像技术重点实验室，北京 100094
传统基于聚类的波段选择方法多属于硬聚类，在对波段进行划分时不够精确。针对该问题，提出一种基于模糊C-均值聚类（FCM）的无监督波段选择方法，通过引入萤火虫算法（FA）得到FCM-FA，利用FA的全局搜索特性，修正FCM在特定情况下获得局部最优解的问题。在两个公开高光谱数据集上进行分类实验，结果表明：在136组实验中，所提FCM-FA所选波段在55.9%的情况下能够达到使用全波段的分类精度；在77.9%情况下能够达到最优分类精度；FA的引入有效地提升了FCM的效果，总体精度最大提高了3.12个百分点，Kappa最大提高了4.26个百分点。经验证，FCM-FA能够在大幅减少数据量的同时保留原数据的主要信息，可进一步进行推广和研究。
遥感 波段选择 高光谱图像 模糊C-均值聚类 萤火虫算法 激光与光电子学进展
2023, 60(12): 1210015
1 西安邮电大学电子工程学院, 陕西 西安 710121
2 西安邮电大学通信与信息工程学院, 陕西 西安 710121
针对传统红外与可见光图像融合算法中存在的目标模糊、细节丢失、算法不稳定等问题, 提出了一种基于模糊 C均值聚类(Fuzzy C-means, FCM)与引导滤波的红外与可见光图像融合方法。原图像经过非下采样剪切波变换(Nonsubsampled Shearlet Transform, NSST)后对低频子带进行引导滤波增强, 再利用 FCM与双通道脉冲发放皮层模型(Dual Channel Spiking Cortical Model, DCSCM)结合对高低频子带进行融合, 最后经 NSST逆变换得到融合图像。实验结果表明, 本文算法稳定, 主观评价上所得融合图像目标明确, 细节保留较为完整, 客观评价上在标准差、互信息、平均梯度、信息熵和边缘保留因子等评价标准中表现优良。
图像处理 模糊 C均值聚类 引导滤波 双通道脉冲发放皮层模型 image processing fuzzy C-mean guided filtering dual channel spiking cortical model
1 中核北方核燃料元件有限公司，内蒙古 包头 014035
2 重庆大学工业CT无损检测教育部工程研究中心，重庆 400044
在某燃料元件产品中燃料颗粒随机弥散分布在非金属材料中，表征燃料颗粒的分布状况进而评估产品工艺质量具有重要意义。针对该问题，对三维空间内相邻燃料颗粒的间距测量进行了研究，使用X射线微焦计算机层析成像（CT）对该类产品进行了三维扫描成像，从而得到了三维CT图像。在三维CT图像的基础上，提出了一种结合改进型空间直觉模糊C均值聚类和三维区域生长的自动算法，用于分割图像中的燃料颗粒以得到每个燃料颗粒的空间结构。然后，通过计算质心获得燃料颗粒的中心坐标，进而自动计算出相邻燃料颗粒的空间距离。通过仿真实验验证了所提算法的可行性，通过标准球实验验证了测量误差，并通过实际燃料元件测试了相邻燃料颗粒间距的自动测量，表明了所提方法对燃料颗粒间距测量的有效性。
X射线光学 燃料颗粒 X射线微焦计算机层析成像 空间直觉模糊C均值聚类 区域生长 三维分割 间距自动测量
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
针对红外和可见光图像融合存在的轮廓信息不全、边缘及纹理细节信息缺失等问题, 提出一种改进简化脉冲耦合神经网络(Improved Simplified Pulse Coupled Neural Network, MSPCNN)和模糊 C-均值(Fuzzy C-mean, FCM)图像融合算法。首先, 将红外和可见光图像用非下采样剪切波算法(Non-Subsampled Shearlet Transform, NSST)分解为高低频子带; 然后对分解后的高频子带采用 MSPCNN融合, 用一种高斯分布权重矩阵进行处理, 增强细节信息和对比度; 接着, 将得到的低频子带图像使用 FCM聚类算法进行聚类中心提取, 设置聚类中心近似阈值简化过程, 实现背景分类提取; 最后利 NSST进行逆变换, 从而完成红外和可见光的图像融合过程。通过客观评价指标计算, 本文所提方法在平均梯度、标准差、平均相似度等参考指标上相对于其他同类型算法均有改善提高, 由于模型参数的简化, 算法运行速度相对于其他算法得到提升, 算法更适用于复杂场景。
图像融合 非下采样剪切波算法 脉冲耦合神经网络 模糊 C-均值 image fusion non-subsampled shearlet transform pulse coupled neural network fuzzy C-mean
中北大学仪器科学与动态测试教育部重点实验室, 山西太原 038507
红外热成像技术常被用来检测碳纤维增强复合材料的内部缺陷, 但常用的光学热源加热效率低, 需要近距离加热试件。激光具有能量集中、衰减小的优点, 其作为加热源有助于实现远距离检测。本文介绍了线激光扫描红外热成像无损检测技术, 并对加热过程中材料内部热传导进行了分析。其次, 针对红外图像均匀性差、对比度弱, 不利于缺陷特征提取的问题, 本文引入基于直觉模糊 C均值聚类算法的图像分割方法来提取缺陷边缘, 与 K-Means聚类方法相比, 该方法可以提升缺陷模糊边缘的识别和检测能力, 保留更多图像的细节信息, 有助于准确提取缺陷边缘特征。
碳纤维增强复合材料 红外热成像 无损检测 直觉模糊 C均值聚类 carbon fiber reinforced polymer infrared thermal imaging NDT, IFCM
1 天津大学电气自动化与信息工程学院，天津 300072
2 大连理工大学工业装备结构分析国家重点实验室，辽宁 大连 116024
背景去除是从单幅条纹投影图中恢复相位的重要问题之一，提出了一种改进的模糊c均值（FCM）聚类算法来移除单幅条纹投影图中的背景。该方法使用改进的FCM算法将条纹分为黑、白条纹，并通过改进的FCM目标函数得到背景，从而从条纹投影图中去除背景。将该方法应用在两张模拟图和一张实验图上，并与傅里叶变换方法、基于形态学操作的二维经验模态分解方法、变分分解TV-Hilbert-L2模型进行了比较。实验结果表明，该方法提高了背景去除的能力和相位提取的精度。
成像系统 图像处理 条纹投影图 模糊c均值聚类 傅里叶变换 激光与光电子学进展
2022, 59(24): 2411002
1 黑龙江八一农垦大学工程学院, 黑龙江 大庆 163319
2 黑龙江八一农垦大学理学院, 黑龙江 大庆 163319
随着地面遥感技术的不断发展, 越来越多的农作物冠层光谱检测传感器被应用到了农业生产, 其中应用较为广泛的就是Greenseeker植物光谱检测仪, 利用Greenseeker植物光谱检测仪可以获取农作物冠层光谱信息归一化植被指数(NDVI)数据, 从而能够进行农作物的施肥管理分区的划分, 依据划分好的施肥管理分区可以实现有针对性的变量施肥。 模糊c-均值(FCM)算法是划分农作物施肥管理分区常用的算法, 但是模糊c-均值算法具有一定的局限性, 就是在计算过程中随着NDVI数据量的增加会不断进行数据的迭代计算, 从而会影响施肥管理分区划分的速度。 在模糊c-均值算法的基础上提出一种基于模型的模糊c-均值(MFCM)算法, 基于模型的模糊c-均值算法在划分农作物施肥管理分区过程中不必在每获取一组数据时就对全部数据进行迭代计算, 可有效提高划分施肥管理分区的速度。 通过搭建的农作物冠层光谱信息采集平台获取大豆和玉米的NDVI数据, 利用基于模型的模糊c-均值算法划分大豆和玉米的施肥管理分区, 使用分区评价指标轮廓系数(SC)和调整兰德指数(ARI)评价划分施肥管理分区的效果。 结果表明, 随着获取的NDVI数据量的不断增加, 基于模型的模糊c-均值算法相比于模糊c-均值算法能够更快的划分施肥管理分区, 在划分大豆施肥管理分区上, 基于模型的模糊c-均值算法快0.02~0.15 s; 在划分玉米施肥管理分区上, 基于模型的模糊c-均值算法快0.07~0.51 s。 通过计算评价划分施肥管理分区效果的指标轮廓系数和调整兰德指数发现, 在不同NDVI数据量的情况下进行划分施肥管理分区, 轮廓系数的值最大相差为0.022, 说明两种算法划分施肥管理分区的效果相差不大; 调整兰德指数的值对数据的波动变化比较敏感, 在NDVI数据量达到6 000后能够维持在0.7以上, 但当NDVI数据波动变化较大时会出现一定的下降。
管理分区 模糊c-均值 轮廓系数 调整兰德指数 Greenseeker Management zoning Fuzzy c-means Silhouette coefficient Adjusted rand index Greenseeker 光谱学与光谱分析
2022, 42(7): 2233
1 上海交通大学中英国际低碳学院, 上海 201306
2 上海交通大学环境科学与工程学院, 上海 200240
基于三维荧光光谱与有机物特征荧光峰之间的关系, 提出利用三维荧光光谱进行聚类, 再针对不同类的水样利用紫外-可见全波段吸收光谱数据建立COD预测模型的技术路线。 比较分析了平行因子分析(PARAFAC)算法和荧光体积积分(FRI)算法两种不同的光谱分析方法, 再使用模糊c-均值(FCM)算法进行聚类, 并完成了不同类水样的COD预测模型的建立。 研究的水样采集于江苏省常熟市周边的农村区域, 样品均来自不同的分散式农村生活污水处理装置出水, 共100个实验水样; 将测得的水样三维荧光光谱数据经过去散射预处理后利用PARAFAC算法和FRI算法分别提取荧光特征数据; 之后, 利用FCM聚类算法进行相似性聚类; 最后, 利用偏最小二乘(PLS)算法建立水样的紫外-可见全波段吸收光谱和COD之间的回归和预测模型, 并使用决定系数和均方根误差对模型的预测精度进行评价。 研究结果表明: 未分类、 使用FRI、 使用PARAFAC算法提取荧光特征信息后再预测的模型的平均决定系数R2分别为0.632, 0.819和0.906; 平均均方根误差RMSE分别为27.857, 23.621和13.071。 聚类后的回归和预测精度均得到显著提升, 且使用PARAFAC算法提取荧光特征信息后再建模具有最高的预测精度, 相比于未分类预测模型的R2提高了0.274。 本研究提出的基于三维荧光光谱联合紫外可见全波段吸收光谱, 采用“PARAFAC-FCM-PLS”组合算法构建的COD预测模型, 可以有效的提高COD的预测精度, 为高精度的水质在线监测提供了一种新的思路。
全光谱 化学需氧量 平行因子分析 模糊c-均值聚类 偏最小二乘法 Full spectral Chemical oxygen demand Parallel factor analysis Fuzzy c-means classification Partial least squares 光谱学与光谱分析
2022, 42(7): 2113
1 兰州交通大学电子与信息工程学院，甘肃 兰州 730070
2 外交部钓鱼台宾馆管理局，北京 100080
针对传统模糊C-均值（FCM）聚类算法计算复杂度高、无法自动确定聚类数目的问题，提出了一种快速自动FCM聚类彩色图像分割算法。首先通过改进的简单线性迭代聚类（SLIC）超像素算法预分割图像，将传统基于单个像素的聚类转化为基于超像素区域的聚类，降低FCM计算复杂度；其次利用改进的密度峰值算法自动确定聚类数目，提高算法灵活性；最后，对超像素图像进行基于直方图的FCM聚类，完成图像分割。为验证所提算法的有效性，采用BSDS500、AID和MSRC公共数据库作为实验数据集，并与其他4种FCM分割算法进行了比较。实验结果表明，所提分割算法在分割精准度、模糊分割系数、模糊分割熵和视觉效果等方面均优于其他几种比较算法。
图像处理 图像分割 模糊C-均值聚类 改进的简单线性迭代聚类 改进的密度峰值算法 直方图聚类 激光与光电子学进展
2022, 59(22): 2210001
