武汉科技大学 信息科学与工程学院, 湖北 武汉 430080
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。
模糊C均值聚类 图论 并查集 图像分割 FCM graph theory union-find sets image segmentation
武汉科技大学 信息科学与工程学院, 湖北 武汉 430081
在经典Criminisi图像修复算法框架的基础上,针对优先权可靠性低和全局搜索最佳模板效率低、错误匹配率大的缺点进行改进.改进的算法为基于萤火虫算法(FA)的快速Criminisi图像修复算法.首先从数学的角度引入正规化函数至置信度,以此提升优先权计算的可靠性;然后引入FA到最佳模板的搜索与填充中,能够有效地将全局搜索与局部搜索有效地结合,鲁棒性较高,提高效率且错误匹配率低.实验结果表明:采用本文的改进算法能在保证修复质量的基础上降低时耗,提高效率.
Criminisi算法 优先权 最佳匹配模板 Criminisi algorithm the priority the best template FA FA
