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
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
西安邮电大学通信与信息工程学院, 陕西 西安 710121
基于模糊C-均值(FCM)聚类的模型具有在图像分割中可以保留原始图像中大部分信息的优点,自适应双通道脉冲发放皮层模型(ADSCM)具有全局耦合、脉冲同步、参数少、计算效率高以及可以很好地处理较暗区域信息等优点。提出了一种基于FCM与ADSCM的红外与可见光图像融合算法。源图像经过非下采样剪切波变换(NSST)分解后,通过将FCM与ADSCM相结合,对相应的子带图像进行融合,最终经过逆NSST得到重建的新图像。实验结果表明:该方法与其他传统方法相比,可以在保留可见光背景信息的同时有效地提取红外图像的目标信息;与其他几种方法相比,所提方法在平均梯度、互信息以及边缘保留因子等方面有明显的改进。
图像处理 图像融合 可见光图像 红外图像 模糊C-均值 自适应双通道脉冲发放皮层模型 激光与光电子学进展
2020, 57(20): 201023
西安理工大学自动化与信息工程学院, 陕西 西安 710048
基于大气弱湍流信道模型,设计了模糊聚类与改进反向传播(BP)神经网络相结合的星座图识别方法。采用模糊C均值(FCM)算法对无线光副载波多进制相移键控(MPSK)信号星座图进行聚类分析,通过计算其硬趋势均值获得星座图特征,然后将特征输入改进BP神经网络分类器进行调制识别。在对数振幅起伏方差
σχ2=0.1时,总正确识别率达到100%,随着起伏方差的增大,MPSK信号星座图聚敛性变差,但总正确识别率也达到87.5%,同时提高了16进制相移键控(16PSK)调制的识别率。
光通信 无线光通信 大气湍流 副载波调制 模糊C均值 反向传播网络 星座图识别 激光与光电子学进展
2018, 55(6): 060602
1 空军工程大学航空航天工程学院，西安 710038
2 光电控制技术重点实验室，河南 洛阳 471023
针对现阶段分组一致性协议应用的局限性，提出了模糊C-均值聚类算法和考虑子编队之间信息交互的分组一致性控制协议。首先，构建了包含多无人机编队作战关键因素的无人机向量，基于模糊C-均值聚类算法实现了贴合实战需求的编队拆分分组。其次，针对现有分组一致性算法的局限性，提出了一种考虑子编队之间信息交互的分组一致性控制协议，并利用稳定性理论和矩阵论知识推导了相应判据准则。仿真结果表明，所设计的编队分组决策方法和一致性协议可有效实现编队拆分分组和子编队状态的分组一致性，仿真实验验证了判据准则的正确性。
多无人机编队 队形拆分 分组一致性 模糊C-均值聚类 multi-UAV formation formation separation grouping consensus fuzzy C-mean clustering algorithm
1 哈尔滨工程大学信息与通信工程学院, 黑龙江 哈尔滨 150001
2 北京邮电大学信息与通信工程学院, 北京 100876
特征提取与聚类分析相结合的图像分割方法可以用于近红外显微图像化学信息的快速提取。针对基于主成分分析(PCA)的特征提取运算较为复杂的缺点，提出了一种加权二维主成分分析（W2DPCA）光谱特征提取方法，与模糊C均值(FCM)算法相结合用于近红外显微图像化学分布信息提取。通过片剂的近红外显微图像的仿真实验，验证了W2DPCA-FCM方法的可行性和有效性。实验结果表明，W2DPCA-FCM方法可以减少计算时间、提高聚类精度，是一种有效的红外显微图像分析方法。
成像系统 近红外显微成像 加权二维主成分分析 模糊C均值 图像分割
针对传统的基于模糊C-均值(FCM)聚类的数据关联算法存在的缺陷，提出了一种基于改进核函数模糊C-均值(KFCM)聚类的数据关联算法。该算法以改进的KFCM聚类为基础，通过放宽KFCM聚类的约束条件来增强系统的鲁棒性，并引入信息熵自动确定目标数以作为数据关联的前期准备，再将改进的KFCM聚类算法引入JPDA算法，通过避免对联合事件的概率计算和对确认矩阵的拆分，以实现数据的正确关联和对多目标的实时跟踪。仿真结果表明算法有效可行。
数据关联 目标跟踪 信息熵 核函数 模糊C-均值聚类 data association target tracking information entropy kernel function fuzzy C-mean clustering
国防科技大学 机电工程与自动化学院，长沙 410073
针对复杂背景下钢丝绳图像难以准确分割的问题，提出一种新的基于纹理特征的图像分割方法。首先，采用局部二进制模式(Local Binary Pattern, LBP)特征直方图的一阶熵、二阶熵作为LBP 特征的统计测度，降低LBP特征的维数。同时选用边缘密度作为纹理描述的特征之一，弥补LBP 算子提取纹理特征不足、抗干扰能力差的缺点。然后以上述纹理特征构成特征矢量，采用模糊C-均值(Fuzzy C-Mean, FCM)聚类算法进行聚类分割。在实验中，对比了该算法与灰度共生矩阵、传统LBP 算子在钢丝绳图像分割中的效果。结果表明，该算法可以有效地对钢丝绳图像进行纹理分割，并能取得良好的边界定位效果，性能优于另外两种算法。
钢丝绳 纹理分割 局部二进制模式 边缘密度 模糊C-均值聚类 wire rope texture segmentation local binary pattern edge density Fuzzy C-Mean clustering
