第1章 概述 1
1.1 图像分割 1
1.1.1 基于阈值的分割方法 2
1.1.2 基于聚类的分割方法 3
1.1.3 基于区域的分割方法 4
1.1.4 基于边缘的分割方法 5
1.1.5 基于图论的分割方法 5
1.2 模糊聚类应用于图像分割 7
1.3 本书的结构 10
参考文献 12
第2章 模糊c-均值型聚类 15
2.1 模糊c-均值聚类算法 15
2.1.1 数据集X的c划分 16
2.1.2 硬c-均值聚类算法 16
2.1.3 模糊c-均值聚类算法 17
2.2 核模糊c-均值聚类算法 19
2.2.1 核表示及核函数 20
2.2.2 核模糊c-均值聚类算法 21
2.3 抑制式模糊c-均值聚类算法 22
2.3.1 竞争学习机制 22
2.3.2 抑制式模糊c-均值聚类算法 23
2.4 广义模糊c-均值聚类算法 24
2.5 可能性模糊c-均值聚类算法 25
2.6 经典模糊c-均值型聚类算法性能分析 26
参考文献 28
第3章 利用图像局部空间信息的模糊聚类 30
3.1 引入邻域空间限制项的模糊c-均值聚类算法及其核算法 30
3.1.1 引入邻域空间限制项的模糊c-均值聚类算法 30
3.1.2 基于简化邻域空间限制项的模糊c-均值聚类算法 31
3.1.3 基于简化邻域空间限制项的核模糊c-均值聚类算法 33
3.2 加强模糊c-均值聚类算法 34
3.2.1 线性加权和图像的构建 34
3.2.2 加强模糊c-均值聚类算法 34
3.3 快速广义模糊c-均值聚类算法 35
3.3.1 新颖的线性加权和图像的构建 35
3.3.2 快速广义模糊c-均值聚类算法 36
3.4 模糊局部信息c-均值聚类算法 36
3.4.1 融合局部空间信息的模糊因子 36
3.4.2 模糊局部信息c-均值聚类算法 37
3.5 几种融合图像局部空间信息的模糊聚类算法性能分析 38
参考文献 40
第4章 利用图像非局部空间信息的模糊聚类 41
4.1 图像的非局部空间信息 41
4.2 基于非局部空间信息的模糊c-均值聚类算法 43
4.3 基于自调节非局部空间信息的模糊c-均值聚类算法 44
4.3.1 自调节非局部空间信息的获取 44
4.3.2 基于自调节非局部空间信息的模糊c-均值聚类算法 45
4.4 基于自调节非局部空间信息的快速模糊c-均值聚类算法 46
4.4.1 自调节非局部空间灰度直方图的构建 46
4.4.2 融合自调节非局部空间信息的快速模糊c-均值聚类算法 47
4.5 优选抑制式自调节非局部空间模糊c-均值聚类算法 48
4.5.1 抑制式模糊c-均值聚类算法存在的问题 48
4.5.2 模糊隶属度优选抑制式策略 48
4.5.3 优选抑制式非局部空间模糊c-均值聚类算法 49
4.6 几种融合图像非局部空间信息的模糊聚类算法性能分析 49
4.6.1 算法参数讨论 49
4.6.2 合成图像对比实验 51
4.6.3 自然图像对比实验 53
参考文献 55
第5章 基于遗传算法的模糊聚类图像分割 57
5.1 遗传算法 57
5.1.1 染色体及其编码方式 58
5.1.2 适应度函数 60
5.1.3 遗传算法的基本算子 61
5.1.4 遗传算法的参数分析 63
5.1.5 遗传算法的基本步骤 64
5.2 遗传模糊聚类算法 65
5.2.1 遗传模糊聚类算法的适应度函数 65
5.2.2 遗传模糊聚类算法的染色体编码及种群初始化 65
5.2.3 遗传模糊聚类算法的遗传算子设计及停止条件 66
5.2.4 遗传模糊聚类算法的主要流程 66
5.3 融合图像非局部空间信息的遗传模糊聚类算法 67
5.3.1 染色体编码及种群初始化 67
5.3.2 融合图像非局部空间信息的目标函数的设计 68
5.3.3 选择、交叉和变异算子 69
5.3.4 算法主要步骤 69
5.4 融合图像非局部空间信息的遗传模糊聚类算法性能分析 70
参考文献 72
第6章 基于多目标进化模糊聚类的图像分割 74
6.1 多目标优化与多目标进化聚类 74
6.1.1 多目标优化问题的数学描述 75
6.1.2 多目标进化算法的发展 76
6.1.3 NSGA-Ⅱ算法 76
6.1.4 多目标进化聚类算法 77
6.2 基于局部空间信息的多目标进化模糊聚类图像分割算法 77
6.2.1 染色体编码及种群初始化 78
6.2.2 融合图像局部空间信息的目标函数的设计 78
6.2.3 选择、交叉和变异算子 79
6.2.4 精英策略 79
6.2.5 最优解的选择 79
6.2.6 实验结果与分析 80
6.3 基于非局部空间信息的多目标进化模糊聚类图像分割算法 82
6.3.1 染色体编码及种群初始化 82
6.3.2 融合图像非局部空间信息的目标函数的设计 83
6.3.3 选择、交叉和变异算子及精英策略 83
6.3.4 最优解的选择 84
6.3.5 实验结果与分析 84
6.4 基于互补空间信息的多目标进化模糊聚类图像分割算法 90
6.4.1 融合图像互补空间信息的目标函数的设计 91
6.4.2 最优解的选择 91
6.4.3 实验结果与分析 92
参考文献 100
第7章 基于模糊相似性谱聚类的图像分割 104
7.1 谱聚类算法简介 104
7.1.1 谱图划分准则 105
7.1.2 经典的谱聚类算法 106
7.2 模糊相似性度量 110
7.2.1 经典的相似性度量 111
7.2.2 模糊相似性度量 112
7.3 基于模糊相似性谱聚类的纹理图像分割 115
7.3.1 基于小波变换的纹理特征提取 115
7.3.2 算法实现 115
7.4 模糊相似性谱聚类的性能分析 116
7.4.1 参数敏感性分析 118
7.4.2 合成纹理图像分割实验 118
7.4.3 遥感图像分割实验 122
参考文献 124
第8章 基于模糊原型提取谱聚类集成的图像分割 127
8.1 聚类集成技术 128
8.1.1 聚类集成的基本概念 128
8.1.2 聚类集体的生成及共识函数的设计 128
8.2 基于模糊原型提取谱聚类集成算法的纹理图像分割 131
8.2.1 模糊原型提取谱聚类算法 131
8.2.2 模糊原型提取谱聚类集成算法 133
8.3 基于模糊原型提取谱聚类集成算法的纹理图像分割性能分析 134
8.3.1 合成纹理图像分割实验 134
8.3.2 遥感图像分割实验 137
参考文献 139