《表3 聚类中心:用于分割无损检测图像的改进的抑制式模糊C均值聚类算法》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《用于分割无损检测图像的改进的抑制式模糊C均值聚类算法》
从定性和定量两方面评价算法分割效果。在定性评价方面,以每幅图像的标准分割图为参考(即图1~5中的(b)),由图1~5的分割结果可以直观看出,IS-FCM算法能够对5幅无损检测图像进行有效分割,更接近相应图像的标准分割图,而另外几种算法对NDT1~NDT5图像分割效果较差。在定量评价方面,由表2的统计看出,本文的IS-FCM算法相比于其它对比算法的SA更高。由表3可以看出,对于NDT1~NDT5,所提出的IS-FCM算法得到的聚类中心与对比算法相差较大,这里以NDT1为例进行说明:结合图1(c)的灰度直方图可以看出,IS-FCM算法得到的聚类中心(108.3,193.0)显然比其他聚类中心更符合直方图的分布情况,也就是说灰度值108.3更能够表征图1(c)左侧较大类的中心,灰度值193.0更能表征图1(c)右侧较大类的中心。综上,本文算法能够有效分割灰度分布不均衡的无损检测图像,即能够有效地使得图像的目标区和背景区相分离,从而为后续的图像识别与测量奠定基础。
图表编号 | XD00113325200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 朱占龙、刘永军、赵战民、郑一博 |
绘制单位 | 河北地质大学信息工程学院、河北省光电信息与地球探测技术重点实验室、河北地质大学信息工程学院、河北地质大学信息工程学院、河北省光电信息与地球探测技术重点实验室、河北省光电信息与地球探测技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |