A small-object segmentation algorithm for intercluster imbalance based on histogram- and stickiness-aware boosting

doi:10.1016/j.engappai.2025.113045

A small-object segmentation algorithm for intercluster imbalance based on histogram- and stickiness-aware boosting

2025-11-18

0

PRE

AI

DOI：10.1016/j.engappai.2025.113045

原文链接

原文求助

摘要

En 中文

传统模糊C均值（FCM）聚类及其变体作为重要的无监督图像分割方法，性能一般，通常在面临不平衡数据集时表现不佳，且对初始位置敏感。因此，本文提出了一种基于直方图和粘性感知增强的簇间不平衡小目标分割FCM算法。该算法主要包括三部分：(1) 图像直方图增强，通过引入直方图增强因子来平衡不同灰度样本的贡献；(2) 增强因子选择，由连通区域信息和分离距离引导；(3) 基于所选增强因子的FCM聚类和图像分割。分离距离创新性地结合了绝对距离、相对距离和像素对簇的粘性。这种方法使分离距离之和最小的状态能够有效表征小目标分割的精确状态。实验结果表明，所提算法在小目标检测中具有高精度、快速和良好的稳定性特点。在一些具有挑战性的场景和目标类别不平衡的情况下，所提算法的分割精度达到99.07%，而归一化互信息、F1分数和平均交并比分别达到97.65%、95.47%和90.31%。我们的资源代码可通过https://github.com/wenxiaomo/HBFCM获取。

A small-object segmentation algorithm for intercluster imbalance based on histogram- and stickiness-aware boosting

摘要

期刊

机构

引用论文