利用纹理方向信息的地震剖面图像分割

利用地震剖面图像具有显著方向性的特点进行纹理分析,通过二进制模板(LBP)作为微观的纹理方向信息度量结合laws作为宏观测度对地震剖面图中纹理的方向信息进行提取,最后利用FCM进行分类,达到分割的目的.仿真实验表明该算法具有一定的抗噪性,能有效地提取地震剖面图中纹理的方向信息,分割效果有一定提高.     

基于尺度和灰度共生矩阵的纹理图像分割

将能反映纹理空间尺度变化信息的尺度共生矩阵(动态信息)和反映纹理信息的灰度共生矩阵(静态信息)相结合,进行纹理特征抽取,对纹理图像进行分割,再对分割结果进行滤波,去除分割结果中存在的误分像素,结果表明,能够获得良好的分割效果.     

基于正交矩的纹理分割

在识别一幅图像中的界面或物体时，一般先要进行纹理分割．本提出了基于勒让得矩的纹理分割方法．首先在图像的小窗口中计算矩值，然后用一个非线性转换器把它转化成纹理特征．再用这些特征组成特征向量作为输入数据．接着采用RBF人工神经网络对提取的特征进行分割．用k均值算法训练RBF人工神经网络的隐层．输出层的训练是采用基于LMS的监督式数学模型．该算法成功地分割了许多灰度级图像．和基于几何矩的纹理分割相比，用正交矩可以降低分割错误率．     

基于融合强度与纹理差分的图像鲁棒性变化检测

为对图像变化内容进行分割,提出基于纹理和融合强度的图形变换检测新方法。阐述了纹理差分测量是基于梯度向量之间的关系,并对噪声及光照变化的鲁棒性进行了分析;提出融合纹理和纹理差分的方法,该方法通过纹理特征在邻域内的显著性来加权结合两种测量法。实验结果显示,相比单独使用强度或纹理差分的方法,该方法能获得更好的分割效果。     

图像分割的各向异性扩散算法研究

煤矿井下图像通常具有对比度较小、纹理不清晰、数据量大等特点。根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,首先在图像分割前对原图像运用各向异性扩散运算,消除原图像噪声的同时更好地划分图像的边缘与纹理区域。然后提取图像的纹理特性,运用到聚类算法中对图像进行分割。实验证明这种算法与未经扩散处理分割相比较,优势在于既提高了计算速度同时又改善了分割效果。     

基于分割的纹理分类农田信息提取

探讨利用分割和纹理分类技术提取农田信息．利用多分辨率分割快鸟影像4个波段,再对分割所生成的影像目标进行纹理分类．利用自相关函数确定纹理窗口的大小为5×5像元,分类所采用的纹理包括同质度、对比度、不相似度．结果表明该方法分类出的6种农田地物正确分类率在0．918到0．852之间．     

一种小波域K-Means遥感图像分类标注算法

由于合成孔径雷达图像（遥感）的相干斑噪声数据丰富,导致传统的遥感图像分割方法分割效果不佳,采用学习理论和神经网络改善图像处理性能。根据图像统计特征,采取神经网络语义提出一种高效的图像纹理特征分割方法。首先,利用K-means聚类提取遥感图像的纹理特征,然后根据遥感图像在小波域中的分布特征对其进行滤波,最后利用语义对滤波后的遥感图像纹理特征和灰度组成的矢量进行分割归类,在遥感图像分割中快速标注分类以便于视觉分析。利用区域一致性分割分类,由聚类样本特征匹配进行图像分类标注,对变化检测进行统计分析,过分割或欠分割误差聚类样本不做标注,选取最佳样本聚类k值标注分类结果。     

一种基于纹理特征匹配的快速目标分割算法

虽然固定尺度变化分解窗口的目标分割算法分割效果好,但时间效率不高。针对这一缺陷,提出一种依据查询窗口和被查询子窗口的纹理特征距离信息,分等级尺度变化分解窗口的算法思想。在当前循环层中,如果查询窗口和被查询子窗口的纹理特征距离比设定的阈值λ越大,分解窗口在下一次循环中减小的尺度d就越大,反之则越小。经实验验证,该算法能有效提高基于纹理特征匹配的目标分割算法效率,在分割精度上基本保持不变。     

基于灰度共生矩阵的纹理特征

纹理特征是一个很重要的,也是很常见的特征。基于灰度共生矩阵的纹理分析方法在许多方面的应用已经取得了很大的成功。但是,许多情况下,人们并没有将它用于纹理图像分割,而更多的用于图像分类。由于它在纹理图像分类任务中取得了不错的效果,因此在本文的方法中,我们将采用灰度共生矩阵作为我们的纹理特征。     

融合谱聚类和多特征的遥感图像分割

为解决传统谱聚类算法在图像分割时计算量大、使用单一特征分割的局限性问题,设计一种融合谱聚类和多特征的图像分割算法。首先进行超像素分割以减少计算量,分别提取每个超像素的颜色特征和纹理特征,构建超像素相似度矩阵|然后采用特征加权方法线性融合颜色和纹理特征的超像素相似度矩阵|最后采用谱聚类算法进行聚类分割。在UCMerced_LandUse和Berkeley数据集上进行实验测试,并与现有方法进行比较。实验结果表明,大多数实验图像IOU指标均在90%以上,相比于传统方法有了显著提高。     

基于主动外观模型的图像分割研究

由于AAM（即主动外观模型）算法突出了纹理特征而使该模型本身具有较强的抗干扰性,可更全面和更有效地描述目标物体,因而能够获得更好的图像分割和目标提取效果,有利于后续的图像分析和测量．基于主动外观模型的图像分割方法,用于有效地组合物体的外观信息和轮廓信息,以获得较好的图像分割效果．通过实验进行主动外观模型的构建、训练并进行图像分割验证．实验结果表明,AAM算法有一定的准确度优势．但与传统的分割算法相比,随着分割效果的改善,其计算量也要大于一般的主动轮廓模型．     

基于Radarsat-1数据的北极海冰SAR图像自动分割研究

基于Radarsat-1数据提出了一种集成Gibbs采样标记步骤的北极海冰SAR图像分割算法,该算法综合考虑了斑点噪声、纹理特征等不确定因素,经由像素到区域再到大尺度区域这一途径,把区域化标识、Gibbs采样标记以及区域合并等操作组合起来,实现对海冰SAR图像的分割,针对S.Laurence Bay和Beaufort海冰图像的测试实验表明,与基于区域的MRF分割算法相比提出的算法可有效提高图像分割的准确性。     

一种快速自动多目标图像分割算法

针对进化多目标图像分割算法运行时间长且依赖人工挑选最优解的不足,提出一种快速自动多目标图像分割算法。首先使用自适应Mean-shift算法对图像进行预处理,将粗分割结果进行二次分割以提高运行速度;其次选择相互排斥的指标作为多目标的目标函数,并采用RM-MEDA框架对超像素颜色与纹理特征分别进行优化,同时对它们使用不同权值作为目标函数优化;最后由模糊模型从众多Pareto折中解集中自动选择满足实际分割要求的PS解。引入Mean-shift进行预分割,相对于标准的RM-MEDA,其运行速度提高近18%,由模糊模型推荐的Pareto解中,97%的情况符合分割要求。     

基于红外图像的绝缘子高温区域特征研究

绝缘子故障会引起表面温度的上升,造成局部区域高温。因此,准确识别绝缘子的高温区域是故障检测的有效途径。本文提出了基于灰度共生矩阵的绝缘子高温特征提取方法。红外图像经过图像分割后,提取纹理特征,选取能量、熵、惯性矩和相关性作为特征值。试验结果验证该方法准确性高,可为绝缘子高温区域的识别提供参考。     

图像分割算法在零件图像测量中的应用研究

通过分析图像测量系统的组成,说明了图像分割算法在零件图像测量中的重要地位,综合阐述了目前常用的图像分割算法的特点。针对零件图像测量的实际应用情况,提出了一种新的图像分割算法,实现了对目标边缘的准确检测。在此基础上设计了边缘检测的亚像素细分算法,对目标边缘进行亚像素精确定位,并用实例说明了本算法的可行性。     

基于深度学习的高分辨率遥感图像海陆分割方法

将高分辨率遥感图像进行像素级海陆分割是遥感应用领域的一项基础性工作,对海岸线提取和海洋近岸目标检测具有重要意义,但传统阈值方法往往由于高分辨率遥感图像覆盖范围广、地物纹理复杂等特点而难以取得预期效果。为了提升高分辨率遥感影像海陆分割精度,改善传统阈值方法的不足,基于深度神经网络模型利用编码器—解码器架构,并在编码层中引入残差块,以更好地对特征图进行高级语义信息提取,通过解码层将编码层生成的特征图还原成与输入尺寸相同的特征图,最后通过Sigmoid层对图像进行像素级海陆分割。在高分辨率遥感图像数据集上的实验结果表明,该网络模型取得良好了分割效果,准确率和Kappa系数分别达到了94.3%和93.7%。与传统方法相比,海陆分割精确度得到了有效提升。