一种去光照干扰的运动目标图像分割算法

对模糊图像的多尺度分割,是解决许多计算机视觉处理问题的基础。传统的图像分割算法采用基于小波变换的局部特征匹配方法,无法有效去除光照的干扰,对运动目标图像的分割效果不好。提出一种基于模糊图像边缘能量特征提取的运动目标图像的去光照干扰分割方法。计算去光照干扰后的运动目标图像振幅分量和频率分量,采用混合函数控制曲线方法生成运动目标图像时间序列,计算每个尺度下计算运动目标图像的边缘能量特征,进行图像区域特征的非同态块匹配分割,最终生成灰度直方图二进制均衡系数,实现了运动目标图像的准确分割,去除了光照干扰。仿真结果表明,该算法具有分割结果准确,抗干扰能力较好,图像分割质量较优。     

Graph Cuts算法实现过程中的关键问题研究

Graph Cuts（GC）算法是一个基于图论的交互式目标提取算法,该方法将图像建模为一个区域和边缘的约束模型,通过求解该模型的最小割获得一个优化的目标分割边界。在使用程序实现该算法时会遇到种种问题,详细叙述了GC算法的实现过程,为进一步研究GC相关方法奠定基础。     

基于灰色理论的分裂合并算法研究

为了分割出图像中感兴趣的区域,提出了一种基于灰色理论的分裂合并算法。该方法利用灰色关联理论对分裂的图像进行关联性分析,根据区域间综合关联度,指导区域是否合并。该方法的最大不同之处在利用灰色理论进行关联性分析,不需要大量数据的统计,算法简单,高效。实验证明,该方法能够有效地分割出目标区域,并且具有一定的抗噪能力,是一种较为有效的图像分割新方法。     

基于边缘检测的作物病害检测方法

准确分割植物叶片病斑图像是作物病害检测和诊断的前提。在边缘检测算法的基础上,提出了一种作物病害检测方法。该方法能够更好的兼顾作物病害叶片图像的全局和局部特征。与传统的分割算法相比,该方法的分割速度较快,分割效果好,而且能够适应大田复杂环境的病害叶片图像检测。采用该方法对多幅作物病害叶片进行图像分割,实验结果表明:该方法能够较好地将病斑部分分割出来,分割结果不受叶片纹理的干扰,平均分割正确率能够达到90%以上,具有一定的有效性和实用价值。     

一种基于KNN纹理分类的超声图像自动分割方法

针对HIFU超声图像中目标的自动识别和分割进行了研究。提出了一种结合了动态阈值分割和K-最近邻(KNN)纹理分类方法的全自动图像分割方法。首先对图像进行预处理,减小噪声干扰。然后进行动态阈值分割,得到包括目标轮廓在内的很多轮廓。同时利用KNN纹理分类方法对预处理后的图像进行分类,其中用到的纹理特征通过灰度共生矩阵计算得到。接着将动态阈值分割结果与KNN分类结果做一个与运算,与运算以后的结果通过形态学操作和区域滤波就得到准确的目标区域轮廓。从对HIFU超声图像的分割结果和对该方法的评价结果来看,该全自动图像分割方法是可行并且有效的,有可能进一步将其投入实际应用中去。     

基于显著对象的贝叶斯多目标检测方法

针对多目标图像检测存在的误检问题,结合低层特征和中层提示,提出了一个新的基于显著对象的贝叶斯框架下的多目标检测方法。该方法首先用上下文感知显著检测方法获取图像的低层特征信息,然后用Ncut图像分割取得图像的显著中层信息提示,即多目标的类别标签信息,根据低层和中层信息提示来计算先验显著图,最后使用贝叶斯方法计算获得图像的后验显著图。实验结果表明,该方法提高了显著对象检测精度,并且可以较好地解决多目标检测误检问题。     

基于模糊水平集的SAR图像分割方法

提出一种SAR图像分割方法,即整合了模糊C均值聚类和基于区域水平集演化的分割方法.该方法通过模糊聚类的结果计算水平集演化的初始化条件及控制参数,从而克服了水平集演化依赖于初始化条件和控制参数且需要较多人工干预的缺陷,增强了方法的鲁棒性.模拟图像及真实SAR图像的实验表明,该方法在不需要人工干预的情况下,能够快速、准确地分割出感兴趣区域.     

基于张量高斯混合模型的SAR图像分割

将基于贪婪EM高斯混合模型分割方法应用到SAR图像中,同时提出了一种张量高斯混合模型的SAR图像分割方法。该方法利用张量空间保持图像空间几何结构的优势,代替一般的向量算法,实验结果证明张量高斯具备良好的分割性效果,对于SAR图像中的斑点噪声具有良好的抑制作用,作为一种针对单个或多个目标分割的SAR图像分割方法,张量高斯混合模型具备较高的实践使用价值。     

基于量子思想的边缘检测与图像分割

灰度图像的分割通常都基于灰度的梯度变化。平均边沿梯度法常被使用以取得好的边沿效果,如,Sobel、Prewitt及Kirsch边沿算子。这些算子使用梯度和梯度的平均值来达到去噪和边沿检测,但忽略了增强图像边沿。通过把图像像素点看成受陷于能量为陷阱中的量子,我们得到相邻像素点对中心点的贡献与该点地灰度成线性关系。由此,本文提出了一个边沿分割方法。该方法不仅能够具有好的去噪效果,同时还具有锐化图像边沿的效果。     

一种简单的人脑图像的分割

给出了一个基于区域生长法的医学图像的分割算法,用区域生长的方法对脑部扫描图像中的脑体进行了分割提取,根据脑部扫描图像的特点确定了生长的种子点,通过反复测试确定了最终的生长门限。试验证明,该方法简单实用,分割准确。     

基于分水岭算法的核桃叶片图像分割方法研究

为了提高核桃叶片图像分割的准确性,采用了一种改进的基于标记的分水岭图像分割算法。首先,通过对二值图像进行距离变换和分水岭分割来获取背景标记,通过强制极小值方法将背景标记叠加在梯度图像上;最后,对修改后的梯度图像进行分水岭变换。采用该方法对核桃叶片进行图像分割,实验结果表明该方法具有一定的有效性和实用价值。     

一种基于CLEAN的SAR图像旁瓣抑制方法

把通常用于图像处理的CLEAN算法引入到SAR成像处理中,提出一种基于CLEAN 的SAR图像旁瓣抑制方法.分析算法流程,比较点目标仿真结果和RADARSAT-1海洋稀疏目标场景成像结果,表明该方法在保证成像分辨率的同时,能够有效地抑制合成孔径雷达图像的旁瓣.     

基于节点编码的最小生成树算法

以图论和遗传算法为基础,提出了求最小生成树问题的基于节点编码的遗传算法.该算法采用Prufer数对最小生成树进行编码.初始群体由系统随机产生,在遗传操作中采用单点交叉操作及基本位变异操作.实例表明,该算法可得到多个最优解.     

局部活动轮廓模型对灰度不均匀图像的分割

针对待分割图像中存在灰度不均匀的现象,提出一种基于局部区域信息的活动轮廓模型。该模型引入函数提取图像局部区域信息,以增强光照不均匀条件下弱目标的识别能力。另外,通过结合测地线主动轮廓(GAC)模型和Chan-Vese(C-V)模型的优点,该方法对弱边界和模糊边界有较好的分割效果。实验结果表明该分割模型在灰度不均匀场景下具有良好的分割性能。     

一种基于活动围道的纹理图像分割方法

本文将Gabor滤波器和各向异性扩散方程相结合，提出了一种基于活动围道的无监督纹理图像分割算法。采用基于总变分流的扩散函数，各向异性扩散方程可以有效地在保留纹理图像大尺度边界信息的同时对图像纹理区域进行平滑，获得比原始图像更易分割的简化图像。但是平滑过程中纹理信息的丧失，限制了该方法的通用性和有效性。为了在利用各向异性扩散方法的同时有效地提取和利用纹理信息，我们利用Gabor滤波器提取一组表征纹理方向性和尺度性的特征图像，同时将原始图像作为表征纹理灰度信息的一个特征通道考虑。再利用矢量形式的各向异性扩散方程对特征图像进行边界保持的各向异性平滑。我们将基于区域灰度统计参数估计的活动围道分割方法扩展到矢量空间，来对平滑后的纹理特征量进行分割。实验证明利用该纹理分割算法可以获得较好的效果。     

印鉴识别中印章的提取和修复问题研究

提取质量高,干扰小的印章是识别印章的前捉,本文采用了一种基于HSI色彩模型和RGB色彩模型的印章提取方法,并提出了先使厩Hough变换对印章分割,再根据印章中轮廓和文字的特征分别修复的方案.实验证明,该提取方法在保证印章质量的同时把噪声干扰降到最小;先分割后修复的方案能够填充印章轮廓,并保持印章文字的骨架结构,去除椒盐噪声.     

跳水运动视频中的运动目标分割

针对跳水运动视频中的人体运动目标分割问题,提出一种简单有效的基于颜色特征运动目标检测及分割算法。首帧进行图像预处理,利用色相和亮度两个分量加强颜色差异,然后使用OTSU算法对图像进行阈值分割。结合RGB颜色空间启发式肤色聚类结果确定运动目标所在的连通区域,最终完成首帧运动目标的自动检测。有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速整体运动有较强的鲁棒性。     

基于二维Havrda-Charvat熵与混沌粒子群优化的图像分割

图像分割是目标识别与跟踪的基础,为了精确地实现目标分割,提出了二维Havrda-Charvat熵红外图像分割方法。利用图像的二维直方图,二维Havrda-Charvat熵分割方法不仅考虑了图像像素的灰度信息,而且还充分利用了像素的空间邻域信息,能取得比一维熵方法更好的分割结果。为了降低二维熵阈值搜索时间及准确地获得最佳分割阈值,设计了基于Kent映射的混沌粒子群优化算法。在红外小目标图像上的实验结果表明,提出的方法能获得比较好的分割结果,同时大幅度降低了CPU计算时间,与其它方法的比较也说明了所提出方法的有效性。     

基于脉冲耦合神经网络的图像分割方法

为进一步提高脉冲耦合神经网络(PCNN)在图像分割中的应用水平,本文对PCNN模型作了简化和改进。利用粒子群优化算法实现网络参数优化,从训练图像中提取熵和能量的比值作为PSO的适应度函数,提出了一种参数自适应的PCNN图像分割方法。最后,通过仿真验证所述方法的分割性能,结果表明:与传统PCNN图像分割方法相比,该方法能够有效地实现不同图像的自适应分割,具有一定优越性。     

基于局部阈值的图像分割方法

本文提出了一种基于局部阈值的图像分割方法,该方法针对全局阈值处理方法在背景照明不均匀时可能无效的局限性,通过应用形态学开运算、闭运算和最大类间方差得到一个局部变化的阈值函数,然后利用该阈值函数对图像讲行阈值处理,最后得到分割后的图像.Matlab仿真实验表明,该方法运算速度快,能更好的抑制噪声.