一种基于图像分割的区域标识算法

通过分析常用的基于二值分割的图像区域识别算法，指出这些算法存在的不足，提出一种仅用一遍扫描图像即可实现图像区域识别的简单算法，该算法在C#．net编程环境下的实验结果表明，具有实现简单，处理速度高效等优点。     

基于区域生长算法的CT序列图像分割

由于人体腹部CT图像纹理结构复杂,灰度差别特别小,边缘又很不明显,本文提出了基于区域生长法的序列图像分割算法.在提取肝脏图像时,将全部序列图像分成若干组,然后利用区域生长算法先分割出每组的第一张图片.对于本组内其余图片的分割,充分利用相邻图片的灰度相似性实现序列图像的分割.对于血管的分割,由于血管在三维空间上的连通性,采用三维区域生长算法实现血管管道的提取.实验结果表明,应用本文算法能得到准确的肝脏及血管分割结果.     

一种基于标识的矿石图像分割方法

针对矿石图像中铁矿石相互粘连、大小不同、形态不规则等特点,提出基于双窗的局部均值阈值化算法,较好地将粘连的各矿石目标相互分离。结合孔洞填充、距离变换等算法获取矿石种子标记图像,利用基于标记改进的分水岭算法完成矿石图像分割。实验结果表明,该算法能有效分割粘连矿石,分割效果良好。     

一种提取模糊图像边缘区域的双阈值分割方法

针对目标和背景在同一平面的图像，提出一种双阈值分割方法获取图像由目标过渡到背景的边缘区域，并将提取的边缘区域平均梯度用于图像清晰度的评价，评价效果较好．     

一种基于标准差的指纹图像分割算法

首先介绍指纹图像分割的基本概念,接着使用一种基于标准差的图像分割算法对指纹图像进行分割．该方法利用标准差找出最佳分割阈值,再用该阈值将指纹图像脊线提取出来．实验结果表明,该方法能够很好地将指纹脊线从背景中提取出来．     

基于感兴趣区域的图像分割方法

针对目前图像分割技术中多数算法所提取的目标区域不是用户感兴趣的目标,且往往需要在用户的辅助下才能完成的局限性,提出了一种新的基于感兴趣区域的图像分割方法,该方法将颜色矢量角应用于视觉关注度模型进行图像分割,实现了对感兴趣区域的自动提取。     

一种基于边缘流的图像分割算法及其应用

基于边缘流的图像分割算法以方向相反的边缘流相遇的位置确定对象的边缘,解决了传统基于边缘的图像分割算法难以确定合理阙值的问题.论述了基于边缘流图像分割算法的原理,对该算法进行了调整,将其应用于昆虫图像的分割.实验结果表明:基于边缘流的算法不仅能够有效地分割出图像中的昆虫对象,而且对昆虫对象的各个部分还能进行较为有效地分割.与传统的基于闽值分割算法相比是更好的图像分割算法,促进了计算机视觉技术在农林业领域的应用,促进了计算机视觉技术在农林业领域的应用.     

一种基于Mean-shift算法的稳健的图像分割

提出一种基于Mean-shift的灰度图像分割算法.首先提取图像的灰度值、梯度、邻域特性作为Mean-shift的特征向量,然后用Mean-shift算法收敛于概率密度最大点的特点,找到图像的聚类中心,从而实现了分割图像,增加了梯度和邻域特性的Mean-shift算法分割图像更精确的效果.     

一种融合边缘和区域特征的主动轮廓图像分割

传统的主动轮廓模型只利用图像的边缘或者只利用区域特征实现图像分割。在有些情况下图像分割效果较差．本文给出了一种综合利用图像边缘和区域特征的主动轮廓图像分割方法．实验表明,演变后的曲线与图像的边缘是吻合的,图像分割的结果较好．而对相同的图像应用传统的主动轮廓分割算法得到的图像分割结果则很差．这说明新算法明显提高了传统算法的图像分割性能．     

一种基于图像滤波的加权 FCM 图像分割算法

针对模糊C均值（ FCM）图像分割算法受初始值影响较大以及对噪声的抑制作用较差的问题,提出一种基于图像滤波的加权FCM图像分割算法。该算法采用快速FCM算法进行初分割,降低了初始值的影响,同时引入自适应中值滤波器,并与加权FCM 算法相结合进行迭代滤波分割,不仅能很好地抑制噪声的影响而且能使分割更精确。利用该算法分别对人工合成的和真实的含噪图像进行分割实验,实验结果表明：本文算法对含噪图像有很好的分割结果。     

基于混沌序列的图像置乱加密算法

混沌序列具有易生成性,并且具有对初始条件强敏感性、伪随机性、可完全重现性等,基于以上特性提出一种基于混沌序列的图像置乱加密算法,即首先以初始条件为密钥生成混沌序列,然后依据该序列进行图像置乱。软件模拟实验证明该算法实现简单,且图像的解密结果对混沌序列的初始值有较强的依赖性,安全性高。     

一种基于Radon变换的图像零水印算法

提出一种基于Radon变换的抗旋转和缩放攻击的零水印算法,检测时可利用Radon变换完成几何校正。该算法利用原始图像低频子图和置乱后水印图像得到提取矩阵,并生成密钥图像。提取时可根据密钥图像来提取水印,增强了水印的安全性。实验仿真结果表明,此方法有较强的鲁棒性,而且透明性很好。     

基于多智能体系统的自适应指纹图像分割算法

在深入研究指纹图像分割方法的基础上,将多智能体系统MAS（Multi-Agent System）引入到指纹图像分割处理过程中,提出了一种基于MAS的自适应图像分割方法.实验结果表明,该方法能够有效实现对指纹图像分割的自适应分割处理,相比传统的方差分割法和点方向一致性分割法,本算法具有更好的适应性和鲁棒性.     

基于细化指纹图像特征提取的改进算法

文章深入研究了细化指纹图像细节点提取算法,针对常规提取算法中存在一定数量的伪细节点问题,提出了一种改进的细化指纹图像细节点提取算法。该算法在原有提取算法的基础上,在细节点提取中采用了邻域查找删除、边缘删除等措施。实验表明,该算法显著地减少了伪细节点的提取,是一种较为理想的细化指纹图像细节点提取算法。     

基于图像特征的水印算法

提出一种基于尺度不变特征点的数字水印算法,利用尺度不变特征点作为同步水印的参考点,通过自适应的邻域半径来从中筛选出用于同步水印的参考点,根据基于图像内容的水印模型（CBWM）,生成并嵌入水印,同时考虑到小波域的优良特性,选择从小波低频系数中寻找特征点。结果表明该算法表现出较好的鲁棒性。     

基于Logistic混沌映射与Arnold变换的图像加密算法

传统的Arnold变换能改变图像象素的位置,而不能改变图像象素值,不能仅仅靠Amold变换来实现图像加密.本文结合Logistic映射的伪随机性与对初值的敏感性,提出一种新的基于Arnold变换的图像加密算法,改进后的算法不仅改变了图像象素的位置,也改变了图像象素值.matlab仿真实验表明了该算法的有效性与安全性.     

延拓的图像加密算法

文章提出了一种延拓的图像加密算法,该算法用于将机密的二值图像加密成非机密的伪装图像.攻击者无法猜测任何一个机密像素,因此该算法具有完善安全性.另外,伪装图像是有意义的图像,因此该算法具有良好的隐蔽性.     

基于深度学习的杂草识别系统

田间除草技术在农业生产中具有重要意义。针对复杂背景下农作物与杂草识别率低、算法鲁棒性差等问题,提出一种图像分割网络 Res-Unet。该网络为 unet 网络的改进版本,采用 resnet50 网络代替 unet 主干网络,解决复杂背景下农作物与杂草区域提取困难、小植株检测效果差、分割边缘震荡、变形问题。将图像的平均交并比、准确率、训练时长作为评价指标进行实验。结果表明：使用 Res-Unet 模型的平均交并比为 82.25%,平均像素准确率为 98.67%。改进的 Res-Unet 模型相对于 Unet 平均交并比高出 4.74%,相较于 segnet 平均交并比高出 10.68%,训练时间减少 3 小时。该方法对复杂背景下甜菜杂草检测效果良好,可为机器人精确除草提供参考。