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。     

园林三维景观绿化廊道空间可视化分割方法

为了提高园林三维景观绿化廊道空间规划能力,需要进行空间可视化分割,提出基于锐化模板匹配的园林三维景观绿化廊道空间可视化分割方法,构建园林三维景观绿化廊道视觉图像的稀疏表示模型,采用分块模板匹配方法进行园林三维景观绿化廊道视觉图像的边缘轮廓特征分解,提取园林三维景观绿化廊道视觉分布特征量,结合锐化模板特征匹配的方法进行园林三维景观绿化廊道空间区域重构,建立园林三维景观绿化廊道空间三维视景仿真模型,采用可视化的视觉重构和特征提取方法,进行园林三维景观绿化廊道空间可视化分割。仿真结果表明,采用该方法进行园林三维景观绿化廊道空间可视化分割的自适应性较好,特征分辨能力较强,提高园林三维景观绿化廊道的设计效果。     

基于敏感部位图像特征的提取方法研究

随着互联网高速发展,一些敏感图像信息也在网络上广泛传播,如何对这些敏感图像进行有效自动识别,净化网络环境已成为计算机领域的重点研究课题.通过对常用图像分割算法k-means算法、k-means++算法探讨,提出敏感图像敏感部位的特殊构造形态,构建彩色变柱宽多分辨率直方图矩特征,有效的表示了敏感部位的颜色和纹理信息.采用敏感部位特征视觉词汇和聚类算法计算的视觉词汇形成混合视觉词汇表,并使用词袋模型建模,在图像识别阶段使用基于RBF核的SVM分类器.实验结果显示该方法有效地提高了敏感图像的识别效果.     

基于平面超像素的图像分割算法

针对以像素为节点建立图模型进行图像分割颇为耗时的弊端,提出了一种基于平面超像素图割的图像分割方法,并应用于图像分割。首先用改进的分水岭算法将图像分割成区域一致性小区域（超像素）,用分割得到的超像素作为图的节点构建图模型;以每个超像素的灰度值代表所在分块的全部像素点参数;最后用图割算法达到最优分割。该算法以极少数超像素代替海量像素,在得到较好分割结果的同时,极大地缩短了运行时间。     

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.     

基于计算机视觉的彩色图像二维纹理识别方法

为了提高彩色图像二维纹理识别能力,提出基于计算机视觉的彩色图像二维纹理识别方法。采用超分辨融合方法对彩色图像进行纹理特征检测,并在邻域内进行融合滤波处理;结合小波变换方法进行颜色分量合并和模板匹配,提取图像的关联规则像素点;根据图像颜色特征分量进行多层次融合和视觉特征重构,实现二维纹理识别。仿真结果表明,该方法在识别彩色图像二维纹理特征时准确度较高、纹理特征匹配性较好,应用优势明显。     

基于UG的吸盘挂钩设计与仿真分析

为了实现吸盘挂钩的工业优化设计,提出Unigraphics NX(UG)的吸盘挂钩设计方法。采用三维边缘轮廓分割方法进行吸盘挂钩的图像重组,结合网格分割方法对重建的图像解剖,获得吸盘挂钩UG三维设计图形虚拟重建视觉分布模型,根据分布特征结果,对吸盘挂钩UG三维设计图形进行虚拟重构。仿真结果表明,采用该方法进行吸盘挂钩设计的纹理渲染能力较好,提高了吸盘挂钩的三维图形设计水平。     

自然与幻想融合的住房建筑结构剖析系统设计

为实现住房建筑结构剖析设计,提出基于自然与幻想融合的住房建筑结构剖析系统设计方法。建立住房建筑结构剖析视觉图像分析模型,采用空间视觉信息采样法进行住房建筑结构剖析,构建住房建筑结构剖析视觉图像三维成像模型,用灰度信息重构方法进行建立住房建筑结构剖析视觉的三维轮廓特征分布集,对住房建筑结构剖析系统设计优化。仿真结果表明,采用该方法进行住房建筑结构剖析的视觉表达能力较强,提高了住房建筑结构剖析效果。     

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。     

不同力度下乒乓球反弹轨迹智能识别方法

为了提高对乒乓球的量化训练指导能力,需要进行不同力度下乒乓球反弹轨迹跟踪识别,提出基于视觉特征提取和空间区域像素特征匹配的不同力度下乒乓球反弹轨迹智能识别方法.构建乒乓球反弹轨迹的图像信息采样模型,在不同的力度下进行乒乓球反弹轨迹的图像信息虚拟重建,采用空间三维区域重建方法进行不同力度下乒乓球反弹轨迹的图像特征提取,构建乒乓球反弹轨迹图像的边缘轮廓特征提取模型,结合视觉特征提取和空间区域分块模板匹配方法进行像素特征匹配,根据特征匹配结果求得乒乓球反弹轨迹的相似度特征量,根据尺度分解方法实现不同力度下的乒乓球反弹轨迹智能识别.仿真结果表明,采用该方法进行不同力度下乒乓球反弹轨迹识别的智能性较好,特征分辨能力较强.     

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。     

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。     

基于深度学习的道路语义分割新方法

针对道路图像语义分割效果不够精确的问题,提出一种基于深度学习的道路图像语义分割的改进方法,并与传统的全卷积神经网络模型(FCN)相结合实现道路图像语义分割.先验概率层利用道路图像的先验知识,在所有道路图像训练标签的基础上构建二维数组表示像素点的分类概率,并将它结合传统全卷积神经网络模型对道路图像进行语义分割.实验结果表明:提出的先验概率层的后处理算法能够优化传统全卷积神经网络模型的分割效果,使像素精确度由88.8%提高到91.3%,平均像素精确度由82.9%提高到85.7%,平均交并比值由72.5%提高到77.9%.     

一种自适应的基于混合高斯模型的运动目标检测算法

为提高运动目标检测的可靠性,提出了一种自适应的基于混合高斯模型的运动目标检测算法．该算法利用混合高斯分布对每个背景像素建模,高斯分布的个数不是固定不变的,而是随着像素值的混乱程度自适应变化．差分图像的像素按大小被分为2部分,然后对这2部分分别进行自适应阈值化分割,得到前景图像．利用基于形态学重构的阴影消除方法来改善前景图像分割的性能．不同实际场景的实验结果表明该算法能够快速准确地建立背景模型,且具有更强的鲁棒性．     

基于单张正面人脸图像的三维人脸自动建模系统实现

研究了一种基于正面人脸照片的真实感三维人脸自动重建方法,并运用计算机视觉图OpenCV和图形开发库OpenGL,在VC++6.0环境下开发了三维人脸自动建模系统。该系统对输入的人脸照片首先进行人脸检测,在检测到的区域进行人脸关键特征提取,并根据检测到的特征点的几何信息对CANDIDE-3模型进行整体和局部调整,得到个性化的三维几何人脸,最后从人脸图像上获取面部纹理信息并得到真实感的三维人脸。     

融合像素和滤波器特征的ELM血管分割方法

数字血管分割技术在现阶段眼科疾病的诊断和治疗占有重要的地位,但血管拓扑结构复杂和存在病理信息等噪音的影响,使得大多数算法鲁棒性较低.因此,本文提出一种融合像素和滤波器的极限学习机的血管分割算法,首先对图像进行形态学开运算和限制对比度直方图均衡化等预处理算法,然后利用匹配滤波、纹理特征算法、线性特征算法和B-COSFIRE滤波提取血管特征,最后由极限学习机分割血管.本文在DRIVE数据集上仿真得到的准确率和灵敏度分别为0.958 3和0.834 8.     

周围神经图像分割算法研究

提出一种交互式神经组织CT图像分割算法,本算法基于交互式聚类图像分割算法,针对CT图像中神经组织的特点加以改进,采用自适应空间邻域信息混合高斯模型ASIGMM进行建模,从而能够综合利用像素的灰度信息和邻域空间位置信息实现有效分割.实验证明,本文算法能够更好地保留分割结果的边缘性,充分保证周围神经图像分割的精确性.     

自适应融合空间信息的图像分割

传统模糊C均值算法没有充分利用像素周围的空间信息,所以算法抗噪效果不理想,且该算法仅利用像素隶属度信息,分割规则过于单一。因此,提出一种基于包含度及空间信息的聚类算法以提高图像分割抗噪性和准确性。首先将包含度信息加入到目标函数中,以弥补隶属度单一化的不足;其次将像素周围的邻域信息作为空间信息加入到目标函数中,使用信息熵与交叉熵调节像素信息和空间信息之间的权重;最后使用梯度下降法优化该目标函数以便对图像进行正确分割。以4组卫星图像为例进行分割,并分别与FCM算法、PCM算法、AFCM_S1算法进行对比。实验结果表明,基于包含度和空间信息的聚类算法对噪声点具有较好的处理效果,可提升分割精度和负率度。     

纹理的不变性特征和识别性能的视觉心理学研究

设计了三个视觉心理学实验,对人眼识别纹理过程中是否也提取了不变性的特征、以及目前的计算机识别算法的性能是否超过人眼视觉系统的纹理识别性能问题进行了实验比较,结果发现:(1)几种计算机识别算法的不变性性能与人类视觉系统的纹理不变性性能基本上是一致的;(2)人类视觉系统对纹理识别具有旋转不变性。纵观人类视觉系统,单独的数字"6"和"9"认知区别很明显,一旦它们各自随机排列,形成纹理图像后,人类视觉系统会判断为同一纹理;(3)纹理特征由物体表面所展现,它取决于视觉分辨率。观测条件在某些设定情形下,人眼视觉系统纹理特征的空间尺度,其缩放尺度不变的范围大约为2.3倍;(4)一些计算机纹理分类算法的性能在限定条件下(如多尺度纹理斑块特征方法和Gabor滤波器方法),能够达到甚至超过人类视觉系统对纹理的识别能力。