一种使用（ε,δ）连接区域分割图象的新算法

图象中目标具有相似灰度特征，在分割中，我们应考虑区域的整体灰度以及邻象素灰度的变化，它们依靠于范围参数ε和毗邻参数δ。本文介绍了灰度图象的（ε，δ连续区域及其模糊边缘测度，提出了通过相对模糊边缘度调整（ε，δ）参数，利用（ε，δ）目标连接集分割图象的一种新算法。实验结果表明该算法分割效果较好，提取边缘精度较高。     

拓展目标量测集合分割算法

针对拓展目标概率假设密度滤波器采用的量测集合所有可能分割方式在实际中几乎不能够实现的问题,提出了一种采用有限混合模型的量测集合近似分割算法,对所有可能分割方式进行近似处理。算法利用有限混合模型拟合量测集合以实现对量测集合的分割,首先利用期望极大化算法极大似然估计混合参数,然后利用量测来源的条件概率分割量测集合,最后以二维场景为例进行了仿真实验。仿真结果表明:新算法在所有时刻上的最优子模式分配和混合分量数目均小于现有的典型量测集合分割算法;在拓展目标跟踪性能上,新算法具有更好的多拓展目标跟踪性能。     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．     

复杂场景中动目标图象分割的一种快速算法

提出了一种利用序列图象从复杂背景中分割动目标图象的新算法。首先利用马尔科夫随机场（ＭＲＦ）模型和连续线过程建立较精确的目标函数，采用并行计算方法计算出速度场，然后以此为依据实现对目标图象的并行分割。实验结果表明：该算法不仅能适应多种复杂场景，而且分割精度高、速度快。     

人类显带染色体的图象分割的研究

染色体图象分割是染色体图象分析与识别的重要内容之一。文中提出了关于一场景多个人类显带染色体的自动分割算法ｍｏｓｇｔｅｔ，该算法充分考虑了每个视野中分割目标（染色体）的数量大以及人类显带染色体被明暗交迭的带纹分割为若干不连续的片段等特点，自动调整分割阈值，既保证了完整地分割单条显带染色体，又能快速分割出一幅图象中９６％～１００％的染色体。该分割算法被有效地运用在自行开发的人类显带染色体的图象分析与识别系统中。     

快速HLS彩色空间变换方法

分割是图象分析和处理中的重要手段．对于彩色图象,一般的分割方法都是基于ＲＧＢ（红、绿、蓝色）的彩色分量的计算,但有时ＲＧＢ分量不能确切体现图象中目标物体的特征,而且计算量很大．给出了一种新的彩色图象ＨＬＳ（色度、亮度、饱和度）变换方法,它能够体现出人类视觉特征,且经变换后的图象特征明显,易于进行边缘检测、分割和目标识别处理．此方法计算量小、精度高,经在医学图象处理系统中的实际应用,取得了很好的效果．     

基于灰度直方图的快速K—MEAN图象分割算法

K-MEAN图象分割算法本质上是一种迭代运算,分割结果虽不受初始类中心的影响,但分割处理速度明显依赖于初始类中心的选择.对此,本文根据K-MEAN图象分割算法的原理,提出了基于灰度直方图的快速K-MEAN图象分割算法,该算法直接在灰度直方图上进行迭代运算,不仅减少了数据处理量,且无需人工确定初始类中心,图象分割只需简单的门限判别.理论分析和实验结果证实了该算法能明显加快迭代过程和提高处理速度.     

基于车辆牌照识别系统字符的特征提取方法研究

对车辆牌照识别系统中分割下来的牌照字符特征提取环节涉及的新算法、新技术进行了深入探讨,主要研究用提取图象变换系数、图象统计矩和方向特征量的方法提取字符的分类特征,针对实验结果进行了分析。以上工作为车辆牌照识别系统的整体设计打下了一定的基础。     

分莆技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨,为了有效地描述彩色纹理特征,我们利用图象中的色彩信息。通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而动用中值滤波技术和非监督聚算法对特征图象进行分割、实验发形技术进行彩色纹理分割是非常有效的。     

基于区域增长及边缘检测的一种图象分割方法

提出一种图象分割算法．这种算法综合了三种算法，即区域增长、边缘检测及保持边界平滑方法．它可以明显地克服区域增长及边缘检测各自的缺点．在这种方法中还引进了边界平滑算法使得分割所产生的边界更可靠．可直接应用到三图象分割、医学图象分割的实验中，证明了这种方法的有效性     

基于语义分割深度学习的地基云图分割方法

随着深度学习技术的迅速发展,更复杂更先进的语义分割深度学习模型在地基云图检测分割任务中得到广泛研究和应用。首先开创性地对新发布的地基云图数据集进行整理概括;然后阐述了基于深度学习语义分割模型在地基云图分割方面的研究进展,详细地介绍了典型的语义分割网络模型;接着选取了部分优秀性能的语义分割模型在标准的数据集上训练和验证,系统性评估其在地基云图分割的性能,验证了语义分割模型在地基云图分割领域的适用性;最后提出对基于语义分割的自适应地基云图像素级分割研究的总结和展望。     

一种高分辨率多光谱图像的多尺度分割方法

综合扩展的分水岭变换和分水线动态范围,提出了适用于高分辨率多光谱图像的多尺度分割方法。该方法首先计算多光谱图像的梯度,接着去除梯度图像上不相关的局部最小区域,然后计算分水岭的动态范围,通过设置不同的阈值,得到多层次(多尺度)分割结果。采用城市地区的高分辨率数据来评价所提出的方法,并与现有的图像分割方法进行比较。实验结果表明,该方法可生成多层次的分割结果,并较准确地分割出地物特征。分割结果反映了地物的多层次信息,为后续的面向对象分析提供了有意义的参考。     

一种高分辨率多光谱图像的多尺度分割方法

综合扩展的分水岭变换和分水线动态范围,提出了适用于高分辨率多光谱图像的多尺度分割方法。该方法首先计算多光谱图像的梯度,接着去除梯度图像上不相关的局部最小区域,然后计算分水岭的动态范围,通过设置不同的阈值,得到多层次（多尺度）分割结果。采用城市地区的高分辨率数据来评价所提出的方法,并与现有的图像分割方法进行比较。实验结果表明,该方法可生成多层次的分割结果,并较准确地分割出地物特征。分割结果反映了地物的多层次信息,为后续的面向对象分析提供了有意义的参考。     

基于分水岭变换及分层区域合并的城市高分辨率影像分割

针对城市区域高分辨率图像的特点, 以及传统的基于分水岭变换的图像分割方法中存在的过分割问题, 提出一种分割区域的分层合并方法来改进分割结果。首先采用多通道分水岭分割得到初始分割结果, 然后通过定量分析城市不同地物内部光谱变化性的特点, 对影像进行分层, 并对不同的层分别进行合并, 得到最终的分割结果。采用一景北京地区的QuickBird影像, 从目视评价、定量指标计算以及应用等3个方面, 对提出的方法进行验证和评价, 并与现有的分割方法比较。结果表明, 与现有方法相比, 基于分层区域合并的方法可得到更准确的分割结果, 适合城市高分辨率图像的分割。     

基于蚁群算法的图像分割方法

目的提出基于蚂蚁算法的图像分割技术,解决传统的图像分割算法分割图像的效果不理想、不能满足图像分割要求等问题。方法将图像的灰度、梯度和邻域特征组合成蚂蚁,通过MATLAB实现蚁群图像分割算法对图像的外廓提取。结果与结论相对于传统的图像分割算法,基于蚂蚁算法的图像分割算法的外廓提取具有更高的仿真精度,得到的图形外廓更为理想。     

几种图像分割算法在CT图像分割上的实现和比较

对目前几种在图像分割领域得到较多应用的交互式分割、区域生长分割以及阈值分割算法进行了探讨,并且结合实际ＣＴ片图例分别进行分割实验研究,得到较为满意和可用性强的结果,实验表明：瓶值分割对于ＣＴ切片的效果最好;区域生长分割适宜于对面积不大的区域进行分割分割效果了;基于动态规划的交互式分割算法比较复杂,计算时间较长,但对于边缘较平滑的区域,同样具有较好的实际效果,几种算法的评估为其在ＣＴ图像分割上的实际应用提供了科学依据。     

Image segmentation of embryonic plant cell using pulse-coupled neural networks

Traditional image segmentation algorithms exhibit weak performance for plant cells which have complex structure. On the other hand, pulse-coupled neural network (PCNN) based on Eckhorn’s model of the cat visual cortex should be suitable to the segmentation of plant cell image. But the present theories cannot explain the relationship between the parameters of PCNN mathematical model and the effect of segmentation. Satisfactory results usually require time-consuming selection of experimental parameters. Meanwhile, in a proper, selected parametric model, the number of iteration determines the segmented effect evaluated by visual judgment, which decreases the efficiency of image segmentation. To avoid these flaws, this note proposes a new PCNN algorithm for automatically segmenting plant embryonic cell image based on the maximum entropy principle. The algorithm produces a desirable result. In addition, a model with proper parameters can automatically determine the number of iteration, avoid visual judgment, enhance the speed of segmentation and will be utilized subsequently by accurate quantitative analysis of micro-molecules of plant cell. So this algorithm is valuable for theoretical investigation and application of PCNN.     

Random Walk Based Method for Automatic Segmentation of Intravascular Ultrasound Images

Intravascular ultrasound( IVUS) is an important imaging technique that is used to study vascular wall architecture for diagnosis and assessment of the vascular diseases. Segmentation of lumen and media-adventitia boundaries from IVUS images is a basic and necessary step for quantitative assessment of the vascular walls.Due to ultrasound speckles, artifacts and individual differences,automated segmentation of IVUS images represents a challenging task. In this paper,a random walk based method is proposed for fully automated segmentation of IVUS images. Robust and accurate determination of the seed points for different regions is the key to successful use of the random walk algorithm in segmentation of IVUS images and is the focus of the present work. Performance of the proposed algorithm was evaluated over an image database with 900 IVUS image frames of nine patient cases. The preliminary experimental results show the potential of the proposed IVUS image segmentation approach.     

基于小波与神经网络的图像分割

图像分割是图像处理的一个经典难题,分割方法也有很多种,但没有一种是万能的方法,都很难在分割效率和分割精度上达到平衡.随着小波分析理论和人工神经丹络在图像处理中的广泛应用,基于小波与人工神经网络相结合的图像分割方法可以更快、更好的分割图像.     

结合形态学运算的谱抠图声纳图像分割法

针对数字抠图与图像分割之间的联系,提出一种结合形态学运算的谱抠图声纳彩色图像分割法。首先通过形态学中的顶帽(top-hat)变换和底帽(bottom-hat)变换去除声纳图像中阴影的影响和背景的不均匀性,并进行图像增强;其次,将数字抠图中的alpha值考虑到图像分割中,通过全局平均迭代阈值法获取阈值,对抠图所获alpha图像进行阈值处理得出分割结果;最后,与多种现有的分割方法进行仿真对比实验,实验结果证明了本文分割方法的有效性。