基于细胞神经网络的图像分割及其在医学图像中的应用

细胞神经网络（cellular neural network,CNN）在图像处理方面的应用研究已有很大进展. 其中,指定目标提取CNN现有算法应用于灰度图像时,其有效性依赖于初始点的选择. 以医学图像为例,对这种局限性进行了分析,并提出了一种改进CNN算法,实现了对图像中任意灰度区域的目标物体分割. 同时利用梯度信息和轮廓提取CNN确定轮廓,有效抑制分割过度. 人脑磁共振成像（MRI）中肿瘤分割的实例表明,改进的算法具有实用性和有效性.     

基于谱聚类的图像多尺度随机树分割

针对谱聚类（spectral clustering）应用于图像分割时权矩阵的谱难以计算的实际问题，定义了像素点与类之间的距离，给出一个采样数定理，设计了一个图像的分层分割（hierarchical divisive）算法．在利用该算法进行图像分割时，由于既要对待分类的点进行随机抽样，又要通过调节尺度因子来合并较小的类或拆分较大的类，因此图像的分割既具有随机性又具有多尺度特性，称之为基于谱聚类的图像多尺度随机树分割（multiscale stochastic hierarchical image segmentation byspectral clustering，简写为MSHISSC）．实验结果表明了算法的有效性．     

基于Markov随机场和FRAME模型的无监督图像分割

提出了一种多纹理图像的无监督分割方法. 此方法应用两层的随机场模型对需要分割的图像进行建模. 第一层用Markov随机场(MRF)模型表示一个不可观测的区域图像, 第二层用“滤波器, 随机场和最大熵(FRAME)”模型表示覆盖每一个区域的纹理图像, 与传统的分层Markov随机场(HMRF)模型相比较, FRAME模型可以取较大的邻域系, 从而对更加复杂的图案式样进行建模. 根据Bayes定理, 分割问题被转化成一个最大后验(MAP)估计问题. 迭代条件模型(ICM)算法用来求解最大后验估计. 提出一个基于局部熵率的算法来简化MRF参数的估计, FRAME模型的参数用最大期望(EM)算法估计. 最后, 使用一些合成的和真实的图像分别来做实验, 实验结果表明该方法能有效地分割含有复杂纹理的图像, 并且对噪声有一定的鲁棒性.     

融合块结构的等周算法及其在CT图像分割中的应用

等周分割是一种基于图谱理论的分割算法,能有效提高图像分割质量且有较高的效率及稳定性.本文提出了一种融合块结构的等周分割算法.该算法采用块结构来减少图中节点数.并根据CT图像特征,将该算法应用到CT图像分割中.实验结果表明,融合块结构的等周分割算法在CT图像分割中取得较好的分割效果,并大大提高了分割效率.     

基于复扩散模型憎水性图像多尺度亮点检测算法研究

在多尺度框架下，提出基于非线性复扩散模型憎水性图像水珠亮点检测算法，最后采用模糊均类算法对多尺度虚部图像水珠亮点进行提取。实验结果表明：对于不同憎水性等级憎水性图像，水珠亮点检测都达到95％以上，这为对绝缘子憎水性等级估判及水珠（水迹）的进一步分割提供了重要的信息。     

一种从X射线血管造影图像中自动分割冠状动脉的新方法

针对X射线造影（XRA）图像的分割,首先分析了血管图像的基本特征和先验知识,提出血管结构的多特征模糊识别（MFFR）算法;然后提出基于先验知识引导的概率跟踪算子（PTO）,该算子能够迅速地跟踪动脉血管树,并能够跨过因干扰或预处理导致的血管局部消弱和断裂区域.另外,跟踪过程中同步地进行了血管中心线和宽度的精确测量.为正确评价该方法,分别利用真实造影图像和二维仿真动脉树进行实验评估,结果表明该方法较传统方法高效,一次选定跟踪的起点,平均92.7%的可见血管段或分支可以自动提取出来,结构识别正确率平均达到90.0%.     

基于变分的图像分割算法

提出了一种新的基于变分的图像分割算法. 该算法以图像的边缘点为插值点，通过极小化一个能量函数产生光滑的阈值曲面，进而实现图像分割. 为了使所产生的阈值曲面保有原图像的边缘信息，同时又不过度锐化图像的边缘，采用非凸的能量函数，并通过引入二元能量函数，提出一种全局收敛的松弛算法，将一个非凸优化问题转化为一系列本质上的凸优化问题，从而克服了采用传统的梯度下降法会出现收敛速度较慢、甚至不收敛的困难. 实验结果验证了算法的有效性. 此外还初步探讨了相应优化问题求解过程中的参数确定问题.     

一种快速TMF的无监督SAR图像多类分割算法

三重Markov随机场(TMF)模型非常适合处理非平稳、非高斯图像的分割问题.为了降低模型和算法的复杂性,以满足对实测SAR图像处理的实时、稳健和高效的需求,文中提出了一种快速TMF的无监督SAR图像多类分割算法.该算法首先针对SAR图像的乘性斑点噪声,研究了SAR图像四叉树分解的数字特征、阈值选取及分解规则,使得在图像平滑区进行粗分解,而在图像边缘区进行细分解,将图像快速映射成一种新的基于边缘信息的pixon描述,然后再将TMF算法进行扩展,导出了基于边缘信息pixon描述的TMF新的势能函数,最后完成Bayes最大后验模型(MPM)分割.测试数据和实测SAR图像的仿真实验验证了快速TMF算法的有效性.     

基于磁性微泡对比剂的超声和磁共振影像融合算法

文中提出了一种新的基于磁性微泡对比剂的超声影像和磁共振影像之间的融合算法．首先利用磁性微泡对比剂对体模进行超声和磁共振显影，并对显影进行边缘分割．运用非采样contourlet变换（nonsubsampled contourlet transform．NSCT）对源图像进行分解，然后对低频子带系数采用自适应动态加权非负矩阵分解（dynamic weighted non-negative matrix factorization．DWNMF）结合分割图像进行融合．然后对各带通方向子带系数采用空间频率激励的脉冲耦合神经网络进行融合，最后利用NSCT逆变换得到融合图像．研究结果表明，利用磁性微泡对比剂并结合上述算法对超声影像和磁共振影像进行融合，可以获得预期的融合效果．     

基于粒子群寻优机制的图像分割方法

利用粒子群优化（eso）算法全局寻优、快速收敛的特点，结合模糊C-均值（FCM）图像分割算法提出一种新算法，用PSO算法代替了FCM算法的基于梯度下降的迭代过程，使算法具有很强的全局搜索能力，很大程度上避免了FCM算法易陷入局部极小的缺陷；同时也降低了FCM算法对初始值的敏感度。实验结果表明，与FCM相比该算法聚类更准确，效率更高，具有较高的分割速度和良好的抑制噪声的能力。     

基于M-S模型的参数自适应图分割方法

基于图分割的分段常数水平集方法Mumford-Shah模型能够很好的处理多相图像，但由于Mumford-Shah模型本身固有的原因，该方法对于长度参数也很敏感。为了解决这个难题，本文给出了一个自动估计包括长度参数的模型参数的自适应方法，该方法根据图像的噪声方差大小来确定参数。该自适应方法与基于图分割方法相结合，能够解决模型对参数敏感的难题。最后，通过计算机生成的图像和实际图像的分割结果证明了该方法是有效的。     

复杂阴影背景下的USV自动水域边界检测

准确的水域边界检测是无人水面平台(unmanned surface vehicle,USV)自主导航和避障的关键技术.然而,当前基于光学图像的导航避障方法在实际USV系统中的可行性和准确性都偏低,其中,户外复杂自然光照引起的图像阴影是主要的误差源之一.本文提出了一种结合光学阴影处理和能量优化的自动水域边界检测方法,并且在实际的USV系统中得到了验证.首先,详细分析了阴影不敏感的本征图像的基本原理,并用于复杂光照条件下的背景分割;接着,使用光学阴影验证方法区分了不同目标区域,并利用阴影区域和非阴影区域的亮度差值定位水域边界;然后,将水域边界检测问题转化为全局能量优化问题,并为了提高算法的鲁棒性提出了算法的补充条件;最后,使用实际USV系统采集的多组光学图像验证了算法的有效性和鲁棒性.     

基于改进K均值的脸形聚类算法

针对海量人脸图像数据库检索时顺序匹配速度慢等问题,提出把聚类技术应用于数据库预分类,利用脸形特征对人脸图像自动聚类.首先用改进主动形状模型提取脸形特征,再用改进K-均值算法对人脸图像进行聚类.使用Hausdorff距离计算两个特征点集的相似度.实验表明,该算法的聚类结果比较稳定、精确且符合人类视觉认知特性.     

基于视频图像的火灾探测方法

图像型火灾探测是利用摄像机作为探头,对拍摄到的现场视频进行处理和分析,通过形体、颜色等变化特征探测火灾.本文提出一种基于视频图像的火灾探测方法,首先探测视频中是否存在移动区域,然后对移动区域内满足火焰颜色特征的区域利用HIS模型进行分割,分别分割计算区域的圆形度,面积变化率,闪烁频率及面积变化趋势特征等,最后通过分析特征进行火灾的探测.在此基础上,对提取的各项特征进行综合分析,从而实现火灾的探测和判别.仿真实验结果证明了算法的有效性.     

基于共形几何代数的3D医学图像配准

随着医学图像处理技术的发展，3D／3D配准益受重视，尤其是在外科手术导航等医学应用中．学者们提出了各种3D／3D配准方法，但大多方法是采用传统代数方法进行配准，配准精度和效率都存在问题．本文利用非经典数学——共形几何代数重建了3D医学图像的位置关系约柬问题，分析了医学图像的共形几何变换，构造了新的3D医学图像配准相似测度，基于此提出了新的3D医学图像配准算法，用于CT和MR图像的3D配准．新算法中，以骨骼轮廓作为配准的基础点集，在骨骼轮廓的基础上采用共形几何代数构造共形几何体，接着采用新的3D医学图像配准相似测度进行三维数据的直接配准．实验表明新算法实现了三维数据的直接对齐，能较好地定位组织器官的三维位置．可以直观地体现配准结果．     

基于边缘检测的 RIP混合插值算法

图像放大是 RIP软件中十分重要的环节,其所用插值算法的优劣直接关系着输出图像的质量与速度.利用 Canny算法提取的边缘信息将低分辨率图像分为平坦区域与边缘区域,对非边缘区域采用双线性插值算法,对边缘区域使用沿4相邻降采样点确定的方向进行插值的特殊算法.经实验证明,与经典插值算法相比,放大图像边缘效果更好,且处理速度更快,可实际用于对图像质量与处理效率要求高的 RIP软件     

非圆信号的协方差匹配自校正算法及其性能分析

针对非圆信号测向中方位依赖幅相误差的校正问题，本文根据非圆信号的非圆特性和辅助阵元能够自校正的特点，对协方差匹配估计技术（covariancematchingestimationtechnique，COMET）进行改进，提出一种适用于信源时域统计特性未知和统计独立特性先验已知两种情况的改进算法：NC—COMET算法．该算法利用非圆信号扩展协方差数据，使其校正精度较常规的基于辅助阵元的最大似然类算法（未利用非圆特性）有明显提升，且降低了最小辅助阵元数要求．从理论上证明了参数估计的统计一致性，采用一阶误差分析方法推导了有限采样影响下参数估计的均方误差表达式，并提出算法的cc数据利用率”定义，定量比较获得了NC．COMET算法的数据利用率较常规的最大似然类算法的提升幅度．仿真结果亦表明NC—COMET算法性能较常规的最大似然类算法更优：低信噪比下具有更强的鲁棒性；信源时域统计独立特性先验已知或者大非圆率的情况下，该算法对校正精度的提升尤为明显．     

递推式视频前景分割方法

本文描述了一种基于前一帧已有分割结果对当前帧进行自动分割的递推式视频前景目标分割方法.目前视频分割主要有以下三大难点尚未被很好地解决,首先是前景与背景的颜色区分度过小,造成不易将其分割.其次,视频中频繁出现的局部遮挡与暴露区域,会破坏递推式视频分割的连续性,使得分割推理错误,造成结果不正确.最后,前/背景颜色模型所选用的采样方法,更是影响结果的重要因素之一.因此本文着重对此三类问题给出了相应的解决方案,利用前景物体具有局部运动一致性的特征,解决前/背景相似颜色问题.对于遮挡与暴露问题,通过自适应的局部窗口调整进行扩展采样,以修复其递推连续性.其次,本文使用了一种基于近似颜色块的采样方法,使得所建立的颜色模型更为明确干净,以减少不相关信息所带来的影响.最后,利用视频的时空一致性特征,合成出最终的分割结果.实验表明,本文所提出的递推式视频分割方法,能有效地解决以上三个问题,并且相比于其他方法,特别地对于复杂的视频测试场景,本文方法能获取更好的自动分割效果.     

图像分割方法综述

图像分割是由图像处理进到图像分析的关键步骤。不仅总结了传统的图像分割方法，还介绍了一些近年来热门的分割方法，如聚类分析、模糊集理论、小波变换、神经网络、水平集、均值迁移、图论等，分析了各种方法的原理和特点，并用部分分割方法对经典的Lena图像进行了处理，最后对图像分割方法的研究进行了总结。     

Harris Laplace特征区域 Contourlet域遥感图像水印算法

针对现有遥感图像水印算法抵抗旋转、剪切、水平镜像及联合几何攻击能力差的问题,提出一种局部化遥感图像数字水印新方法.算法首先对水印图像进行 Arnold置乱预处理,并将其行扫描形成一维向量作为待嵌入的水印信息;在宿主遥感图像中提取 Harris Laplace特征点,依据特征点确定水印嵌入特征区域;规范所选特征区域,对其进行归一化后实施 Contourlet变换,利用奇偶量化方法将数字水印嵌入选定的变换系数内.实验证明算法对滤波、噪声、JEPG压缩等常规信号处理具备较好鲁棒性,并且能够更好地抵抗旋转、缩放、平移及其联合等几何攻击