基于Contourlet域树状系数的自组织神经网络图像分割

为避免小波域隐马树模型分割算法中模型假设的不足,提出用SOM网络作为非参数概率密度函数估计器。用图像轮廓波变换域中的树状数据作为网络输入,以利用图像的几何特征来提高分割效果。由训练好的网络组可以得到待分割图像各个尺度下的条件概率密度函数值,应用最大似然分类准则得到相应尺度下的粗分割。通过多尺度粗分割结果的融合,得到像素级的分割结果。用合成纹理图像、航拍图像和SAR图像进行实验,并与小波域隐马树模型分割方法和基于SOM网络的多尺度贝叶斯分割方法进行比较。对合成纹理图像给出错分概率作为评价参数,实验结果表明所提算法分割效果更优。     

基于纹理粗糙度的回转窑火焰图像FCM分割方法

在深入研究氧化铝回转窑火焰图像特点的基础之上,提出了一种将基于图像灰度值的模糊C-MEANS(FCM)算法与图像纹理粗糙度特征相结合的图像分割方法.利用加窗自相关系数表征图像中火焰区与物料区在纹理粗糙度方面的差异,对FCM聚类的结果隶属度矩阵进行去模糊化运算,改善了火焰区与物料区的分割效果.实验结果表明,图像灰度值信息和纹理粗糙度特征的融合对于提高氧化铝回转窑火焰图像的分割精度具有重要的研究价值.     

双参数Beta过程联合字典遥感图像超分辨

为了改善遥感图像超分辨重建(super-resolution reconstruction,SRR)效果,针对以往仅适用于单特征空间的稀疏字典超分辨算法,提出同时适用于两个特征空间的双参数Beta过程联合字典(Beta process joint dictionary,BPJD)遥感图像SRR方法。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率图像进行分块和Gibbs采样,生成字典训练样本。然后,依据BPJD,建立连接高、低分辨率遥感图像空间的双参数联合稀疏字典,将字典稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:所提方法可自适应地缩小字典尺寸,能以更小尺寸的稀疏字典重建更高质量的超分辨遥感图像,重建结果图像的纹理细节信息更丰富,峰值信噪比和结构相似性度均有提高。     

自适应带宽中值偏移视频图像分割研究

一种新的非参数估计算法一一基于交叉置信区间（ICI）规则的自适应带宽中值偏移（ABMS）算法应用到视频图像平滑和分割过程中，以有效去除图像的噪声和微纹理信息并保留图像中物体的轮廓结构特征。在中值偏移算法中应用ICI规则和采样点估计器确定自适应带宽参数，得到中值偏移向量并实现图像中的象素聚类。与此同时，融合图像块运动特征，抽取视频运动对象。实验和仿真结果验证了该方法的有效性。     

基于小波变换的分形图像压缩编码方法

为了弥补分形编码在高压缩比时重建图像质量较差及匹配搜索量大的不足 ,基于小波图像的分形特征及系数的统计分布特性 ,定义了灰度变换和能量阈值系数 ,提出了基于小波变换的分形图像压缩编码方法 (FICC-WT)。对小波分解后的低频子图像进行灰度变换 ,然后进行自适应四叉树分割的分形编码 ;对差值图像及其它子图基于定义的能量系数进行自适应阈值取样的熵编码 ,并讨论了灰度变换参数对重建图像的影响。实验证明 ,所提方法减小了匹配探索量 ,而压缩比和峰值信噪比 (PSNR)有明显改善。     

结合Nystrm逼近的图半监督纹理图像分割

针对半监督学习算法在图像分割中的应用,提出了一种基于流形插值的半监督图像分割方法。该方法将分类问题看作一个流形上的函数的插值问题,通过优化某些系数来更好地拟合数据。该算法采用稀疏图可解决大规模矩阵特征值和特征向量的求解。但是,对于图像分割来说,构造稀疏图的运算时间较长,针对这一问题,提出采用Nystrm逼近方法来降低计算复杂度。合成纹理图像分割结果验证了该算法可获得良好的分割质量,结合Nystrm逼近方法在保证分割质量的前提下从很大程度上提高了计算效率。     

基于Image Quilting算法的纹理合成

基于样图的纹理合成方法是继纹理映射、过程纹理合成方法后发展起来的纹理拼接技术,用于解决传统方法中出现的缝隙、扭曲、变形和参数调整等问题.Image Quilting算法是简单易行的接缝消除方法,采用Image Quilting算法合成纹理并生成Wang Tile集,继而拼接大图像.实验表明,Image Quilting算法能够较好地保持纹理特征的连续性,但在接缝处可能破坏纹元特征.     

基于子波变换的纹理图像分割

本文针对纹理图像的特点,提出了基于主能量通道子波变换的纹理图像多级分割方法。该方法以最大能量为线索,建立起由细到粗的多分辨率子波分解金字塔,分割按照其逆过程,即由粗到细,每个分辨率上分割特征的优化选择、分割方案—模糊Ｃ聚类的确定,都有利于纹理图像的分割,最后由低向高传递分割结果,从而得到较精细的分割图像。     

基于纹理上下文的遥感图像目标识别

基于统计流形理论并结合形状上下文思想,提出了能够描述图像纹理目标的纹理上下文特征,进而实现对遥感图像纹理目标的识别。首先将图像的灰度概率密度函数看作统计流形上的点,用所得到的图像统计流形模型来描述图像的纹理上下文特征;然后使用Fisher信息距离来度量流形上点之间的相似度,并利用匈牙利算法来匹配纹理上下文特征;最后通过计算匹配距离来实现不同图像目标的相似性度量。实验表明,与经典的灰度共生矩阵、局部二值模式和统计流形算法相比,对于具有纹理特征的遥感图像,该方法具有更高的识别率且具有普适性和稳健性。     

基于分形特征的图像分割

本文主要研究分数维理论在图像特征提取上的应用,在分析了盒子维数的基本思想和算法的基础上,提取能够较好反映灰度图像纹理细节和结构信息的新的分形特征参量用于图像的分割。在图像分割中,采用基于图像模块的分形特征提取方法,利用特征点在特征空间中的分布对图像进行分割,通过上机实验得出的图像分割的结果表明该种方法是让人满意的。     

多特征统计电视跟踪器

本文描述了一种多特征统计图象分割算法。该方法将多个特征(如灰度、边缘和相关)形成一种多维空间统计,利用多维特征函数所确定的决策面来分割图象。它能解决单一特征统计分割算法难以解决的问题。文中还简要地讨论了自适应分割算法。计算机模拟实验结果表明这种方法图象分割效果良好。     

运动模糊图像检测分割盲复原

针对空间变化的运动模糊图像,提出基于单帧图像的模糊检测与分割的盲复原方法。首先,模糊检测生成模糊区域映射图;其次,采用腐蚀和膨胀分别对映射图中的模糊区域与清晰区域处理,利用处理结果标记,并采用分割算法分割图像;再次,分两步估计模糊核,并对模糊区域进行外延扩张,利用估计得到的模糊核进行反卷积去模糊;最后,去除被外延的部分,并与分割得到的清晰区域进行拼接,得到完整的去模糊后的图像。结果表明,算法在人工数据集峰值信噪比(peak signal to noise ratio,PSNR)平均提高10 dB,均方根误差(root mean square error,RMSE)平均降低0.12,自然场景下的真实模糊数据集去模糊结果视觉质量明显提高。此外，该算法在减少模型复杂度的同时也提高了去模糊的质量。     

自适应边缘检测最大似然分割算法

由于SAR图像中存在较强的乘性斑点噪声 ,给SAR图像分割造成很大困难。研究了分割SAR图像用的最大似然区域增长分割算法 ,并提出在分割前先利用自适应边缘检测方法获得边缘图 ,然后利用边缘图对图像进行初始分割。理论分析和获得的分割结果证明 ,引入自适应边缘检测后 ,不但在图像的均匀区域能更好地抑制斑点而且可以更好地保持图像的结构信息 ,图像分割效果得到明显改善。     

二值文本数字水印技术的研究与仿真

针对二值文本纹理复杂、信息隐藏的免疫力差的特点,提出了一种基于DCTDWT的二值文本频率域数字水印算法。算法结合了DCT和DWT二者的特点,将水印信号进行分块DCT变换,按照从低频到高频的顺序对各块系数进行重新排列,对应嵌入到原始图像的DWT分解子带中,强化了不可见性。为了验证算法的鲁棒性和不可见性,利用相似度原理设计了水印提取检测器,通过将嵌入水印后的图像进行JPEG压缩、加入高斯噪声、椒盐噪声以及将其剪切掉一块的方法来模仿图像在实际网络环境下可能遭受的各种攻击和干扰,仿真实验证明,在各种情况下,检测器均有较好的检测效果。     

基于人眼视觉的任意形状区域丢失图像信息重建

任意形状区域丢失图像信息的重建对于图像中遮挡区域的去除、受损图像的复原和红外图像中的目标检测具有十分重要的意义。目前普遍采用的插值重建等方法存在重建后图像的主观视觉质量明显下降的不足。因此提出了基于人眼视觉特性的任意形状区域丢失图像信息的重建模型。利用重建区域外接矩形中余留的已知信息 ,并根据人眼的低通视觉特性 ,以加权最小二乘的方式在DCT域中重建相应的DCT系数 ,然后通过IDCT得到重建后的图像。实验证明 ,通过该方法所得到的任意形状区域的重建图像 ,在主观和客观质量方面都有显著的提高。     

一种基于标记阈值的分水岭分割新算法

为了克服分水岭算法的过分割问题,提出了一种新的带标记(marker)的分水岭分割算法。该方法首先根据邻接像素的连通性提取原始图像梯度的局部极小值点,然后采用最大熵阈值法去除由噪声及图像细节纹理所产生的伪极小值点,将修改后得到的极小值点强制作为标记,并在原始梯度图像上应用带标记的分水岭算法。该方法的优点是可以自适应地提取标记而不需要先验知识,克服了标记提取的困难。实验结果表明,该算法能有效地减少分水岭的过分割现象。     

基于轮廓波变换和改进模糊c均值聚类的红外图像分割

针对红外图像分辨率低、对比度弱、易受噪声污染等特点,给出了轮廓波变换与模糊c均值聚类相结合的红外图像分割方法。该方法首先在假定图像轮廓波变换系数的先验为高斯分布的基础上,将基于最大后验概率准则的比例萎缩法应用于红外图像降噪,以完成分割前的预处理过程,然后利用改进的模糊c均值算法对降噪后的红外图像进行分割。针对标准模糊c均值分割存在的问题,本文提出的方法从基于样本直方图的最小最大距离法的初始聚类中心确定、考虑邻域像素相关性的样本点聚类权值和邻域隶属度修正三个方面加以改进,在保证分割精度的基础上,进一步滤除降噪阶段遗留下的图像噪声。对一系列红外图像进行实验的结果表明,相对于标准模糊c均值算法,本文提出的改进算法划分熵平均降低约10%,区域对比度提高约27%,能够实现对受到噪声污染红外图像的有效分割。