基于MRF与纹理特征的图像深度信息估计

提出了一种基于马尔科夫随机场(MRF)模型与多尺度纹理特征的单幅图像深度信息估计方法,该方法采用了Laws滤波器分别对图像的边缘、梯度、点进行滤波,捕捉二维场景图像中不同尺度的纹理能量以获得深度信息的特征.并根据纹理特征在不同尺度范围的不同值,计算出纹理线索与场景深度间的概率关系,在此基础上,构建MRF概率模型.MRF模型通过分析邻域系统和设计迭代准则很好地描述了纹理特征与场景深度之间的关系,最后通过迭代算法获得二维场景图像的深度信息.实验结果表明,该方法对场景深度信息的提取具有较好的效果,对于二维场景图像的场景结构、空间布局的约束较少,算法鲁棒性好.     

基于H颜色通道的图像检索技术

通过对图像颜色的低级物理特征、HSV色彩空间的分析,根据H颜色通道量化区域分界处附近颜色存在的渐变性和混杂性,提出了基于H颜色通道的模糊量化算法.在H颜色通道加入符合人类视觉模型的模糊信息,很好地解决了量化过程中的色彩边界处理问题.对比试验证明该方法能够提高图像的检索效率,方法有效.     

用于图像分割的局部区域能量最小化算法

针对点对马尔可夫随机场(Pairwise MRF)模型中像素成对交互的结构不能充分描述图像丰富的局部统计特征问题,在研究Pairwise MRF模型基础上,提出了一种基于局部区域能量最小化的图像分割算法.该算法先利用图像局部区域信息构造局部区域能量模型,建立了一种局部交互的区域马尔可夫随机场分割模型,然后采用无环置信传播(LBP)算法对MRF全局能量进行优化.优化过程中,对局部区域能量进行收敛并按照MAP准则估计局部区域标号,通过LBP算法把局部区域信息传递到邻域区域中去.实验结果表明,所提出的新算法较标准LBP算法具有更好的分割结果,并有效地抑制了图像噪声信号和纹理信号对分割结果的干扰和影响.     

融合多可视化特征的可通行性地形分类

;针对基于单一特征进行可通行性地形分类效果差的问题,提出了一种融合多可视化特征的地形分类算法.首先通过实验选出了分类效果较好的YIQ颜色空间并在此空间提取颜色特征,然后引入一种新的能量定义方法对离散余弦变换(DCT)纹理特征提取法加以改进,由实验得出改进的DCT纹理特征及小波(Coiflets-4)纹理特征可取得较好的分类效果.将上面3种特征加以融合并用主成分分析法(PCA)进行降维处理,利用高斯混合模型(GMM)作为分类器.在由VisTex标准数据库所生成的马赛克图像和真实的野外环境图像中进行实验,结果令人满意.     

一种CNN-Transformer网络在皮肤镜图像分割上的应用

【目的】针对皮肤病变图像存在皮损形状不规则、边界模糊以及毛发伪影等问题，提出了一种将CNN和Transformer相结合的图像分割算法。【方法】首先对皮肤病变图像进行去毛发预处理，减少毛发噪声对结果的影响，然后构建CNN和Transformer结合的分割模型，采用Resnet作为特征提取主干网络，将提取到的特征图序列作为Transformer的输入，在Transformer中加入了新的结构边界注意门以提取足够的局部细节来处理模糊边界，最后采用DenseASPP模块增强特征表示和处理多尺度信息，并且提出一种改进了的损失函数，以便在计算损失函数的同时使得模型能关注边界区域部分。【结果】提出的算法在ISIC2017数据集上的Dice指数值以及Jaccard指数值分别为0.854 534和0.767 901，在ISIC2018数据集上的Dice指数值以及Jaccard指数值分别为0.908 548和0.843 689，与其他算法相比提出的算法对图像的分割效果相对较好。【结论】实验结果证明了所提算法在皮肤病变图像上进行的图像分割是有效的。     

彩色图像分割中基于图上半监督学习算法研究

提出一种新的基于图上半监督学习的彩色图像前景/背景分割模型与算法.该算法的目的是利用人工标定的部分像素点分割信息以实现对整幅图像的分割.通过结合像素点颜色特征和像素点颜色与前景/背景颜色的相似性特征,构造了新的图节点之间的双高斯权重函数,并对此提出自适应的参数选择策略与彩色图像半监督分割的能量模型,通过优化该能量模型将...     

基于图像欧氏距离流形降维的端元提取算法

由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高针对高光谱图像的非线性结构.本文提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法该方法结合高光谱数据的物理特性,将图像欧氏距离引入局部切空间排列进行非线性降维以更好的去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元.真实高光谱数据实验表明,提出方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成分分析算法和原始的局部切空间排列算法.     

一种基于白帽变换的细小水体信息提取方法

提出一种基于形态学白帽变换的线性特征增强处理技术,从而有效提取遥感影像中的细小水体信息.通过白帽变换对改进的归一化差异水体指数(MNDWI)影像进行线性特征增强处理,获取形态学细小水体指数(MNWI)特征影像,并采用经验阈值和自动阈值相结合的方式实现水体样本信息双阈值分割提取,解决细小水体与线状道路容易混淆的问题.利用多幅Landsat影像测试本文方法,结果表明,本文方法能较好地提取细小水体信息,较好地保持细小河道形态的连续性,细小水体提取精度达到80%以上.     

基于Haar-CNN模型的自然场景图像分类的研究

研究基于Haar-CNN模型的图像特征提取用于自然场景图像分类的问题.Haar小波变换是图像处理中常见的一种变换,可以提取图像的局部和空间信息,并把彩色图像的颜色、轮廓和纹理信息进行分层次的表达.卷积神经网络(CNN)是一种得到广泛研究与应用的深度学习模型,对图像特征具有很好的表达能力.基于Haar小波变换和CNN模型的优势,提出一种新的图像特征提取方法,即Haar-CNN模型;利用该模型提取得到图像更丰富的特征信息;然后比较基于Haar-CNN和CNN模型提取的自然场景图像特征在分类中的效果,探究Haar-CNN模型对于自然场景图像特征提取的优势.再对比在不同颜色空间上Haar-CNN模型对自然场景图像的分类效果,实验结果表明YCb Cr颜色空间上的分类精度最高,为96.2%,比灰度图像的分类精度提高了7.8%.同时,进一步分析Haar-CNN模型中图像块大小、隐藏层神经元个数、池化区域大小、模型深度等参数对图像分类精度的影响,实验结果表明参数选择对图像分类很重要,合适的参数选择可以提高分类精度.     

基于Snake和动态规划优化的屋顶轮廓提取算法

提出一种从数字图像中提取建筑屋顶轮廓方法,该方法基于snake算法的能量函数表示图像建筑屋顶轮廓,并利用动态规划函数(DP)进行优化.在思想上建立建筑屋顶轮廓模型,利用内部能量和外部能量相结合表示snake能量函数,并构建边缘能量函数.利用DP对构建的snake建筑轮廓模型优化,通过种子点的确定对轮廓进行初始化,借助鲁棒线性回归技术获取多边形边界,根据边缘点主方向的鲁棒回归技术拟合直线方程式,结合线性回归算法得多边形新的顶点,并通过多次最小能量函数迭代处理发现最优轮廓.通过对实验结果的视觉检查和数值分析评估,与基于变分方法相比,本文算法能够获得较好的收敛效果,对提取建筑屋顶轮廓具有很大的潜在意义.     

空间颜色聚类算法及其在图像特征提取中的应用

针对目前图像基本颜色特征单一、 可提取信息不足的问题, 提出将图像进行HSV颜色空间转换, 先用均衡化直方图增强空间颜色互转后的图像空间 颜色像素, 再用融入rgb2ind的K-means均值聚类算法提亮均衡图像, 以增强图像颜色特征的提取目标和数量. 实验结果表明, 该方法优于普通空间颜色图像进行特征提取的效果, 实现了为颜色特征识别提供更多的检索信息.     

基于数据挖掘聚类分析的图像分割的研究和应用

目的探究基于聚类分析k-means算法的图像分割以及在遥感图像中的应用。方法首先研究聚类分析算法,其次基于RGB和HSV颜色空间下通过软件编程实现算法,最后应用于遥感图像。结果与结论优点是可以比较好地实现遥感图像分割的效果,HSV颜色空间下的图像分割效果较好;缺点是由于算法自身的限制,只能达到局部最优,便利性较差。     

TM遥感图像中居民点的自动提取

介绍了一种TM遥感图像中居民点目标自动提取的方法.针对TM遥感图像的光谱特征,提出一种基于多波段信息的图像分割模型,提取出居民点、道路及河滩地等光谱相近的地物.然后依据居民点的形态特征分离道路,并利用空间关系知识分离出河滩地.试验结果表明该方法能快速准确地识别提取TM遥感图像中的大部分居民点.     

基于余弦拟合和变指数的p-Laplace正则化的活动轮廓模型

利用余弦拟合能量作为传统活动轮廓模型的数据拟合能量项,并结合变指数的p-Laplace方程,提出了一种新的基于区域的活动轮廓图像分割模型.该模型可以分割复杂图像,变指数的p-Laplace函数可以有效的处理有复杂拓扑变换的图像和准确的提取目标边界.试验结果表明,该模型能够快速准确地分割复杂图像,并且对噪声有一定的鲁棒性和对轮廓的初始位置不敏感.     

基于相容粒的彩色图像检索算法

图像特征的提取与表达是图像检索技术的基础,而图像边缘是重要的视觉感知信息,由此提出一种基于相容粒度空间模型的图像检索方法.首先利用Canny边缘检测算子提取原始图像的彩色边缘信息,然后使用相容粒的合并计算方法对图像边缘颜色进行动态量化,根据得到的信息粒计算图像之间的相似度并进行图像检索.仿真实验表明,本文算法与传统颜色...     

基于均值场理论和马尔可夫场的运动目标分割算法

研究了基于均值场理论和马尔可夫场的运动目标分割方法.该算法先对帧差图像进行简单的前背景划分,再采用均值场理论(MFT),建立马尔可夫随机场(MRF)模型,构造系统相应的能量函数.然后通过求取最大后验估计(MRF-MAP),即求最小能量函数,得出标记场,提取运动目标.实验结果证明:该算法能够很好地消除噪声,对运动目标分割具有较好的分割效果.     

基于随机森林和多特征融合的青苹果图像分割

针对自然环境下青苹果图像中目标与背景颜色差异小和分割难度大的问题,提出一种基于多特征融合的随机森林(Random Forest,RF)分割方法.首先,基于灰度共生矩阵提取青苹果图像的能量、熵、对比度、相关性、熵标准差和对比度标准差6个纹理特征;然后,针对同幅青苹果图像提取RGB空间中的G+0.5R-B分量和HSI空间中的S+I分量作为组合颜色特征,以规避天空和高光区域对分割结果的影响;接着,以像素为单位对提取的纹理特征和颜色特征进行融合;最后,在融合特征的基础上采用随机森林对青苹果图像进行分割,并与传统仅利用单一特征的分割算法进行对比.实验结果表明,基于多特征融合的随机森林算法比传统仅利用纹理特征的算法正确分割率要高22.18%.     

自适应先验马尔可夫随机场模型的图像分割算法

针对全局同态先验马尔可夫随机场(Markov random field,MRF)模型在图像分割中不能有效利用图像局部统计特征的问题,提出了一种基于局部自适应先验MRF模型的图像分割算法.该算法基于贝叶斯理论,利用局部先验Potts模型描述图像的局部特征,建立了一种局部自适应先验MRF模型;提出了基于区域的置信度传播(Belief Propagation,BP)算法,把图像的局部区域特征传递到全局,最终基于最大后验准则(MAP)得到图像的分割结果.实验结果表明:所提模型对于图像中的噪声或者纹理特征等具有较好的分割,分割结果明显优于全局同态先验MRF模型;提出的自适应先验MRF模型对于图像的噪声或者纹理突变信号的干扰具有较强的鲁棒性;算法具有较少的迭代次数和较好的分割结果,且分割时间较短.     

基于非线性尺度空间的航拍场景分类

针对尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法在航拍场景分类中提取特征时,易造成边界模糊和细节丢失且无法描述颜色信息的问题,结合视觉词袋模型,提出了非线性尺度空间下融合颜色特征的新型颜色风式特征检测子(Color-KAZE,C-KAZE).通过KAZE构造非线性尺度空间来检测特征信息;对颜色模型(Hue,Saturation,Value,HSV)非等间隔量化获取颜色量化矩阵,进而生成C-KAZE特征描述子;利用视觉词袋和空间金字塔匹配模型融合多特征.实验表明,该算法相比SIFT算法在场景分类准确率方面提高了约8%.C-KAZE描述子增强了KAZE的特征描述能力,突破了SIFT算法特征描述单一、边缘细节模糊的局限性,显著提升了无人机航拍图像的分类效果.     

基于纹理和邻域信息的肤色分割算法

为有效分割图像中的肤色信息,提出一种基于纹理和肤色点的邻域信息肤色分割算法.首先,根据图像中的肤色点在RGB颜色空间上的分布规律,利用统计直方图模型对肤色部分进行初步分割;其次,为提取图像中的纹理信息,采用Gabor滤波器进一步过滤掉与人类皮肤颜色接近但纹理粗糙的区域;最后,采用掩码图像中的肤色点作为种子点进行邻域信息的扩散,得到最终掩码图像.实验结果表明,与统计直方图肤色模型相比,该方法肤色分割效果更好.