基于C-V方法改进的红外图像自动分割

基于简化的Mumford-Shah水平集图像分割模型,Chan-Vese提出了不依赖于图像边缘的水平集图像分割算法(C-V方法).但是该方法分割参数难以确定,对于具有非均匀灰度背景的红外目标图像常常分割失败.针对这一问题给出了改进的拟合能量模型,新模型兼顾到了目标的同质性信息与其所占面积比例的关系.基于该模型的水平集图像分割方法自适应于灰度起伏的背景,可以较为理想地分割出与背景灰度差异不太明显的目标,对小目标也具有很强的适应性.实验结果表明,在固定水平集分割参数的情况下,新方法对于不同类型、不同背景的红外图像具有了良好的适应性.     

一种基于自适应阈值的图像分割算法

为提高目标检测概率，针对复杂的地面目标红外亚图像，提出了一种以最大类间方差法为基础的自适应阈值图像分割方法。用分割出的目标和背景区域的灰度统计量，设计了一个判断是否得到正确分割的准则．理论分析和实验结果表明，对于复杂背景下低对比度、低信噪比的地面目标，不论目标在图像中所占面积大小，利用该方法均可得到正确的分割结果．通过设置阈值运算的灰度取值范围，可大大减少计算量，节省处理时间．     

基于马尔科夫随机场的合成孔径雷达图像分割方法

提出了一种基于MRF模型和最大后验概率准则的SAR目标切片图像分割方法.该方法通过对SAR目标切片图像中不同的区域所占比例进行统计分析,得到了一种有效分割的迭代初值选择方法.本文给出了模拟退火算法,ICM算法,吉布斯抽样算法对模拟图像和实测SAR图像目标区域进行了分割,结果表明,采用本文提出的方法可以加速迭代的收敛过程,降低迭代次数,提高分割速度.     

一种结合遗传算法和最大类间方差法的图像分割新方法

传统的一维图像Otsu方法,只能对图像的灰度信息进行处理,对空间信息、像素等部分不能得到处理,因此在图像受到噪声或其他干扰时灰度直方图中的波峰、波谷会呈现不明显的分布,造成分割失误.本文结合遗传算法和最大类间方差法的图像分割新方法,是以遗传算法确定阀值空间中的最优阀值,最大类间方差法确定图像背景和目标图像之间的灰度方差面的最大值,避免受到噪声等因素的干扰.通过仿真实验发现该图像分割方法可降低分割时间,分割质量较好,发展前景广阔.     

基于改进遗传算法的Otsu图像分割方法

在对图像进行分割时,为了能够快速有效地求出最优分割阈值,对遗传算法进行了改进,并将其应用于Otsu图像分割。改进后的遗传算法随着适应度不同可自动调整遗传控制参数,并且收敛性好,不易早熟,最后能够得到图像分割的最佳阈值。通过实验可以看出,该方法得出的阈值更加稳定,阈值计算的时间也有极大提高,更能满足图像分割的要求。     

基于改进遗传算法的Otsu图像分割方法

在对图像进行分割时,为了能够快速有效地求出最优分割阈值,对遗传算法进行了改进,并将其应用于Otsu图像分割.改进后的遗传算法随着适应度不同可自动调整遗传控制参数,并且收敛性好,不易早熟,最后能够得到图像分割的最佳阈值.通过实验可以看出,该方法得出的阈值更加稳定,阈值计算的时间也有极大提高,更能满足图像分割的要求.     

基于自适应变异遗传算法的图像分割

在标准遗传算法的基础上,提出了一种用自适应变异遗传算法进行图像分割的方法和技术．通过对二进制编码串中每一比特位赋予不同的变异概率来加快搜索过程,以找到最佳的阂值来对图像进行分割处理．实验结果表明,该算法的收敛性能与运用该算法所得到的分割效果都优于标准遗传算法．     

基于多元统计的柑桔图像分割和目标识别

对含有复杂背景的彩色柑桔图像应用多元统计中的马氏距离分析法分别进行了图像分割和目标识别，对识别结果进行了分析，计算了不同条件下拍摄的柑桔图像中柑桔所占的面积比例。结果表明，马氏距离法在合理选择图像元素类别和各类别判定指标的情况下，经过对进行训练的样本空间进行确认，能够克服光照、复杂背景等因素的影响，较好地对柑桔彩色图像进行了图像分割，通过程序实现了目标面积比例的计算。     

基于多元统计的柑桔图像分割和目标识别

对含有复杂背景的彩色柑桔图像应用多元统计中的马氏距离分析法分别进行了图像分割和目标识别,对识别结果进行了分析,计算了不同条件下拍摄的柑桔图像中柑桔所占的面积比例.结果表明,马氏距离法在合理选择图像元素类别和各类别判定指标的情况下,经过对进行训练的样本空间进行确认,能够克服光照、复杂背景等因素的影响,较好地对柑桔彩色图像进行了图像分割,通过程序实现了目标面积比例的计算.     

脉冲耦合神经网络模型参数优化及图像分割

脉冲耦合神经网络在图像处理中有着重要应用,但存在模型参数难以选择和图像边缘过于平滑问题.通过对图像进行双线性插值运算,再利用具有保护图像边缘作用的各向异性扩散特性确定模型的链接权值参数,采用遗传算法求解模型的链接强度参数和衰减阈值参数,成功实现了图像的自动分割.仿真结果表明,该方法得到的图像分割结果,体现了更多的图像轮廓和边缘细节,具有较好计算性能.     

基于高斯混合模型的视频对象分割算法

针对应用高斯混合模型（GMM）进行视频建模与分割时的模型选择及参数估计初值选择的难点，提出了一种基于GMM的视频对象分割算法．首先进行特征提取，在特征矢量中引入加权运动信息，可根据不同需要选择合理的加权系数，然后通过分割投影进行模型选择及期望最大化（EM）算法的参数初始化并估计参数，这种初值选择方案使得EM算法的初值和真实值较接近，加快了迭代运算的收敛速度，从而提高了视频对象的分割速度，最后对特征矢量进行聚类分割．仿真实验表明，在保持良好分割效果的同时，所提算法的运算速度约为常规方案的76％，并且具有良好的稳定性．     

结合灰度熵变换的PCNN小目标图像检测新方法

为了自动地进行小目标图像分割检测,从含单一弱小目标图像的特征出发,提出了一种结合灰度熵变换的脉冲耦合神经网络(PCNN)小目标图像分割检测新方法. 该方法在对有随机噪声和复杂背景图像进行非线性灰度熵变换滤波的基础上,考虑灰度熵值灰度图在满足先验概率目标背景比条件下,选择包含单一小目标局部窗口作为处理图像区域,并在局部最小交叉熵判据下,进行改进型PCNN迭代分割检测处理. 实验结果表明,该方法不仅能可靠地检测出复杂背景及随机噪声干扰下弱小目标,并且在PCNN运行处理过程中,可自动地完成最佳分割检测.     

基于目标、背景比例的灰度图像自动阈值选取法

最大类间方差法(Otsu法)因其计算简单、自适应性强而成为被广泛使用的图像阈值自动选取方法.在分析Otsu法原理的基础之上,提出了一种改进的最大类间方差法.为了提高分割效果,该方法同时考虑了背景和目标的类间距离和类内距离.与同类方法相比,提出的方法将目标和背景所占的比例作为权值修正了现有的方法,使得衡量类内距离的目标与背景的平均方差按照目标与背景的面积划分.Lena、Cameraman标准测试图像以及杂草图像的仿真结果验证了本方法的有效性.     

一种基于区域选择的视频对象分割算法

视频对象分割对于行动识别和视频检索等领域具有重要作用。针对现有方案的不足,提出一种新的视频对象分割算法。首先,基于物质度构建出视频主要对象的区域图,然后,视频对象的区域选择被建模为区域图中最大权重派系的寻找问题,为了避免不合理的区域选择所导致的无法求解问题,对同一派系的区域引入两种互斥约束:帧内约束和帧间约束,最后提出了一种新的最大权重派系(MWC)算法来计算满足约束条件的最大加权派系,从而实现视频对象的精确分割。将本文算法用于SegTrack数据库中的多个高难度基准视频进行测试,实验结果表明,本文算法能够实现每帧视频主要对象检测和分割自动化,且分割误差也要明显小于已有的算法。     

一种基于Gabor小波和颜色参数模型的阴影检测算法

本文提出了一种基于Gabor小波纹理特征分析和阴影参数模型颜色分析的阴影检测算法.首先,建立背景的混合高斯分布模型,通过对特定帧的颜色分析建立阴影参数模型.对图像序列中的每一帧,首先通过差分法提取出前景区域,然后通过Gabor小波滤波的方法,对背景和前景图中的相同小区域进行纹理特征分析,比较特征向量的距离,以判断潜在的阴影点.然后,通过阴影参数模型对这些潜在的阴影点进行颜色分析,并通过连通区域标记,形态学运算,FPR(去除假阴影)分析等方法,找出真正的阴影区域.实验结果表明,本算法具有较高的阴影检测率和物体检测率,可以满足实时检测的需要.     

一种新型自适应嵌入式流形去噪视频运动目标分割算法

针对目前运动目标分割算法在复杂场景中适应性较差,时间复杂度较高等缺陷,提出一种新的运动目标分割算法,该算法通过自适应流形去噪实现刚性和非刚性对象的运动分割.首先,引入一种自适应核空间,如果两个特征轨迹属于同一刚性对象,则将其映射到相同点上;然后,采用一种基于自适应内核的嵌入式流形去噪算法,分割出刚性和非刚性对象的运动;最后,在多个数据集上与几种传统算法进行对比实验.实验结果表明,该算法在不同场景中均能取得更好的分割与跟踪效果.     

一种基于CI特征的3-域均值平移聚类肺结节分割算法(英)

提出了一种有效的分割CT图像中肺结节的新算法。该算法采用均值平移（mean shift）算法和基于CI特征,共由三个步骤组成：（1）计算感兴趣区内的所有像素的CI特征;（2）把CI特征与像素的灰度值和空间位置信息结合在一起,形成3-域特征向量集;（3）利用均值平移聚类算法对特征向量集进行聚类。由于本文的算法能有效分析多高斯模型描述的包括实质性结节和亚实质性结节在内的所有结节,因此,可应用于CT图像中任何含有结节的用户感兴趣区域。实验结果证明,本文方法能更精确地分割出不同类型的结节。     

基于压缩感知的高分辨距离像散射中心参数估计

提出利用压缩感知理论实现高分辨距离像散射中心参数估计。该方法首先将散射中心参数估计转化为信号的稀疏表示,然后重点研究测量矩阵的设计和稀疏参数的选取。为了提高解的鲁棒性,在构造字典矩阵时将采用位置错开以降低测量矩阵原子之间的互相关性。在算法求解过程中,采用贝叶斯信息准则确定模型阶次和稀疏参数。数据实验表明,算法能够稳定精确地估计散射中心参数。     

基于自组织特征映射的图像分割算法研究

提出了一种基于自组织特征映射的图像分割算法,实现了计算机对图像的初步理解,从而在某种程度上模拟了生物的初级视觉功能．通过分析研究Kohonen网络的自组织特征映射过程,构造了基于Kohonen网络的图像分割神经网络方法,应用自组织特征映射方法将原始图像分割为有序化的相关特征区域．最后结合图像分割的特点对算法进行了改进,结合有监督的学习算法,使得图像的分割最终在先验知识的指导下进行．实验结果表明将Kohonen网络应用于图像分割使得算法具有很强的自适应性,能够在很大程度上避免背景及噪声对分割的影响．     

基于ARM的运动人体检测算法的研究

针对ARM平台资源有限的特点,提出一种适用于该平台的运动人体检测算法.该算法采用三帧差分法对图像序列中的运动目标进行检测,通过统计像素块的方法对阈值分割和形态学处理后的运动目标进行提取,并采用贝叶斯分类器对提取的运动目标进行分类.实验结果表明,该算法能在资源有限的嵌入式系统中实时有效地检测出静态监控场景中的运动人体,且对正常的光线变化具有一定的鲁棒性.