运用模糊连接理论分割非连通图象

本文提出了一种利用模糊连接理论讨论非连通图象的分割方案．该方案较好地利用了图象本身的模糊特性，修正了模糊连接强度的定义，从而成功地实现了分割数字、字母和汉字这样一些连通的或非连通的图象．它克服了Ｊ．Ｋ．Ｕｄｕｐａ算法仅能分割连通图的缺点．同时论文中还讨论了分割灰度图象和彩色图象的模糊连接强度定义及有关参数的选择方法．实验例子证明了这种方法的有效性．     

基于GAC-CV混合模型的憎水性图像分割算法研究

几何主动轮廓（GAC）模型根据曲线的几何特性可以避免演化过程中重新参数化，但其分割模糊边界对象的效果不佳，而Chan-Vese（CV）模型通过最大化目标与背景的灰度差可以有效地区分图像的模糊边界。基于此，提出一种GAC-CV混合模型，即将图像的边缘信息与区域信息融合进入同一个"能量"泛函，并对不同的分割目标采取不同的分割策略，提高凹形边缘的捕获能力。对绝缘子7种等级的憎水性图像的分割结果表明，该混合模型具有优越的分割性能，对水珠亮点的检测率高达95%。     

无损检测焊缝图像的缺陷分割算法研究

模糊C-均值聚类（FCM）算法现在已广泛的应用于地质形态分析、语音识别、图象处理及空间导航系统等领域。尤其在灰度图象中,由于其固有的模糊性,把模糊理论应用于灰度图象的处理中,能取得一定的效果。无损检测中采集到的图象为灰度图象,其中灰度信息是最基本的信息,也是最简单的图象信息,本文利用一维灰度信息,采用模糊C-均值聚类算法,结合直方图数据,设定FCM算法初始聚类数目及初始的聚类中心,实现对焊缝图象的缺陷分割。     

基于二维灰度直方图的模糊熵分割方法

传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差，因此提出了基于二维灰度直方图的模糊熵分割算法．此算法根据像素点灰度值和其邻域灰度均值，建立二维灰度直方图，并在对应目标和背景的像限内构造像素点对目标和背影的隶属度函数，从而去除噪声和边缘像素对图像分割的影响．最后通过求模糊熵的极值，得到二维图像分割点．实验结果证明，该方法具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且可以方便地推广到其他一维熵分割中．     

边缘信息指导下的半模糊聚类图像分割方法

提出了一种利用边缘信息的半模糊均值聚类的图像分割算法，它先用边缘检测和区域生长算法对图像进行一次预分割，确定聚类的初始参数，然后在这个基础上对“边缘”部分的点采用模糊聚类、非“边缘”部分使用分明聚类，避免了模糊聚类时初始参数设定的盲目性，减少了迭代时的计算量，提高了迭代收敛速度．除灰度特征外，聚类时还利用了点到类的距离特征，较好地保持了分割图像的连续性．直接观察对比多幅图像的分割实验结果可以明显地发现，该算法较常用的Cksu方法、二维熵阈值分割方法以及FCM方法的分割结果更准确．就Lena图像而言，该算法的收敛速度也比一般的FCM快了将近一倍．     

一种组织细胞图象的分割

自动、时实、计算机视学细胞追踪系统需要一种非常有效的细胞图象分割方式．通常一些文献介绍的分割算法在运用于未染色活细胞图象分析时,由于灰度变化和不均匀的光照等,显得非常虚弱．我们研究了分割的两步策略即：（１）选出含有细胞和一部分细胞周围背景的近似区域;（２）从这个区域内的背景中分割出细胞．这种方式能有效降低周围背景灰度和细胞区域上纹理的影响．实验结果表明这种方法作为细胞图象的分割时既快又省力．     

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     

基于小波变换和动态聚类的图象分割方法

本文讨论了一种结合小波变换和非监督动态聚类的图象分割算法。在图象分割过程中,首先用小波变换提取图象中的边缘信息,再利用所得的边缘信息和原图象的灰度信息进行聚类。实验证明了这种方法是行之有效的。     

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．     

模糊聚类分割算法在织物淋水等级评定中的应用

本文应用基于二维直方图的图象分割模糊聚类方法对标准织物淋水试验等级的图象进行分割处理，即利用模糊Ｃ—均值（ＦＣＭ）聚类算法得到图象像素点的隶属度集合，并由各像素点的隶属度实现图像分割，完成图像的二值化。然后计算二值化后的图象上黑区域（物体）面积百分率，此值即为织物上的沾水面积百分率。实际评定织物淋水等级时，采用欧氏距离计算实验样品与标准样品淋水面积的贴近度来确定其淋水等级。     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明, 该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

运动模糊图象的边缘检测

本文提出一种在运动模糊图象中检测边缘的方法。因为仅仅考虑图象的边缘信息,不涉及图象的大面积灰度,所以检测过程不需要先验知识及待调整参数。经过一次微分及一次边缘检测处理,模糊图象化为移动前边缘图象与移动后边缘图象的迭加,再经过移位和门限处理,即可检测出未经模糊的边缘图象。计算机模拟实验示出,这种方法是可行的。     

一种基于熵优化的区域生长图像分割方法

提出了一种基于熵优化的结合区域生长的图像分割算法，它利用边缘检测和区域生长算法对图像进行一次预分割，然后再沿着图像中每个类的边缘试探性地调整分割，以熵的大小作为优化分割的指标逐步优化图像的分割．实验结果证明了该算法的有效性，而且比其他一些常用的灰度图像分割算法更准确．     

一种灰度图象的自适应分割算法

利用遗传算法的高效搜索性能和模糊集合理论能较好地描述问题的模糊性和随机性，提出了基于遗传算法的最大模糊熵快速分割算法，将遗传算法和模糊集合理论结合起来应用于灰度图象单闽值和多阈值分割．实验结果证明该方法有效地实现了快速分割，并具有较好的鲁棒性．     

融合模糊连通图和区域生长的MRI脑组织图像分割算法

针对磁共振脑组织图像中存在灰度不均匀,不利于分割的问题,提出了一种应用模糊连通图和区域生长的MRI(Magnetic Resonance Imaging)脑组织图像分割算法。首先用大津法对脑组织进行粗分割,得到脑白质部分的大致轮廓,。然后计算粗分割结构的中心点,根据中心点得到图像的模糊连通图。最后用区域生长算法对模糊连通图中的脑白质进行更精确的分割。试验结果表明,此方法能够精确的得到脑白质轮廓的边缘,并且大大降低了区域生长种子点位置和阈值选取对分割结果的影响。     

流形正则化多核模型的模糊红外目标提取

针对模糊边缘的红外目标提取问题,提出一种基于流形正则化多核半监督分类的提取方法。首先应用最大类间方差法计算初始分割阈值,获得确定化的目标和背景区域以及待确定化的模糊边缘区域;然后建立各区域内像素点邻域空间集,并通过多核函数特征映射获得邻域空间中灰度均值和方差信息特征值,通过流形正则获得邻域空间中位置信息特征值;在特征值基础上,建立半监督分类模型对模糊边缘区域像素点邻域空间集进行类别划分;最后计算最佳分割阈值。对比实验结果表明,该方法提取模糊边缘红外目标效果好且运算效率高。     

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。     

一种用于提取医学图象边缘的新方法

本文运用图论中启发式搜索法，能够克服人体器官边缘轮廓中某些区域出现灰度模糊，智能地提取精确的边界。本文所述方法能推广到光照不均匀和边缘有重叠物体图象中提取边界     

基于边缘强度的图象分割

介绍一种根据边缘强度进行象素灰度值加权平均以获得分割门限，与一般通过友度直方图找寻分割门限以进行图象分割的方法不同，不仅能消除噪声的影响，而且对友度分布不均匀的图象通过分区处理效果更好。还详细讨论该方法的工作原理及算法．     

激光共焦显微生物医学图象分割方法的研究

提出了用于激光共焦显微生物医学图象分割的循环递增阈值分割法。先用最低分割阈值把图象分割成子区域,然后测量每个子区域的灰度均匀度。如果灰度均匀度不满足灰度均匀度分割准则,则增加分割阈值,对该区域进行再分割。循环这个过程,直到没有区域需要分割为止。介绍了围线积分法区域标号和灰度均匀度分割准则的设计。给出了用该法分割图象的两个实例。