分形维数及其在图像分析中的应用研究

论述了盒维、差分盒维、毯子维以及多重分形维等基于分形理论的图像分析原理和方法,并讨论了国内的研究情况.从相应的研究可知,利用图像的分形维数特征,进行图像分类、图像分割以及边缘检测的方法是可行和有效的.     

基于分形和模糊滤波的红外烟幕背景中人造目标的识别

章分析了红外烟幕图像中背景与目标特征的差别，采用分形维数和分形拟合误差作为烟幕背景与人造目标的区分特征，用模糊滤波的方法确定分割门限，实现了分形识别算法并对目标图像进行了处理，结果表明能够较好地从烟幕背景中检测出人造目标。     

一种新的局部图像放大方法

基于分形图像编码的基本思想和分形吸引子的特点，通过对图像的局部进行分形编码，然后进行分形插值解码，实现了图像的局部放大．实验表明，这种方法是一种有效的局部图像放大方法，克服了现有方法的缺点     

基于模型的FLIR图像的多分辨率分割方法

针对低对比度前视红外（ＦＬＩＲ）图像分割问题的特点，将多分辨率图像处理技术与基于模型的前视红外图像分割方法结合起来，提出了基于模型的ＦＬＩＲ图像的多分辨率分割方法．首先建立一金字塔结构的多分辨率图像集，然后在每一固定分辨率级别上使用基于模型的ＦＬＩＲ图像分割方法，并用低分辨率上的分割结果修正高分辨率上迭代的初始概率，最后在原ＦＬＩＲ图像中得到分割结果．该方法能得到更为精确的目标分割结果，并大大减小背景对分割图像的干扰，同时还加快了选代的收敛速度．对实际红外目标图像的分割结果证实了本算法的有效性．     

基于熵的变分辨率彩色图像分割

采用信息熵对所分割的彩色图像进行两种处理．利用图像的整体信息熵进行图像层次分析，从而达到自适应调整分割分辨率的目的；对图像进行单元片区划分，利用图像单元信息熵进行图像分割．由分割结果知，变分辨率图像分割更接近人类视觉对信息的处理特性．     

利用熵和分形压缩编码的图像检索新方法

图像的抽象描述和特征提取是基于内容的图像检索系统中需要解决的关键问题之一,文章提出了一种图像信息熵和分形编码相结合的图像检索方法．首先,计算图像库中的各幅图像的信息熵,比较设定的阈值对图像库进行预分类;其次．利用Jacquin方法计算得到查询图像的分形IFS编码,应用到图像库同类的图像进行分形迭代解码;最后,计算解码图像与查询图像的相似距离得到检索结果．实验结果表明,与直接像素值相似匹配方法相比,该法在基本保证图像检索效率的前提下,极大地提高了检索时间．     

一种快速分形图像编码方法

提出了一种快速分形图像编码方法．该方法利用原图像的均值图像设计编码码书，利用高阶统计量对域块进行分类，可以有效地减少域池中域块之间的相关性．同时，使用遗传算法搜索值块的匹配域块，可以减少分形图像编码时值块与域块的匹配搜索时间，加快图像分形编码的速度．基于这种方法的分形图像编码，在图像解码时不需要迭代，可以提高图像的解码速度，不需要对编码时的伸缩系数加以限制．仿真结果表明，这种快速分形编码方法可以减小图像编码时间，较大提高了分形编码的速度．在相同压缩比的情况下，解码图像的质量也比传统方法要高．     

一种医疗图像特征分割的实用方法

比较传统医疗图像分割方法，提出了“灰度增长法”来分割特征图像，并在MATLAB中编程实现．     

图像分割及其常用的方法

图像分割是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题。本文从原理、应用和应用效果上对经典的图像分割方法如域值分割技术、区域增长和边缘检测等进行了分析,同时对目前图像分割领域中新的技术如分形、数学形态和神经网络技术进行了讨论。分析了图像分割技术研究的方向,以及需要解决的问题。     

自适应分形矢量量化编码

提出了一种自适应分形矢量量化编码方法。对图像进行自适应四叉树分割,并构造粗糙的均值图像。误差图像进行分形矢量量化编码时,使用设计的自适应二维维纳数字滤波器,对收缩的均值图像进行滤波后,可构造好的码书。实验证明,本方法码书不需外部训练,解码不需要迭代,可以改善重建图像的视觉质量,使压缩比和PSNR都有明显提高。     

一种新的水下焊缝图像信号提取方法

简述了水下焊接图像不同于陆上焊接图像的一些特点,并比较了传统的利用阈值分割和图像边缘检测方法对水下焊接图像和陆上焊接图像的信号提取效果.在此基础上,对水下焊缝图像从频域上进行分析,提出了一种新的水下焊接图像信号提取方法,即采用小波分解去除弧光干扰和采用聚类分割方法去除气泡水泡干扰的信号提取方法,能够取得很好的效果.     

基于区域特征的胃炎病理图像二值化分割方法

二值化图像侵害方法因方法简单、易于实现而得到广泛应用,文章提出了一种基于区域特征的二值化图像分割方法。实验表明,该方法针对胃炎病理图像能得到较好的效果。     

基于数据网格的肝脏CT图像感兴趣区域分割

通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。     

基于多分辨率-分水岭算法的图像分割方法

提出了在小波多分辨率域中使用分水岭算法对图像进行区域分割和融合的新方法,该方法首先使用小波变换理论将原始图像变换为不同层次的金字塔多分辨率图像；然后通过分水岭算法获得最低分辨率下的分割图像；最后。利用逆小波变换将分割的图像映射到原始分辨率上．从而获得分割图像．实验结果表明：此方法可以大大减少噪声存在下的过分割现象．     

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．     

基于子区生长的移动机器人视觉图像分割

针对区域生长法中自播种过程消耗了大部分时间的问题,提出了基于子区生长的图像分割方法,以提高图像分割效率.该方法在具有区域一致性的子区生长基础上,将分割与自播种过程结合在一起,提高了图像分割速度.同时针对图像噪声干扰子区一致性检测问题,提出采用区域像素平均距离作为区域一致性标准.实验结果表明:区域像素平均距离比传统的方差具有更好的噪声抑制能力;移动机器人视觉图像分割实验验证了所提出的基于子区生长的图像分割法的有效性.     

图像分割技术的发展

图像分割是图像处理中的一项关键技术 ,也是一经典难题 ,从发展至今仍没有找到一个通用的方法 ,也没有制定出判断分割算法好坏的通过标准 .本文对图像分割方法中的域值分割方法、边缘检测方法和区域提取方法等作了一概述 ,并介绍了一些近年来出现的各种新方法和对分割评价标准的研究情况 .最后 ,指出了图像分割技术今后的发展方向     

基于改进的区域生长鼻咽癌MR医学图像分割

在综述医学图像分割技术的基础上,针对临床鼻咽癌MR医学图像的特点,提出一种基于区域生长的改进分割方法.该方法从基于区域生长的自动分割入手,克服以往交互式地定义初始种子的不足,利用概率矩阵完成初始种子的自动生成,再运用SUSAN算子作为区域生长的终止准则,从而实现对鼻咽癌MR医学图像的有效分割.以福建肿瘤医院临床医学图像数据进行分析实验,结果表明,该方法分割效果显著提高.     

基于粗糙熵和K-均值聚类算法的图像分割

针对基于粗糙熵的图像分割算法不能满足复杂图像的多类目标提取的需要,本文先利用K-均值聚类算法对图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。通过对遥感图像进行分割处理,证明了改进后算法的有效性。     

基于PCNN模型的区域生长图像分割

提出了一种结合区域生长算法和脉冲耦合神经网络进行图像分割的方法.该方法将待分割图像的像素点映射为PCNN模型中的神经元,把改进的脉冲耦合神经网络模型的点火频率同区域生长的理论结合起来进行图像分割.实验表明该方法分割的图像与传统的分割法相比具有边缘信息更加完整,区域划分更加准确,分割效果更能符合人眼视觉的识别特征.