结合SVM和分形维数的多特征红外人造目标提取

研究了红外图像中人造目标的提取.首先,通过计算红外图像目标的分形维数确定红外目标和背景的大致区域;然后,分别提取目标图像和背景图像的灰度级特征(邻域中心像素亮度、邻域中值亮度和邻域平均亮度),再利用支持向量机(SVM)进行训练,并尝试用不同的核函数及其参数建立最适当的区分目标和背景像素点的模型,进而把红外图像像素点分成目标和背景2类;最后,利用构建的模型实现红外图像中人造目标的提取.实验结果表明,用该方法建立的分类模型可以有效地提取红外图像中的人造目标.     

基于模糊联合误差的红外图像边缘检测方法

图像的边缘检测中,非优化梯度阈值选择的不当会造成某些边缘点的丢失;而模糊阈值方法,需占用大量存储空间来搜索参数的最优组合.针对以上问题,本文在模糊理论的基础上,并结合红外梯度图像的特点,提出了一种基于模糊联合误差的红外图像边缘检测方法.本文首先通过改进的Sobel算子构造出红外图像的梯度图,在对其进行模糊划分的基础上计算区域模糊度,最后通过对区域联合误差的比较,确定模糊区域中像素点的隶属,实现边缘提取.与传统的基于梯度的边缘检测算法及最大模糊熵算法进行了对比实验.结果表明,该方法用于红外图像边缘检测时,能够在更短的处理时间内,保留更多的边缘信息.     

基于Jerk流形正则化深度极限学习机的电能质量复合扰动识别

为了有效利用电能质量复合扰动识别中存在的大量难以标注的实测样本,提出了一种基于Jerk流形正则化深度极限学习机(DJRELM)的半监督扰动学习方法. 算法通过堆叠嵌入Jerk流形正则化的极限学习机自编码器(JRELM-AE)实现在复合扰动特征自动提取的同时保持数据内部流形结构. 分类层通过阈值预测极限学习机和Jerk正则化半监督极限学习机的结合将多层网络扩展到多标签半监督分类应用. 实验结果表明:该方法在不同噪声环境下的分类准确率均高于几种基于极限学习机的监督学习、半监督学习算法、传统多层极限学习机和深度卷积神经网络,具有理论意义和实用价值.     

一种改进的正则化空域图像复原新方法

图像复原技术主要是针对降质模糊的图像,其最终目的是改善给定图像的图像质量.在原有正则化空域图像复原方法的基础上,根据人的视觉系统的特点,提出了一种改进的自适应正则化空域图像复原的新方法,针对各像素点所处的不同图像区域类型分别选取不同的拟和项参数和正则化项参数,通过计算各图像像素点的局部方差来确定该像素点的拟和项和正则化项的参数值.实验结果表明,该方法不仅提高了图像复原的质量,同时也没有影响代价函数收敛的速度.     

利用最近邻域分类的图像去噪算法

为了在图像去噪的同时较好地保护图像细节,利用最近邻域的算法将数据进行有效的分类,得到了不同的有意义的封闭邻域,从而对突出的边缘细节信息与非边缘细节信息进行有效地分割,较好地改善了方形邻域固定、模糊边缘细节信息的问题.且利用小波分析之后的系数特征,估计出一个最佳阈值并进行阈值去噪.实验表明,该算法可以得到更好的实验结果.     

融合KFCM与改进DRLSE模型的甲状腺结节图像分割

针对超声甲状腺结节图像分割问题,提出一种融合模糊核(KFCM)聚类算法与改进距离正则化水平集演化(DRLSE)模型的分割算法,解决了DRLSE模型对初始轮廓敏感、演化参数需要人工设定及分割弱边缘能力较差的问题.该算法先利用KFCM聚类算法粗分割出结节区域并二值化作为水平集初始演化轮廓,然后利用初始演化轮廓围成的区域自动计算出水平集演化参数,最后采用高斯正则化规则演化水平集分割出甲状腺结节区域.对比实验结果表明,该算法提高了甲状腺结节的分割精度,在噪声干扰下也能准确地分割出结节区域.     

信息熵多属性约简的煤粉尘图像特性机理

为研究无明确特征模式的煤尘颗粒图像特性,以某煤矿煤样为研究对象,按国标标准运用粉尘采样器对粉尘溢散源处颗粒物进行多点采样。采用多决策属性约简模糊粗糙集3个阶段即提出隶属度模型、实现属性约简、确定最大信息熵阈值分割对颗粒形态特征机理进行分析。首先建立粉尘图像各像素点对应的模糊类别隶属度模型,利用多分段函数确定隶属度;分析煤粉尘图像灰度特征并将其作为条件属性,确定条件属性的模糊依赖度,获取最优值并提取模糊属性约简,进行目标及背景区域的模糊下近似和模糊上近似划分;最后建立煤粉尘颗粒的信息熵模型,存储信息熵并实现对分割阈值的提取。结果表明:依据模糊属性约简的互异重要度可实现多属性约简;并确定煤粉尘图像模块区域的最大信息熵分割阈值。所建立模型可删除冗余属性,选择出对分类更为重要的属性,并通过属性约简完成特征选择分类。     

基于半邻域法的自适应图像边缘提取方法

图像边缘对图像识别和计算机分析十分重要,至今已经提出了大量的各种类型边缘提取算法.该文在半邻域法的基础上提出了一种基于自适应阈值选择的图像边缘提取算法,在判断某一像素点是否在边缘上时,以该像素点为中心,选取3×3的区域为研究对象,求出该区域的最大、最小、均值像素值及标准差,在选用标准差为其阈值的同时,还考虑人的视觉对于灰度分辨能力的限制.最后,对多幅灰色图像进行了边缘提取,结果证实了该文方法的有效性.     

基于模糊TS-MRF模型的无监督声纳图像分割

为解决声纳图像本身特征信息较弱,而树结构化的马尔可夫随机场(TS-MRF)算法在分割中过分依赖祖先节点,且在标号分割中仅考虑区域内部一致性而忽视区域边缘的各向异性的问题,提出了一种模糊树结构化的马尔可夫随机场(TS-MRF)模型的声纳图像分割算法.在TS-MRF势函数中引入广义模糊算子,以模糊隶属度作为像素相似度度量,将邻域信息融入到分裂节点参数的确定中,使得先验概率的刻画更加精细.已知图像观测特征前提下定义分裂增益系数来反映分裂前、后标号后验概率的比值,并将对增益系数的判断作为确定二叉树节点分裂的依据,降低求解后验概率最大的计算复杂度.结合区域分裂合并方法完成对声纳图像无监督分割.实验结果从视觉效果和客观评价表明:本分割方法相比于传统MRF和TS-MRF等分割算法,具有较高的分割精度和高鲁棒性.     

红外破碎人体目标的水平集修复算法

许多图像分割方法提取红外人体目标时的结果常存在破碎现象,需要修复.将图像修复转化为图像分割问题,首先应用薛定谔变换使人体碎片形成连通区域,然后提出一种综合图像区域和边缘信息的水平集分割模型提取该连通区域,模型收敛时目标修复完成.实验结果表明,该方法可自动确定目标碎片位置与归属,排除背景干扰,填补目标内部缺损,胶连缺损人体轮廓段,修复结果与真实外形总体相似度高于80％,内部残缺率低于4％,通过优化模型参数可获得良好鲁棒性.     

可调型Ising模型及其在高分辨率影像主干道提取中的应用

结合基于随机场理论的影像分类技术,提出高分辨率影像的主干道提取算法.在影像分类时,通过Ising模型将像元空间上下文关系融入到分类中.为避免由Ising模型的边缘模糊现象,对该模型进行了改进,并提出可调型Ising模型.新模型通过对边缘处和区域内的像元施以不同强度的类型平滑操作,不仅避免了边缘模糊现象,而且还有效地屏蔽了主干道区域内噪声和细节信息的干扰,提高了分类结果中该区域的完整性.最后,根据几何形状特征在分类结果中对主干道进行提取.结果表明:相比基于K均值聚类法和基于Ising模型分割算法的提取结果,本文算法在区域完整性和边缘类型判别精确性等方面均有较大程度的提高.     

一种GrabCut分割边缘的优化方法

针对GrabCut分割精度不够以及边缘不平滑的问题,提出一种目标边缘优化方法.首先使用GrabCut算法获取目标的α掩像,然后对α掩像进行形态学处理而获取目标边缘区域,再将目标边缘区域内的像素与已知的绝对背景和绝对前景的部分像素进行颜色信息比较,根据比较结果重新分割边缘区域像素,最后对重新分割的目标边缘进行平滑处理.实验结果表明,本文的方法对边缘分割的精准性和平滑度都优于GrabCut算法.     

一种改进的多光谱遥感图像超像素分割算法

针对简单线性迭代聚类算法在多光谱遥感图像超像素分割中存在的未充分利用图像特征信息及超像素尺寸、 数量固定导致分割精度较低的问题, 提出将流形 简单线性迭代聚类算法引入到遥感图像超像素分割任务中, 并对其进行改进. 首先, 给出一种基于彩色局部二进制模式改进的多光谱遥感图像纹理特征提取方法; 其次, 扩展流形 简单线性迭代聚类算法的光谱空间, 使算法可以适应高维图像数据; 最后, 改进流形 简单线性迭代聚类算法的聚类距离度量, 融合图像的多段光谱特征、 空间特征及纹理特征对像素进行迭代聚类, 实现内容敏感超像素分割. 实验结果表明, 与现有方法相比, 该算法对多光谱遥感图像的超像素分割结果更准确, 在边缘召回率、 欠分割误差、 可达细分精度指标上均有提升, 能改善多光谱遥感图像分割预处理方法中精度较低的问题.     

一种基于区域生长算法的脊椎椎体提取方法

脊椎椎体三维重建是脊椎应力应变研究的重要环节,对MRI图像中脊椎椎体区域的提取是三维重建的基础。为了准确提取脊椎椎体区域,提出了一种基于区域生长算法的脊椎椎体提取方法。通过最大类间方差法求得到自适应阈值代替传统区域生长算法中的手动阈值,再结合中值滤波算法对原始图像进行预处理,避免了传统区域生长算法手动阈值造成的过分割,或者欠分割等现象;并有效抑制MRI图像噪声,使椎体区域内像素变化更为缓和,弥补了传统区域生长在MRI图像椎体区域内部分割效果不佳的缺陷,准确提取出脊椎椎体并建立出三维模型。     

融合改进帧差和边缘提取算法的运动目标检测

针对帧差算法检测运动目标存在的目标边缘缺失和空洞的问题,提出一种将改进帧差和基于改进Canny算子的运动目标边缘提取方法相融合的运动目标检测算法.首先,使用帧差法快速检测变化区域,并通过面积阈值判断是否进行当前帧的检测以提高算法实时性;其次,在运动目标边缘提取中,提出一种基于改进Canny算子的运动目标边缘提取方法提取...     

利用非线性流形学习的轴承早期故障特征提取方法

针对早期故障微弱特征难以提取的问题,提出了一种基于非线性流形学习的滚动轴承早期故障特征提取方法.在由时域指标和小波频带能量组成的原始特征空间中,结合局部切空间排列学习算法的特点,采用散布矩阵分类测度指标,实现了局部邻域的优化选取,从而提取出最优的敏感故障特征.通过实例应用,表明该方法有效地克服了主分量分析和非线性核主分量分析方法的不足,提取的融合特征敏感性更好,从而提高了故障模式的分类性能,实现了轴承的早期故障诊断.     

基于半监督阶梯网络的肝脏CT 影像分割

针对医学影像数据中标记样本较少且人工标记成本高的问题, 提出一种基于半监督阶梯网络的肝脏CT(Computed Tomography)影像分割模型。首先, 利用超像素分割对数据进行预处理减少数据量, 并以像素点为中心提取子图像(patch)放入半监督模型进行训练。最后, 利用训练模型进行肝脏分割。实验结果表明, 该模型利用少量的标记图片得到了与监督学习相近的结果。     

融合视觉模型和最大熵的阈值分割算法

针对传统二维最大熵阈值分割算法关于二维直方图的区域划分中存在的缺点(即图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点)以及搜索最佳阈值向量的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了一种二维直方图的新的区域划分方法,同时还提出了基于视觉模型的二维最大熵阈值分割算法,提出的阈值分割算法降低了计算复杂度的同时还具有很好的分割性能。根据一些图像分割的定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出算法的分割效果更好。     

高光谱图像半监督局部稀疏嵌入降维算法

针对目前高光谱图像半监督降维算法中基于流形学习的开放性选择近邻参数问题,以及利用传统算法不能有效地获取标签数据的局部信息,提出了一种无需考虑近邻参数的半监督局部稀疏嵌入（SELSE）算法.该算法基于稀疏表示理论,通过求解范数优化问题构建稀疏系数图,并且利用有限的标签数据最大化类间信息,提取高光谱图像的特征.在AVIRIS高光谱遥感图像的Indian Pine数据集上进行仿真实验,结果表明所提出算法在分类精度和计算效率上都有所提高.     

融合局部描述子的阈值图像分割算法

针对基于局部熵的过渡区阈值算法中没有同时考虑局部图像灰度变化的频率和幅度,提出一种融合局部描述子的过渡区阈值算法.提出算法首先采用图像的局部熵和局部方差等局部描述子提取图像的局部特征;其次融合局部图像特征构造特征矩阵,并选取合适的特征阈值提取图像的过渡区;最后根据图像过渡区的灰度均值分割图像.实验结果表明,根据一些图像分割的定量评价标准,提出算法提取过渡区的质量高,分割图像效果好.