基于互信息熵差测度的医学图像自动优化分割

分割问题是医学图像处理领域的热点和难点之一. 特别是如何自动确定图像中分类类数（NC）以及如何对含有病灶的医学图像进行分割这两个问题一直未能得到很好的解决. 因此, 提出一种基于互信息熵差（dMI）测度的模糊交叉分割算法（DDC）. 实验结果表明, dMI揭示了分割图像与原图像的内在联系, 因而得以有效地确定NC, 而DDC算法对含有不同病灶的不同模式的医学图像能够进行自动优化分割.     

基于谱聚类的图像多尺度随机树分割

针对谱聚类（spectral clustering）应用于图像分割时权矩阵的谱难以计算的实际问题，定义了像素点与类之间的距离，给出一个采样数定理，设计了一个图像的分层分割（hierarchical divisive）算法．在利用该算法进行图像分割时，由于既要对待分类的点进行随机抽样，又要通过调节尺度因子来合并较小的类或拆分较大的类，因此图像的分割既具有随机性又具有多尺度特性，称之为基于谱聚类的图像多尺度随机树分割（multiscale stochastic hierarchical image segmentation byspectral clustering，简写为MSHISSC）．实验结果表明了算法的有效性．     

基于视频图像的火灾探测方法

图像型火灾探测是利用摄像机作为探头,对拍摄到的现场视频进行处理和分析,通过形体、颜色等变化特征探测火灾.本文提出一种基于视频图像的火灾探测方法,首先探测视频中是否存在移动区域,然后对移动区域内满足火焰颜色特征的区域利用HIS模型进行分割,分别分割计算区域的圆形度,面积变化率,闪烁频率及面积变化趋势特征等,最后通过分析特征进行火灾的探测.在此基础上,对提取的各项特征进行综合分析,从而实现火灾的探测和判别.仿真实验结果证明了算法的有效性.     

融合块结构的等周算法及其在CT图像分割中的应用

等周分割是一种基于图谱理论的分割算法,能有效提高图像分割质量且有较高的效率及稳定性.本文提出了一种融合块结构的等周分割算法.该算法采用块结构来减少图中节点数.并根据CT图像特征,将该算法应用到CT图像分割中.实验结果表明,融合块结构的等周分割算法在CT图像分割中取得较好的分割效果,并大大提高了分割效率.     

基于复扩散模型憎水性图像多尺度亮点检测算法研究

在多尺度框架下，提出基于非线性复扩散模型憎水性图像水珠亮点检测算法，最后采用模糊均类算法对多尺度虚部图像水珠亮点进行提取。实验结果表明：对于不同憎水性等级憎水性图像，水珠亮点检测都达到95％以上，这为对绝缘子憎水性等级估判及水珠（水迹）的进一步分割提供了重要的信息。     

一种快速TMF的无监督SAR图像多类分割算法

三重Markov随机场(TMF)模型非常适合处理非平稳、非高斯图像的分割问题.为了降低模型和算法的复杂性,以满足对实测SAR图像处理的实时、稳健和高效的需求,文中提出了一种快速TMF的无监督SAR图像多类分割算法.该算法首先针对SAR图像的乘性斑点噪声,研究了SAR图像四叉树分解的数字特征、阈值选取及分解规则,使得在图像平滑区进行粗分解,而在图像边缘区进行细分解,将图像快速映射成一种新的基于边缘信息的pixon描述,然后再将TMF算法进行扩展,导出了基于边缘信息pixon描述的TMF新的势能函数,最后完成Bayes最大后验模型(MPM)分割.测试数据和实测SAR图像的仿真实验验证了快速TMF算法的有效性.     

一种从X射线血管造影图像中自动分割冠状动脉的新方法

针对X射线造影（XRA）图像的分割,首先分析了血管图像的基本特征和先验知识,提出血管结构的多特征模糊识别（MFFR）算法;然后提出基于先验知识引导的概率跟踪算子（PTO）,该算子能够迅速地跟踪动脉血管树,并能够跨过因干扰或预处理导致的血管局部消弱和断裂区域.另外,跟踪过程中同步地进行了血管中心线和宽度的精确测量.为正确评价该方法,分别利用真实造影图像和二维仿真动脉树进行实验评估,结果表明该方法较传统方法高效,一次选定跟踪的起点,平均92.7%的可见血管段或分支可以自动提取出来,结构识别正确率平均达到90.0%.     

基于变分的图像分割算法

提出了一种新的基于变分的图像分割算法. 该算法以图像的边缘点为插值点，通过极小化一个能量函数产生光滑的阈值曲面，进而实现图像分割. 为了使所产生的阈值曲面保有原图像的边缘信息，同时又不过度锐化图像的边缘，采用非凸的能量函数，并通过引入二元能量函数，提出一种全局收敛的松弛算法，将一个非凸优化问题转化为一系列本质上的凸优化问题，从而克服了采用传统的梯度下降法会出现收敛速度较慢、甚至不收敛的困难. 实验结果验证了算法的有效性. 此外还初步探讨了相应优化问题求解过程中的参数确定问题.     

基于粒子群寻优机制的图像分割方法

利用粒子群优化（eso）算法全局寻优、快速收敛的特点，结合模糊C-均值（FCM）图像分割算法提出一种新算法，用PSO算法代替了FCM算法的基于梯度下降的迭代过程，使算法具有很强的全局搜索能力，很大程度上避免了FCM算法易陷入局部极小的缺陷；同时也降低了FCM算法对初始值的敏感度。实验结果表明，与FCM相比该算法聚类更准确，效率更高，具有较高的分割速度和良好的抑制噪声的能力。     

基于Markov随机场和FRAME模型的无监督图像分割

提出了一种多纹理图像的无监督分割方法. 此方法应用两层的随机场模型对需要分割的图像进行建模. 第一层用Markov随机场(MRF)模型表示一个不可观测的区域图像, 第二层用“滤波器, 随机场和最大熵(FRAME)”模型表示覆盖每一个区域的纹理图像, 与传统的分层Markov随机场(HMRF)模型相比较, FRAME模型可以取较大的邻域系, 从而对更加复杂的图案式样进行建模. 根据Bayes定理, 分割问题被转化成一个最大后验(MAP)估计问题. 迭代条件模型(ICM)算法用来求解最大后验估计. 提出一个基于局部熵率的算法来简化MRF参数的估计, FRAME模型的参数用最大期望(EM)算法估计. 最后, 使用一些合成的和真实的图像分别来做实验, 实验结果表明该方法能有效地分割含有复杂纹理的图像, 并且对噪声有一定的鲁棒性.     

Contourlet域的灰度水印技术研究

为了提高水印算法的鲁棒性和安全性,提出一种基于Contourlet域的双重置乱灰度图像水印算法.首先对灰度水印图像进行Arnold变换和Baker映射双重置乱处理,提高水印安全性；然后将宿主图像进行Contourlet分解为一系列多尺度、局部化、方向性的子带图像,最后选择Contourlet低频系数嵌入水印,并采用明提取的方法获取水印.实验结果表明,该算法能有效的抵抗JPEG压缩、噪声、剪裁等攻击,具有较好的不可见性和更强的稳健性.     

基于改进Otsu和Niblack的图像二值化方法

针对常用的图像二值化方法——全局阈值方法和局部阈值方法存在的对输入图像含有噪声或不均匀光照等情况抵抗能力差以及处理速度慢的不足,提出了一种全局阈值与局部阈值相结合的图像二值化方法.通过在传统Otsu算法中引入类内方差和快速阈值搜索方法,并将其与Niblack算法结合,将图像的每一行看成一个子图,对每一子图使用改进的阈值进行二值化.实验证明,该方法抗噪声能力强,能准确获取图像的目标信息,同时能保持较快的处理速度.     

基于混合像元分解的遥感图像融合实用算法

传统的图像融合算法,如IHS变换、合成变量比、主成分替换等方法所得到的融合图像通常存在不同程度的光谱扭曲现象.一种基于混合像元分解的图像融合算法(FSMA)可以很好地保持图像的光谱信息,但该算法仅在以终端端元为先验知识的模拟数据中得到了成功的应用.分析表明,由于全色波段与多光谱波段光谱响应函数不同以及多光谱波段通常不能覆盖整个全色范围,原有的FSMA算法并不能直接应用到真实遥感数据中.文中提出了一种改进的基于混合像元分解的图像融合算法(IFSMA).该算法通过重构原有算法中优化问题的目标函数,降低了对利用多光谱数据模拟全色波段亮度值的难度,使得基于混合像元分解的图像融合算法可以推广应用到真实遥感数据中.实验结果表明,IFSMA算法在光谱信息和空间信息的保持方面均优于IHS变换、合成变量比、主成分替换以及原有的FSMA等算法.     

基于太赫兹时域光谱图像序列的运动检测研究

太赫兹时域光谱（THz-TDS）图像是一种新的图像形式，THz—TDS图像的每个像素点是一个一维时间脉冲信号，该信号承载了像素点位置处目标材料在太赫兹（THz）波段的吸收谱或散射谱：由于THz频段覆盖了许多有机大分子和半导体材料分子振动和转动的频率，可以预计，随着THz技术发展的不断深入，THz—TDS技术乃至THz—TDS图像分析技术将会成为研究这些材料基础问题的重要手段。本文针对THz-TDS图像的特点，提出了一种对在THz-TDS图像序列中的目标微小运动进行检测和估计的方法。该方法通过假设目标材料的局部THz特性保持守恒，导出了目标物的运动方程，并通过引入矢量同质微分概念，给出了该方程的近似求解方法。本文最后给出的实验结果验证了方法的可行性和有效性.     

一种基于Markov随机场模型的核磁共振图像分割方法

为了提高核磁共振(MR)图像分割的效果,提出了一种基于Markov随机场模型的分割方法。该方法利用Markov随机场描述图像的先验分布,结合MAP准则获得分割优化函数,通过ICM局部迭代使分割优化函数收敛。迭代过程中引入了后验概率矩阵的平滑;提高了分割的精度和速度。实测数据的实验结果证明了所提方法的有效性。     

带方向特征的Contourlet HMT模型

根据Shannon信息理论将纹理的方向特征定义为:图像中信号取值为随机分布的奇异值时方向变量的取值特征.根据这一定义,并结合Tamura方向特征的求取方法,文中对Contourlet变换系数的方向概率分布进行了研究,获得方向特征在Contourlet变换的父子子带间形成传递这一结论,在此基础上结合Contourlet隐Markov树(HMT)模型,建立了以隐状态变量分布为条件的方向隐变量的概率分布模型,即带方向特征的Contourlet HMT模型,给出了该模型的结构和训练方法.此外,通过基于所提出模型的无监督结合上下文信息的图像分割算法对合成图像和遥感图像的目标分割实验验证了所提出模型的有效性.     

基于频谱相似性的高光谱遥感图像分类方法

提出一种基于光谱曲线频谱特征的高光谱遥感图像分类方法.该方法将高光谱图像中每个像元所对应的光谱序列视为一维离散信号,经离散傅里叶变换获得频谱图,由于不同地物光谱曲线的频谱表征差异明显,进而提出以目标和参考光谱曲线的频谱幅度值之差来度量光谱的相似性.由于频谱能量随着谐波次数的升高而急速下降,所以本文利用兰氏距离（Canberra距离）对该方法进一步改进,从而提高较高频率成分在光谱相似性度量中的贡献.此外,根据频谱图中各次谐波的能量分布规律,分析了地物光谱曲线的频谱能量累积分布函数,并最终确定参与相似性度量计算的谐波次数.为定量评价本文方法,本文采用两幅高光谱图像进行分类实验,并以制图精度、用户精度、总体精度、平均精度和Kappa系数,对本文方法、光谱角填图（SAM）、光谱信息散度（SID）和欧氏距离（ED）方法的分类结果进行比较分析.实验结果表明：本文方法可有效地应用于高光谱遥感图像分类.     

图像分割方法综述

图像分割是由图像处理进到图像分析的关键步骤。不仅总结了传统的图像分割方法，还介绍了一些近年来热门的分割方法，如聚类分析、模糊集理论、小波变换、神经网络、水平集、均值迁移、图论等，分析了各种方法的原理和特点，并用部分分割方法对经典的Lena图像进行了处理，最后对图像分割方法的研究进行了总结。     

视觉感知结合学习的自然图像轮廓检测

本文结合非经典感受野的视觉特性与机器学习的方法,提出了一种自然图像轮廓检测模型.当非经典感受野中的刺激与感受野中心刺激形成一种精确的空间结构时,将对中心产生一种增强效应;另一方面非经典感受野中抑制作用会降低同质成分的响应,我们将这两个机制分别用于增强光滑的轮廓和减少背景中与结构无关的干扰成分.利用逻辑回归概率模型将感受野中的信息与来自非经典感受野中的信息进行有效融合,并根据图像的手工标注数据库,通过学习方法获得一组最优的模型参数.自然图像的实验结果表明该轮廓检测方法能极大地抑制来自纹理的局部边缘,减少虚假轮廓,同时能增强具有一致空间结构的成分,避免轮廓缺失.最后利用Berkeley图像数据库定量地评价了我们方法的性能,并与相关方法进行了比较.该模型不仅为复杂场景中的轮廓检测提供了一个可行的策略,并有助于对生理视觉机制的理解.     

基于最优小波包分解的图像隐写通用检测

基于图像最优小波包分解,提出了一类具有较高检测正确率的信息隐写通用型检测方法.首先基于Shannon熵计算信息代价函数,对图像进行最优小波包分解,并从分解得到的子带系数以及图像像素中提取直方图特征函数多阶绝对矩作为特征,然后对提取的特征进行预处理并设计BP神经网络分类器进行分类.针对不同的背景和应用环境,文中给出了3种不同的检测算法.针对LSB、PMK、LTSB、Jsteg、F5及JPHide等典型隐写算法的实验表明:此方法相比现有的典型通用检测方法,正确检测率提高约6.4%～15.4%,且具有更好的通用性,并可为设计基于最优小波包分解的模式识别和分类算法提供参考.