乳腺X线图像结构扭曲检测的一种新方法

乳腺X线图像中结构扭曲的检测是乳腺癌诊断的重要手段之一.针对结构扭曲检测假阳性高的问题,运用系统工程原理, 本文提出了一种新的结构扭曲检测方法.该方法通过计算毛刺相似度收敛指数增强放射状毛刺,并利用三环区域模板和收敛门限得到可疑区域,最后使用支持向量机对可疑区域分类.该方法在Mini-MIAS (mammographic image analysis society)图像数据库的64幅乳腺图像和北京大学人民医院乳腺中心50幅临床乳腺图像上进行了验证,实验结果表明, 本文提出的方法能有效地降低假阳性,并且同时适用于东西方女性乳腺图像.     

利用图像自相似性进行编码的研究

遥感图像的平坦区域中存在大量冗余信息,探索更有效去除这些区域内冗余信息的方法对于提高图像编码效率有很大帮助。通过引入图像自相似性的概念进行研究,发现在图像的平坦区域中存在大量的自相似部分。从图像自相似性的角度出发,利用图像的局域自相似性对平坦区域进行编码以提高编码效率。在基于模式特征的遥感图像压缩算法中利用这种方法,针对一组典型遥感图像进行压缩,使高倍率压缩下恢复图像的PSNR平均提高0.1 dB左右。从不同图像的压缩结果来看,增加自相似的方法对于去除较平坦区域中的冗余信息相当有效。     

基于小波变换和行扫描的车牌定位方法

介绍了车牌从预处理到定位的整个过程,车牌预处理部分包括采用运用不等权方法对图像进行灰度化;运用高低帽变换来增强图像的对比度,有利于增强算法的鲁棒性;运用一种新的小波阈值方法来进行图像去噪,有利于去除干扰,突出车牌区域。在车牌定位部分根据车牌自身的特征采用行扫描来对车牌进行定位。实验表明此方法具有较高的准确性,有较高的实用价值。     

基于非线性能量约束的实时红外亚图像目标跟踪

分析了玫瑰线扫描亚成像空间分布函数 ,提出了一种基于非线性能量约束的亚图像目标识别跟踪技术。该技术用修正的最大类间方差法分割亚图像 ,聚类并去除强背景干扰区域 ,对可能目标区域能量进行统计 ,选择区域能量最大者进行逐帧实时锁定跟踪 ,并对该技术的实时性进行了分析。DSP平台实验结果表明 ,所研究的技术是可行的 ,能够独立、稳定地识别跟踪目标 ,达到了预期的结果。     

基于Tetrolet变换的图像稀疏逼近算法

针对现有大部分图像稀疏逼近算法通用性不强,仅对具有某类特征的图像具有最优逼近性能的问题,利用小波变换与Tetrolet变换各自的优点,提出了一种通用性强,不受图像特征限制的图像稀疏逼近算法。该算法分别利用小波变换与Tetrolet变换对图像的平滑区域与细节区域进行稀疏逼近,先提取平滑区域,对平滑区域进行修正,然后对修正后的平滑区域进行稀疏逼近。根据平滑区域稀疏逼近的结果分离出细节区域,实现对细节区域的稀疏逼近。对一系列典型图像进行仿真的结果表明,该算法通用性强,不受图像特征的限制,在同等条件下,图像重构质量比传统小波变换高约5.5 dB,比Tetrolet变换高约1.0 dB。     

基于BP神经网络的运动目标红外图像仿真

针对国内外红外图像仿真中采用热力学方法对物体温度场建模的不足,将基于BP神经网络的机器学习算法应用到物体的红外图像仿真中。根据车辆的红外特性将其表面划分为若干区域,并对所划区域的表面温度进行多次测量,得到训练样本集合,然后运用神经网络建立车辆的温度场模型,并对车辆在设定气候条件下的静止和运动状态进行仿真。根据仿真结果分析,此模型能够根据所设定的气候条件较准确地实时仿真运动目标的红外图像。     

基于区域分割的NSCT域SAR与全色图像融合算法

提出了一种基于多阈值分割和无下采样Contourlet变换(nonsubsampled Contourlet transform, NSCT)的SAR与全色图像融合算法。首先对降斑SAR图像作多阈值分割,并定义了区域均值比量测算子将SAR图像进行区域划分;然后采用NSCT对降斑SAR图像和全色图像进行多尺度、多方向分解,分解后的低频部分根据区域均值比量测算子进行区域融合,高频部分则采用区域与窗口邻域相结合的融合策略;最后对融合系数进行重构得到融合图像。实验结果表明,该算法的融合图像既可保持全色图像的空间分辨率,又可有效获取SAR图像的目标信息,融合效果优于小波变换法以及基于像素的NSCT法。     

基于边缘信息的区域合并SAR图像分割算法

针对基于区域合并的合成孔径雷达图像分割中区域合并的顺序问题,提出一种利用边缘信息的区域合并技术。首先,利用改进的比例边缘检测算子获得初始过分割结果;然后,设计一个基于相邻区域的面积和边缘信息的区域合并优先级函数来引导区域合并的进行,该方法提高了模型参数的估计精确,同时保留图像的强边缘;最后,将边缘信息区域合并技术用于求解基于多边形网格的最短描述长度准则SAR图像分割模型。实验表明,与同类方法相比,本文方法的边缘检测能力与定位精度均有提高。     

基于区域和方向方差加权信息熵的图像融合

提出了一种基于非下采样Contourlet变换（nonsubsampled Contourlet transform, NSCT）的红外与可见光图像融合方法。首先对原红外图像进行图像分割,确定目标区域与背景区域,并将其映射到可见光图像中;然后对红外和可见光图像进行多尺度、多方向分解,分解后的低频部分在目标区域选择红外图像低频系数、在背景区域选择可见光图像低频系数,高频部分使用方向方差加权信息熵最大作为融合策略进行融合;最后对融合的系数进行重构得到融合图像。实验结果表明,本文算法在保留图像细节信息、增加信息量、方便目标检测方面都有显著地提高。     

基于深度卷积神经网络的PolSAR图像变化检测方法

针对极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像变化检测问题,提出了结合区域信息和深度卷积神经网络(deep convolutional neural network,DCNN)的PolSAR图像变化检测算法。在本方法中,用超像素分割算法与超像素合并算法提取图像场景的区域信息,利用区域信息和Wishart似然比得到差异图像;再运用预分类算法以得到训练DCNN的伪训练样本和待分类样本;接着用伪训练样本训练DCNN;最后用训练好的DCNN对待分类样本进行分类得到最终结果。实验结果表明,与多种PolSAR变化检测算法相比,所提算法能够获得更好的结果。     

灰度和彩色图象分割的一种改进算法

图象边缘检测技术是图象处理中最重要的内容之一,且已在图象分析和识别区域中得到广泛的应用。但由于边缘点不连续和难以把存在大量碎边缘的高细节区提取出来这两个原因,而不能直接实现完整意义上的图象分割。为了提高图象分割的边缘准确性和区域一致性以及降低分割错误率,提出用边缘生长的方法来解决不连续的边缘点链接问题,以便间接地将高细节区围成一个区域。该算法也可以嵌入到其他利用边缘信息的分割算法中。     

基于邻域加权模糊C均值的遥感影像分割

遥感影像分割是遥感影像识别和理解的前提和基础,遥感影像分割的结果直接决定着后续像分析和理解的质量。针对经典模糊C均值(Fuzzy C-Means,FCM)聚类算法分割图像时存在的不足,即该算法只考虑图像中像素自身的灰度值信息而没有考虑其邻域内的像素空间信息从而对噪声比较敏感,提出了一种邻域加权FCM(Neighboring Weighted FCM,NW-FCM)的遥感影像分割算法,该算法中邻域窗口内各系数(权)的值是根据图像自身的特性而自适应确定的。通过分割合成图像和实际的高分辨率遥感影像的实验结果表明,相对于其他几种方法,所提的方法取得了更好的分割效果。     

一种改进的二维直方图的图像阈值分割方法

图像分割是图像处理的重要部分。它是图像描述和图像识别等更深层次图像处理的基础步骤之一。对基于传统的二维灰度直方图的阈值分割方法作了分析,针对其区域划分的缺陷和运算速度慢的缺点,改进了传统的二维直方图,并在此基础上提出了一种新的根据最大类间方差原则的阈值图像分割方法,并进行了仿真实验。实验的结果表明,所提出的改进方法是有效的,该算法的分割效果较好,运算速度也得到了提高。     

一种基于Weibull分布的SAR图像分割方法

分析了合成孔径雷达(SAR)图像的统计分布特性,推导了SAR目标及阴影的分割阈值与虚警概率之间的关系,给出了一种基于Weibull分布的SAR图像目标及目标阴影的分割方法,首先根据推导出的分割阈值公式对SAR目标图像及阴影图像进行粗分割,然后利用形态学滤波和计数滤波器进行细分割。基于MSTARSAR实测数据进行的大量实验表明,该方法是有效的,优于传统的双参数恒虚警分割方法。     

基于改进的深度学习网络的SAR图像瞬时海岸线自动提取算法

针对目前合成孔径雷达(synthetic aperture radar, SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中, 仍然存在精度低与自动化水平差的问题, 提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先, 将SAR图像进行Lee滤波增强来抑制相干斑。其次, 通过升级残差网络为主干网络,分4级提取海水目标的特征。然后, 将4级特征经过全局卷积网络、密集连接网络和解码器网络配合,充分提取目标的本质特征, 并通过上采样产生海水分割结果。最后, 利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比, 证明所提算法对海岸线的提取更加准确, 能够减少虚警和漏警, 具有更好的性能。     

基于图割的DCT编码图像分割算法

图割是图像分割中经典有效的算法,针对其计算量较大、实时性能不佳,面对广泛使用的DCT编码图像,提出一种改进的交互式快速分割算法。该算法利用DCT编码图像中的DC系数生成DC低频图像,有效降低了GMM参数学习的训练样本数,结合DC系数与AC系数生成纹理特征,通过颜色与纹理特征的有机结合、局部自适应正则化参数的选取,改善了对纹理图像和细长型边界的分割能力。实验结果表明,算法效率得到了提高,分割效果得到了一定的改善。     

基于张量投票的激光扫描数据修复方法

考虑到张量投票技术能够提供图像的几何结构信息,提出一种基于张量投票的激光扫描数据修复方法。首先根据张量投票技术,建立图像修复优先级,进而根据窗口内有效像素和无效像素的比例,用迭代的方法修复具有最大优先权的待修复像素。由于窗口自动选取,因而这种方法具有良好的实用性。实验结果表明,与常用方法相比,所提算法具有良好的修复效果。     

基于主动形变模型的医学序列图像的分割

对主动形变模型(active shape model)方法进行了改进,将其用于CT序列图像的分割,实现了对一些边缘不清晰的软组织的分割。一个组织在CT序列图像中其形状变化往往是连续的,据此,我们先在序列图像中按顺序每间隔几幅抽取一幅图像,用其他方法分割好;然后对分割结果使用主成分分析方法(Principle Component Analysis)计算其形变特征,生成可变形轮廓模板;再用这个模板去变形、配准、分割其他图像,从而达到一个比较理想的分割结果。     

一种利用快速2D熵阈值算法的目标图像分割方法研究

目标图像分割是自动目标识别(ATR)的重要环节,其性能对ATR系统具有显著影响。本文利用二维(2D)熵阈值进行目标图像分割,提出一种快速2D熵阈值算法,大大缩短了处理时间,减少了所需存储空间。另外,为了进一步改善分割效果,采用中值—平滑滤波进行图像预处理。实验结果表明,本方法具有很好的分割效果。