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。     

基于细胞神经网络的图像分割及其在医学图像中的应用

细胞神经网络（cellular neural network,CNN）在图像处理方面的应用研究已有很大进展. 其中,指定目标提取CNN现有算法应用于灰度图像时,其有效性依赖于初始点的选择. 以医学图像为例,对这种局限性进行了分析,并提出了一种改进CNN算法,实现了对图像中任意灰度区域的目标物体分割. 同时利用梯度信息和轮廓提取CNN确定轮廓,有效抑制分割过度. 人脑磁共振成像（MRI）中肿瘤分割的实例表明,改进的算法具有实用性和有效性.     

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。     

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.     

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.     

免疫算法在胸部X线图像癌变检测中的运用

主要讨论了基于免疫算法的胸部X线医学图像中癌变部位的检测。提出的检测方式是建立在移动Agents系统上的分布式处理,通过模板匹配的方法把胸部X线医学图像中可能的癌变部位标示出来,为医师的诊断提供参考信息,并在模板匹配中消除了成像时背景的影响。实验结果显示,该方法能够正确检测出实验使用的胸部X线医学图像中的癌变部位,同时,采用移动Agents系统可以提高检测速度。     

改进的多方向融合图像插值算法

为了解决数字图像插值过程中出现的边缘模糊和锯齿现象,提出一种改进的多方向融合图像插值算法.该算法将图像分为平坦区域和边缘区域,平坦区域采用双线性插值算法进行插值,边缘区域采用多方向融合算法进行插值.实验结果表明,该算法运算复杂度小,其结果在主观视觉效果和客观指标方面都有很大的改善,且适用于任意倍数的插值放大.     

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.     

城市交通拥堵的街区缓冲定价模型及其仿真

随着城市机动车保有量的不断增长,城市主干路网供给能力出现严重不足,适当开放一些封闭街区并进行拥堵收费可以作为缓解主干路网交通压力的一项重要措施。针对城市主干路的交通拥堵问题,以区域路网车辆整体运行时间最短为优化目标,以缓冲街区的拥堵收费价格为决策变量,以交通弹性需求和动态分配以及缓冲街区路网饱和度等为限制条件,建立了缓冲街区定价优化模型,并给出了基于VISSIM软件的仿真求解流程。通过实例仿真结果表明,开放附近街区缓冲并采用模型给出的最优定价方案,既可以分担主干路部分车流从而保障了主干路通畅运行,又不超过缓冲区容量限制,提高了整体路网的运行效率。     

基于DWT和DCT数字图像鲁棒水印算法

基于离散小波变换和离散余弦变换,利用混沌系统的优良特性,提出一种新的变换域水印算法.水印嵌入时,首先将宿主图像进行小波变换后选取中频区域,再进行DCT变换,根据水印图像大小进行分块嵌入水印算法在保证不可见性的前提下,最大程度的保证了水印算法的鲁棒性.仿真实验表明,算法在多种攻击下表现出良好的鲁棒性,具有一定的实用意义.     

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.     

Harris Laplace特征区域 Contourlet域遥感图像水印算法

针对现有遥感图像水印算法抵抗旋转、剪切、水平镜像及联合几何攻击能力差的问题,提出一种局部化遥感图像数字水印新方法.算法首先对水印图像进行 Arnold置乱预处理,并将其行扫描形成一维向量作为待嵌入的水印信息;在宿主遥感图像中提取 Harris Laplace特征点,依据特征点确定水印嵌入特征区域;规范所选特征区域,对其进行归一化后实施 Contourlet变换,利用奇偶量化方法将数字水印嵌入选定的变换系数内.实验证明算法对滤波、噪声、JEPG压缩等常规信号处理具备较好鲁棒性,并且能够更好地抵抗旋转、缩放、平移及其联合等几何攻击     

一种基于边缘检测的小波包非对称分解在图像编码中的应用

图像的像素点的值分布并不是均匀的,而是集中地分布在一些区间之内。小波包分解是将频带等分为2j个新的子带,但很多子带里只有少数无用的孤立点;而在像素点集中的子带里,如果要进行更细的分解,将使子带数量呈指数级数增长。本文提出一种方法先对图像进行边缘检测,得到边缘与非边缘部分。对于像素点集中的几个部分,再分别对这几个部分定义不同的细度并采用小波包非对称分解再进行进一步细分,对于少数无关紧要的孤立点则舍弃。这样既保持了图像的有效信息,又能极大地减小图像编码的冗余度。     

基于流向特征熵和测地线距离的粘连血管型肺结节聚类分割

肺癌计算机辅助诊断(lung cancer CAD)是辅助医生定量判别结节良恶性的新技术.倍增率是临床上判断结节良恶性的指标,而精确地分割结节又是计算倍增率的前提.因为结节和血管的CT值相近,所以难以正确分割粘连血管型结节.血管里充满着流向同一方向的血液,使得大部分血管像素梯度的法向量(流向特征)都指向同一方向,流向特征熵值小;而结节上的像素梯度法向量方向杂乱无章,流向特征熵值大.大部分血管像素到结节中心的测地线距离比结节像素到结节中心的距离大.基于上述血管与结节差异,文中提出了一种基于流向特征熵和测地线距离的K均值聚类算法来分割结节.针对132个临床CT影像的肺结节(104个孤立型和28个粘连血管型),12个LIDC集合1的肺结节(4个孤立型和8个粘连血管型)和182个LIDC集合2的肺结节(25个孤立型肺结节和157个粘连血管型肺结节),评估实验结果和影像科医生手工绘制的金标准相比较,孤立型肺结节分割正确率分别为100/104(96.2%),4/4(100%),24/25(96.0%),粘连血管型分割正确率分别为26/28(92.9%),7/8(87.5%)和149/157(94.9%).实验表明,该方法能在短的时间内正确地分割孤立型结节和粘连血管型结节且具有好的鲁棒性.     

混合量子遗传算法在软硬件协同综合中的应用研究

针对多处理器嵌入式系统,结合拟 Newton算法,提出了混合量子遗传算法(MQGA)在系统设计中的解决方案,并引入了模拟退火技术.实验结果表明,MQGA能有效解决软硬件划分问题,提高了求解质量和算法的收敛速度,降低了计算代价,保证了算法的自适应性和全局最优性     

基于改进聚类算法的基础数据准备研究与应用

为了解决数据挖掘本身的局限性,提出了适用于制造企业的基础数据的改进K-means算法。该算法应用AHP方法将原始数据根据其特征属性进行加权预处理,可以将基础数据进行更精确的细分,完善了基础数据的准备,为企业提供了更加直观科学的决策依据。并通过实例验证了该方法的可行性。