基于改进的高斯混合模型牙齿图像分割研究

针对边界模糊和对比度低的口腔CT图像中牙齿目标区域提取难的问题,提出了一种基于高斯混合模型与K-均值的改进聚类分割算法.该算法首先通过各向异性滤波对图像预处理,实现去噪平滑的同时增强图像的细节;然后利用K-均值完成初始划分,并根据分类后的像素值给出EM算法迭代的初始值,加快算法迭代到最优解,从而大大降低算法迭代次数,有效解决EM算法求解参数时随机选取初值点易导致GMM陷入局部最优解的问题,进而使分割区域完整;最后利用EM算法学习GMM,完成ML分割.实验结果表明:改进方法降低了计算复杂度,对噪声具有较强的鲁棒性,可获得更为理想的分割结果.     

基于区域生长和聚类的主动脉CTA图像序列分割算法

针对人体主动脉CTA序列图像的特点,提出了一种基于区域生长和聚类的序列分割新算法.在确定好合适的分割阈值范围后,结合基于区域生长的算法对主动脉的目标区域进行轮廓提取,然后对得到的目标轮廓在基于isodata的算法上进行聚类处理,由于主动脉在空间上的连续性,可以将聚类后得到的目标区域的聚类中心作为下一幅CT图像新的种子点再进行区域生长,从而实现仅在选择单幅图像种子点的情况下一次性完成整套CT序列图像的分割.实验结果表明,本文算法计算量小,分割精度高,可以完整准确地将主动脉从CT序列图像中分割出来.     

基于图的脑组织磁共振图像分割方法

提出一种基于图的层次聚类算法实现脑组织磁共振图像的自动分割。首先,采用基于图的分割方法对脑组织MR图像进行初始分割。由于脑组织MR图像各类组织结构分布复杂,尤其是脑脊液和灰质区域细节信息丰富、结构变化多样,分割结果中存在过分割现象。因此,利用对偶树复小波变换高频子带信息构造基于图的分割方法中参数k的自适应取值函数,避免图像平滑区域分割后产生大量小区域。然后,以层次聚类算法合并分割得到的小区域,解决基于图的方法分割脑组织MR图像中存在的过分割问题。最后,通过大量真实脑组织MR图像实验证明该方法在脑组织MR图像分割中的准确性和稳定性。     

面向医学图像分割的蚁群密度峰值聚类

在医学图像分割研究中,针对密度峰值聚类算法(density peaks clustering algorithm,DPC),依靠先验知识给定截断距离d_c且人工选择聚类中心点具有主观随意性等缺陷,提出了一种结合蚁群算法选取密度峰值聚类最优参数的医学图像分割方法.该算法首先利用蚁群算法全局性和鲁棒性的优点,使用图像熵计算信息素来指导蚁群的搜索路径;再使用变量量化表示聚类中心个数,蚁群通过迭代选择最优截断距离d_c和聚类中心,实现了DPC算法的自适应分割并得到了较好的分割效果.仿真实验分析证明了算法的有效性和实用性.     

基于标记和模糊聚类的分水岭声纳图像分割

针对传统分水岭算法在处理声纳图像时存在严重的过分割现象,提出一种结合分割前处理和后处理两类方法优点的算法.首先利用H-min变换技术提取区域极小值和新的标记,对标记后的图像进行分水岭图像分割;然后结合改进适应度函数的粒子群全局寻优算法,从初分割的小区域中搜索出较为准确的初始聚类中心,利用这个聚类中心和改进目标函数的模糊C均值聚类算法,再对分割后的小区域聚类,并控制迭代次数,以提高分割速度.实验结果表明:该方法能够有效消除过分割现象,提高声纳图像处理效果,有效分割率达89％,处理时间提高30％以上.     

基于区域生长算法的彩色遥感图像分割

与普通彩色图像相比,遥感图像一般具有模糊、不均匀性等特点.提出了一种针对遥感图像的多区域彩色图像分割方法,该方法首先对彩色遥感图像进行预处理,然后结合K-mean聚类算法和区域生长算法分割目标区域,并利用数学形态学方法对分割结果进行后处理.实验结果表明,本文所提出的方法对彩色遥感图像能获得较好的分割效果.     

基于减法聚类和K均值聚类的彩色图像分割算法

传统图像分割方法大都存在分割速度低下、过度分割等缺点.针对上述问题,提出一种新的彩色图像区域分割算法.这种方法首先将图像转化至L*a*b*空间,并划分为子块,抽取图像子块的颜色、纹理和位置特征组成子块的特征向量,然后运用减法聚类,获得聚类簇数和初始蔟中心,最后利用改进的K均值算法在像素点特征空间进行聚类,进而分割图像成区域.实验结果表明这种新方法具有分割效率高、分割效果理想等优点.     

示温漆色彩量化及其图像分割算法研究

提出了一种基于颜色聚类和区域特征相结合的示温漆图像分割算法。利用PGF滤波算法进行图像的噪声滤波,通过聚类算法在HSV颜色空间对示温漆图像进行色彩量化,最后利用区域增长和合并方法达到分割目的。实验结果表明,与其它针对自然真彩图像分割的算法相比,本算法的计算复杂度相对较小,对示温漆图像分割的效果良好。     

RTG视觉纠偏的局部引导图像滤波算法

针对轮胎式集装箱门式起重机(RTG)在基于视觉的行走纠偏过程中环境因素干扰导致的定位失败问题,提出了基于局部引导图像滤波和均值漂移聚类的RTG纠偏视觉辅助算法。该算法首先对图像进行基于局部引导图像滤波的高效预处理,在降噪的同时保留图像边缘特征;然后基于预先标定的引导线宽度和间距等特征,获取自适应分割阈值及简化均值漂移聚类算法的参数,从而实现引导线边缘的筛选提取和偏移量的计算。现场试验表明,该算法能够克服夜间环境下偏色光谱对识别的影响,有效提高纠偏的实时性和精度。     

一种面向高维数据的密度峰值聚类模型

聚类是大数据时代对海量数据进行数据挖掘与分析的重要工具.本文基于密度峰值聚类算法提出了针对高维数据的聚类模型,以直接简单的形式实现六维度以上数据的任意形状聚类.该模型实现了自动预处理过程,以局部密度较大且距离其他局部密度较大点较远的点作为聚类中心,最后引入参数调整.实验结果表明,该模型不仅对低维数据聚类实用,在高维数据的聚类效果也非常显著.     

组网雷达弹道目标三维微动特征提取

研究弹道目标中的滑动型散射中心三维微动特征提取问题。分析滑动型散射中心的特点,介绍一种基于半周期时延相乘的散射中心微动特征提取方法,建立滑动型散射中心和理想散射中心微动的数学联系,利用组网雷达的多视角特性,从回波信号中提取参数,通过构造多元非线性方程组,以提取的参数作为变量,求解目标三维微动参数和部分结构特征。仿真实验验证了该方法的有效性。     

弹道目标雷达微动特征提取与识别研究综述

弹道目标雷达微动特征提取与识别是雷达目标识别领域的重要研究方向之一。在简要阐述弹道目标识别重要研究价值的基础上，结合国内外研究现状，从点散射模型、滑动散射模型、属性散射中心模型等出发，总结了现有的弹道目标微动回波建模方法，进一步分别从单基、双基、多基等不同雷达观测视角出发，梳理了弹道目标微动特征提取与成像方法，对基于人工特征和传统分类器、及基于深度学习的弹道目标分类识别方法进行了总结，最后对弹道目标雷达微动特征提取与识别方向的技术难点和未来发展趋势进行了分析与展望。     

结构光三维扫描技术在道路病害识别方面的研究

目前利用探地雷达进行路基病害探测是一种较为科学的方法。如果同时能够获取路面三维模型,将地上路面信息与地下路基信息进行关联互补,将能够有效地检测出道路病害。利用基于HALCON的激光三角测量法完成对道路模型的测量,以大型跨平台开源点云库(PCL)为主,应用大量点云相关的通用算法和高效数据结构,针对道路病害特点,对点云进行获取、滤波、特征提取、曲面重建、可视化等处理,能够从三维重构图中清晰分辨出道路病害的情况。     

基于局域模糊聚类和Chan-Vese模型的CT医学图像分割

针对CT医学图像灰度不均匀的特点,研究了基于改进的模糊聚类和ChanVese模型的图像分割.该分割模型综合利用基于空间信息的FCM算法、图像局部区域信息以及Chan-Vese模型,通过最小化能量函数的方式来进行曲线演化.基于空间信息的FCM算法对曲线的演化起到了一定的收敛作用,并且局部区域信息提高了分割质量.分割模型还考虑了分割效果和计算效率,降低了算法的时间复杂度,提高了算法的执行效率,从而提高了灰度不均匀图像分割的精度.     

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.     

模型基编码中的鼻子形状自动提取

介绍了一种简单而有效的模型基编码鼻子轮廓提取算法.该算法利用皮肤颜色图像分割、特征保留图像二值化、特征脸校验、脸部特征滤波和k-均值分类器定位复杂场景中的人脸及脸部各特征区域,提出了以圆形和非对称双抛物线建立的鼻子形状形变模板以及相应的能量函数,寻找的Powell能量最小化算法的初始参数加速了模板匹配过程,给模型基编码的人脸线框模型自动调整提供了准确的鼻子形状参数.实验表明,所提出的算法对不同人脸姿势的鼻子形状估计表现出良好的结果.     

飞行器结构特征提取与识别

针对天空背景下的飞行器，从目标的结构特征出发，采用SUSAN算子将目标从背景中提取出来；结合边缘信息，利用灰度重构对云层区域进行抑制；对处理后的图像二值化后，利用形态学算子对目标区域填充；最后对目标区域细化，利用先验知识发现目标的头部，实验结果证明了该方法的可行性．     

运动目标最优角点选择算法*

针对传统角点提取算法应用于运动目标优质角点选取上,较难平衡检测精度和检测速率的问题,提出一种稳健的角点选择新算法。首先将图像分块,用子块在相邻帧间的灰度差对其进行聚类,并分割出运动区域块作为角点的搜索区域;然后引入邻域块重新构造Moravec算法的能量变化计算方法,并用之检测目标上的角点;最后对检测到的所有角点进行动态过滤,剔除掉质量低的角点,留下质量高的角点代表运动目标的局部显著特征。将本算法应用于目标跟踪系统进行测试,测试结果表明它有较好的稳健性,较强的的抗噪能力和较快的检测速度,且能保证跟踪的准确性,可以很好地满足交通场景中对行人检测实时性和可靠性的要求。     

基于蚁群算法的方向特征分割方法

针对翅脉特征的有效提取问题,根据蝶翅图像具有方向性的特点,提出了方向小波变换与蚁群算法相结合的分割方法.该方法首先采用Morlet方向小波变换对不同方向的翅脉边缘进行检测、提取.通过分析这些边缘点的特征参数,确定初始聚类中心.基于所设置的初始聚类中心,再利用蚁群算法对蝶类翅脉图像进行分割.仿真实验表明,该方法可以将各方向翅脉特征检测出来,是一种有效的方向特征分割方法.     

基于FDD-OFDM信号外辐射源双基雷达的低空目标微动特征提取

作为当前一种广泛使用的民用移动通信信号,LTE信号是低空目标探测的一种重要外辐射源信号。开展基于LTE信号的低空目标特征分析与提取研究,对于低空监视与要地防护等具有重要意义。LTE移动通信信号的核心技术之一是多载频正交频分复用技术, OFDM,分为时分双工TDD和频分双工FDD 2种模式。针对FDD-OFDM信号,首先建立了带旋翼低空目标雷达回波模型,推导了目标散射点的多普勒和微多普勒参数化表达,并分析了其微多普勒频率的影响因素。在此基础上,使用时频分析和Hough变换结合的方法对目标的微动特征参数进行提取,验证基于FDD-OFDM信号外辐射源双基雷达的低空目标微动特征提取的可行性和有效性。