运用模糊连接理论分割非连通图象

本文提出了一种利用模糊连接理论讨论非连通图象的分割方案．该方案较好地利用了图象本身的模糊特性，修正了模糊连接强度的定义，从而成功地实现了分割数字、字母和汉字这样一些连通的或非连通的图象．它克服了Ｊ．Ｋ．Ｕｄｕｐａ算法仅能分割连通图的缺点．同时论文中还讨论了分割灰度图象和彩色图象的模糊连接强度定义及有关参数的选择方法．实验例子证明了这种方法的有效性．     

红外热图象自动阈值分割方法

根据红外热图象的特点，提出基于灰度统计特性的直方图移动平均方法，实现了红外热图象自动阈值分割。实验结果表明，此方法算法简单、运行速度快、分割效果也较为满意。最后给出了计算机处理结果。     

一种新的图象分割方法

大多数图象处理系统都需将目标从背景中分离出来。本文介绍一种新的自适应门限图象分割方法。门限曲面通过梯度值较大的象素点即可能的边缘点灰度值内插得到。     

基于神经网络的眼底视杯图象分割技术

根据眼底图象中视杯的边沿特征,提出了一种基于ＢＰ神经网络的视杯分割方法,详述了这种方法的实现过程,并研究了ＢＰ学习算法的加速问题．实验证明,这种方法的分割效果较好．     

彩色图象分割方法及进展

图象分割是图象分析和模式识别的首要问题和基本问题,也是图象处理的经典难题.彩色图象比灰度图象具有更多的视觉信息,因而受到了越来越多的重视.本文结合近年来彩色图象分割中出现的新算法,将彩色图象的分割方法分为四大类,并分别加以介绍,分析了各种方法的优缺点,最后指出了彩色图象分割的发展趋势.     

分割式图象频域增强及其改进方法

针对扫描后的图象受原因和印刷质量、原因纸的磨损、扫描仪的分辨率等多种因素的制约，采用分割式频域增强办法对图象进行处理，并结合空域增强方法在此基础上进一步改进，最后得到了较好的图象增强效果。     

细胞图象的背景分割方法

对内分泌细胞图象分析的基础上，克服常规背景分割方法的缺陷，提出了采用阈值曲面方法对内分泌细胞图象进行背景分割的技术，获得了令人满意的效果     

关于活动图象中自动进行图象分割的研究

在活动图象中进行图象分割，不使用人机交互方式，而是自动检测移动目标，确定包含目标轮廓的区域，然后分割目标与背景并提取移动目标的轮廓．     

基于模糊阈值的图象分割方法

叙述了采用模糊阈值进行图象分割的基本原理，提出了简化资格函数形式和采用直方图中值滤波处理方法，算法简单直观，计算机仿真表明图象分割结果比较理想．     

基于自反馈神经网络的运动模糊图象恢复方法的研究

本文提出一种用自反馈神经网络来恢复被噪声污染的非零边界条件模糊灰度图象的方法。文中详细讨论了用于描述图象的神经元网络模型,给出了模型参数估计和根据该模型实现的图象恢复算法。在神经元网络模型中,图象的灰度函数被表示成神经元状态的简单代数和。实验结果表明由于神经元网络模型的容错性和自适应性,运用该方法对加有椒盐噪声的匀速直线运动模糊列车图象进行恢复,可以得到高质量的图象恢复结果。     

基于细胞神经网的快速图像分割方法

细胞神经网(CNN)是一种局部互联的非线性并行模拟视觉处理系统,具有适合硬件实现处理速度快的优点.首先利用CNN-PDE非线性异质扩散滤波对图像作预处理,随后给出了一种基于CNN的图像分割方法.分割试验结果及仿真时间估计表明,CNN分割方法能以非常快的速度完成相应处理,是高效可行的.     

一种结合进化策略与神经网络的图象恢复方法

图象恢复在已知退化矩阵的前提下,可近似看成求解最优化问题.本文提出了一种进化　策略与神经网络结合的求解最优算法,并应用于图象恢复.结果表明,综合算法优于仅采用神经网络的算法.     

基于小波与神经网络的图像分割

图像分割是图像处理的一个经典难题,分割方法也有很多种,但没有一种是万能的方法,都很难在分割效率和分割精度上达到平衡.随着小波分析理论和人工神经丹络在图像处理中的广泛应用,基于小波与人工神经网络相结合的图像分割方法可以更快、更好的分割图像.     

神经网络在图象压缩编码中的应用

讨论神经网络在图象压缩编码领域中的应用.针对图象矢量量化存在的分块效应问题,对Kohonen自适应模型进行了研究.应用了两个DCT的余弦变换域的特征值,结合Kohonen的自组织特征映射(SOFM)算法对图象元素分类压缩编码.计算机模拟实验表明,和单纯用神经网络直接进行矢量量化相比,应用这种技术的图象编码压缩比和译码图象质量都有明显的提高.     

一种改进的立体图像编码算法

为了提高左图像的编码效率,提出了一种新的基于自组织神经网络的立体图像编码算法(SOM VQ DE),SOM-VQ DE算法对右图像采用视差估计补偿技术(DE)编码,对左图像则使用基于自组织特征映射算(SOM)的矢量量化编码来取代传统的JPEG方法,矢量量化与视差估计的残差均使用DCT 霍夫曼进行编码.对立体测试图像Pentagon的实验表明,SOM VQ DE算法能够有效地提高左图像的压缩效率:1)在压缩比均为6.5.1时,SOM VQ DE算法的PsNR较JEPGqG DE算法提高了2.42 dB;2)在PsNR均为30 dB时,SOM VQ DE算法的压缩比改善是JPEG DE算法的1.8倍.     

一种新的基于自学习神经网络的静止图像编码方案

为了改善JPEG算法的编码性能,提出了一种新的基于自学习特征映射算法(SLM)的静止图像编码方案,基本思想是:1)先用矢量量化(VQ)对图像进行预测,然后进行DCT编码;2)采用新的SLM算法来改善VQ码书性能.实验表明,与JPEG算法相比,该方案具有更高的压缩比和更好的图像质量.     

基于直方图的脉冲耦合神经网络(PCNN)多门限图像分割方法

参考了Eckhom等人近几年提出的脉冲耦合神经网络(Pulse Coupled Neuml Network)模型,结合灰度直方图分割技术,提出了一种新的多门限图像分割方法-基于直方图的脉冲耦合神经网络(PCNN),PCNN模型具有弥补时隙和空隙的特点,因此应用这一网络模型进行图像分割,可以得到较完整的区域边角信息,从而达到理想的分割效果．经实验证明,本文提出的方法较原来的PCNN网络,运算速度和分割效果都有了很大提高。     

人脸识别系统中的BP网分类方法

介绍了用于人脸模式自动识别系统中的ＢＰ网的基本原理和算法及步骤,提出了隐层神经元个数的物理意义和选取原理,讨论了Ｓｉｇｍｏｉｄ函数的改进形式和网络初始权植的设置原则。