基于Hough变换的虹膜定位算法

针对利用Hough变换实现虹膜定位时遇到的一些问题提出了相应的解决方案。为减少Hough变换的计算量,本算法采用了“先采样后变换”、“由粗到精”的方法;为提高可靠性、减小噪声影响,算法利用了虹膜内外边界之间的耦合关系以缩小在边界参数空间内的搜索范围。在MAT—LAB软件环境下的试验表明,算法取得了良好的效果。     

虹膜分割中眼睑和睫毛的检测

虹膜分割是虹膜识别的前提,针对分割出的环状区域含有眼睑、眼睫毛和光斑等干扰,本文提出一种虹膜分割中的眼睑和睫毛的检测方法。基于数学形态学知识,采用边缘检测结合最小二乘法定位眼睑,利用阈值法来检测上眼睫毛和光斑。结果表明,该算法可准确而有效地检测出这些干扰,并从虹膜区域中剔除,从而提高虹膜识别的性能,是一种可行的检测方法。     

基于梯度的虹膜定位方法

为了提高虹膜定位的速度以及虹膜定位的准确性，依据虹膜图像灰度的分布特性及良好的环状性质，检测出瞳孔边缘以减少参与Hough变换的点数，进而定位虹膜内边缘．对于外边缘定位采用基于灰度梯度的微分积分圆形检测算子的方法．实验结果表明，此种方法能够准确地进行虹膜内外边缘定位，避免了含有大量其它区域对定位带来的影响．     

基于自适应阈值分割算法的虹膜识别系统设计

在疫情环境下,为解决传统生物识别技术对公共场所出入人员的管控过程中易导致的交叉感染的问题,提出了人眼虹膜的身份识别方法.基于虹膜识别技术的安全管控系统中包括外部摄像镜头捕捉人眼图像、内部虹膜图像预处理、提取特征和与数据库比对匹配四个部分.从硬件和软件两方面入手来说明系统的设计架构和程序设计等内容,采用虹膜识别相关经典算...     

一种改进的虹膜内边缘定位算法

首先利用小尺度高斯低通滤波器对虹膜图像进行预处理,去除可能存在的眼睑和睫毛干扰;然后用Canny边缘检测算子得到虹膜的内边缘,通过自适应选取非极大值抑制的高阈值,并对不连续边缘进行修整,得到比较理想的虹膜内边缘;最后利用圆周上任意不共线的3点可以确定一组圆心及半径的参数的性质得到虹膜内边缘的圆心及半径,完成虹膜内边缘定位。实验结果表明,该算法可以比较准确地定位出虹膜的内边缘。     

基于Hough变换与图像灰度增强的非理想虹膜边界检测

边界定位是非理想虹膜识别的关键问题之一.非理想虹膜由于经常存在纹理过强、睫毛和眼睑遮挡、虹膜巩膜对比度较差、瞳孔位置偏移等问题,这使其边界尤其是外边界定位容易出现偏差.针对上述问题,我们提出了一种基于非线性图像增强的非理想虹膜边界定位方法.在内边界定位中,该方法首先使用混合高斯模型得到瞳孔粗略位置,然后使用弦长均衡策略搜索虹膜内边界及其中心;在外边界定位中,首先对虹膜图像进行非线性灰度变换,再利用边缘检测和改进的Hough变换定位虹膜外边界.实验结果表明,本算法与经典方法相比可大大提高非理想虹膜分割的准确率.     

航空图像的分割与定位算法研究

通过航空图片的图像分割和特征提取，对几种分割算法进行了比较。通过比较发现，当图像的目标与背景的灰度值相差比较大时，用多阈值的灰度分割方法来获取目标I而当图像的目标与背景的灰度值相差不大时，使用模糊差影滤波算法可获得理想的分割结果。同时，对采用多阈值分割方法后的图像进行目标定位。结果表明，对于复杂航空图像，该算法分割效果好，噪声小，定位算法简单，定位准确，有较好的应用前景。     

改进的粒子群算法用于图像分割

提出了一种将保证收敛粒子群算法与最大类间方差法相结合的快速阈值分割法。该方法根据最大类间方差法的原理以分离度大小作为判断粒子优劣的准则,即分离度越大粒子就越好,并采用粒子群算法对图像进行多目标优化搜索。实验表明,该算法在继承标准粒子群算法易于实现、实时性好等优点的同时,还避免了标准PSO算法存在的早熟收敛问题,具有更强的寻优能力。     

Hough 变换与非线性增强结合的非理想虹膜边界定位算法

边界定位是非理想虹膜识别的关键问题之一。非理想虹膜由于经常存在纹理过强、睫毛和眼睑遮挡、虹膜巩膜对比度较差、瞳孔位置偏移等问题,这使其边界尤其是外边界定位容易出现偏差。针对上述问题,笔者提出了一种基于非线性图像增强的非理想虹膜边界定位方法。在内边界定位中,该方法首先使用混合高斯模型得到瞳孔粗略位置,然后使用弦长均衡策略搜索虹膜内边界及其中心;在外边界定位中,首先对虹膜图像进行非线性灰度变换,再利用边缘检测和改进的 Hough 变换定位虹膜外边界。实验结果表明：本算法与经典方法相比可大大提高非理想虹膜分割的准确率。     

图像分割算法的探究

将图像中具有不同含义的区域分割开来,就是所谓的图像分割。它在计算机视觉和图像处理中是一个非常重要且具有权威意义的实际应用问题,在图像分析和图像处理中也起至关重要作用。因此,图像分割技术具有极高的研究价值。随着数学、生物学、计算机科学等学科的发展,图像分割技术也在不断更新与完善。但到目前为止,图像分割还没有一套完整切实可行的理论。力求就图像分割算法做一些积极的探索和研究,尤其是对区域分割法、边缘检测分割法及其它领域相关理论工具的分割法做一些比较详细的阐述,最后给出未来可能的研究方向。     

在遗传算法基础上的自动阈值选取方法

将遗传算法用于图像分割.利用遗传算法自动在搜索空间内快速寻优的特点确定阈值,对图像进行分割.实验结果表明该方法具有较高的收敛速度和良好的分割质量.     

改进灰度共生矩阵的指纹图像分割算法

针对灰度共生矩阵对指纹图像分割过程中人工选取阈值不精确、繁琐等缺点,提出了一种采用自适应阈值分割的灰度共生矩阵的指纹图像分割算法。首先,用整幅指纹图像的对比度方差值的均值Mv作阈值对图像进行初分割;然后,不断调整Mv,通过试验验证当指纹区域对比度方差值的均值Pv与Mv的比值在一个特定的区间(即Pv/Mv∈[1.5,2])时,才能获得最好的分割效果,由此获得灰度共生矩阵的自适应分割阈值Mv,从而精确地分割出指纹图像的有效区域。试验结果表明,相比于已有的分割算法,该算法在分割错误率和耗时方面均较优,并且分割更准确。     

基于U-Net改进的内窥镜息肉图像分割算法

息肉图像的分割在临床医疗和计算机辅助诊断技术等领域具有广泛的研究和应用价值,但是就目前的研究和应用需求来看,准确的息肉分割仍然是一项挑战. 针对内窥镜息肉图像中出现的息肉与黏膜边界不清晰、息肉的大小和形状差异较大等影响分割质量的问题,该文提出了一种基于U-Net改进的息肉图像分割算法（SBF-Net）. 首先,在U-Net架构上引入了边界特征加强模块（BFEM）,考虑到息肉边界和内部区域的关键线索,该模块利用编码器高层特征生成额外的边界补充信息,在解码器阶段进行融合,提升模型处理边界特征的能力. 其次,该模型的解码器（GFBD）采用了从上至下逐步融合特征的方式,将编码器阶段的输出特征经过局部加强（LE）模块之后再逐步融合边界特征,这种多尺度特征融合方式有效缓解了编码器和解码器之间的语义差距问题. 最后,在后处理阶段采用测试时数据增强（TTA）来进一步对分割结果进行细化. 该模型在CVC-300、CVC-ClinicDB、Kvasir-SEG、CVC-ColonDB和ETIS-LaribPolypDB等5个公开数据集上进行了对比实验和消融实验,实验结果证明了该文所改进方法的有效性,并在内窥镜息肉图像上表现出更好的分割性能和更强的稳定性,为息肉图像的处理和分析提供了新的参考.     

巡检图像的改进密度空间聚类分割算法

采用一种改进密度空间聚类算法进行巡检图像分割,算法采用简单线性迭代聚类(SLIC)进行预处理,有效降低了内存消耗并提高了运行效率,同时有效改善了图像中目标边界作为背景来处理的问题;算法采用斜交空间距离作为距离度量,充分考虑变量间的相关性,改善了高维聚类不准确的问题.改进算法与DBSCAN对比实验表明:改进算法的聚类结果能有效分离目标和背景,保持边缘完整和连续,运行效率与聚类准确性有很大的改善,可以对巡检图像进行更有效的分割.     

基于改进非洲秃鹫优化算法的脑MRI图像分割

针对非洲秃鹫优化算法(African vulture optimization algorithm,AVOA)在开发能力与探索能力之间存在的失衡问题,提出了一种多策略改进的非洲秃鹫优化算法(improved African vulture optimization algorithm,IAVOA)。采用佳点集初始化种群以增强多样性,引入混合对立学习以强化开发与探索,实施自适应信任度策略以动态调整搜索过程,应用高斯变异来进一步平衡算法的开发和探索能力。仿真结果显示,在12个典型测试函数上,IAVOA相较于对比算法,在收敛速度、求解精度和稳定性方面均显著提升。提出了IAVOA-FCM算法用于小样本数据集的脑磁共振成像(magnetic resonance imaging,MRI)图像分割,通过IAVOA算法强大的全局寻优能力对FCM算法进行优化。在脑MRI图像分割实验中,与其他5种先进的结合算法相比,IAVOA-FCM在分割精度、稳定性等方面均表现出显著优势。     

改进的基于模糊C-均值聚类的图像分割算法

目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.     

基于二维直方图的改进的PCM聚类分割方法

相对于模糊C均值算法,可能性C均值(PCM)聚类方法具有更好的抗干扰能力.提出一种基于二维直方图的改进的PCM聚类图像分割方法,该方法除了考虑图像的点灰度信息外,还考虑像素点的邻域相关信息,利用改进的PCM聚类算法得到各象素点的隶属度对图像进行分割.实验表明,该方法能够对噪声图像有效地进行分割,具有较高的鲁棒性.     

一种新颖的虹膜图像预处理算法

提出一种新的虹膜图像预处理算法．先利用搜索迭代的圆周差分方法快速准确地定位虹膜，再利用一种将瞳孔与虹膜圆心变换合并的虹膜图像归一化方法解决虹膜内外圆不同心带来的误差，最后使用改进的局部直方图均衡化方法增强图像．大量的虹膜图像的实验表明，新方法对虹膜定位有非常高的准确性和鲁棒性，归一化和图像增强能提高后续的虹膜识别率．整个虹膜预处理的运算时间小于0．4s，能满足实时系统的要求．     

基于Rubber-sheet模型的虹膜识别算法研究

为了实现对虹膜内外边界的精确定位,提出了改进的虹膜图像定位算法.虹膜图像预处理过程主要包括虹膜边界定位、归一化处理和图像增强三部分,其中虹膜图像边界定位是实现虹膜识别的重要前提.首先使用质心探测法确定其二值化虹膜图像的内边界中心,然后再对内边界进行曲线拟合,从而实现对虹膜内边界的定位.使用Canny算子进行边缘检测,确定虹膜图像外边界,完成对虹膜边界的定位.使用Rubber-sheet模型对经过定位的虹膜区域图像进行归一化处理,方便虹膜图像的信息提取和编码匹配.实验证明改进的算法有效提高了虹膜图像预处理效率.