基于分数阶微分及谷底边界扫描的浮选气泡提取

针对浮选采集图像光照不均、分割难的问题,基于分数阶微分、谷底边界扫描及区域合并的思想提出了一种新的浮选气泡分割算法。该方法首先利用分数阶微分理论构建相应的掩模算子,再通过确定最优阶数,进而对浮选气泡图像的分数阶掩模增强,接着将谷底边界扫描与区域合并相结合对气泡进行分割。整个算法包括:图像预处理、分数阶微分增强、谷底边界扫描、端点检测及联结、区域合并等步骤,算法可以一次性检测出所有谷点,进而高效精准地提取气泡。与基于相似性与不连续性算法做了对比试验,试验结果表明:(1)新算法能较好的减少过分割现象,具有更好的分割精度;(2)其运行速度提高了50~100倍,满足实际生产中对实时性的要求。     

采用分数阶微分边缘检测的图像插值

针对目前的边缘插值算法不能有效改善插值图像的中低频纹理细节的问题,研究并提出了一种基于分数阶微分边缘检测的图像插值算法.依据分数阶微分理论,设计并实现了可以有效提取中低频纹理信息的算子掩模.按照检测到的边缘纹理信息,分别对沿边缘方向、垂直于边缘方向和平滑区域的待插值像素点进行线性插值、二次插值和双线性插值.采用了峰值信噪比(PSNR)和信息熵(IE)等图像质量评价标准做定量分析和实验验证.结果表明,该方法可以得到丰富的图像纹理信息,提高了峰值信噪比,其结果符合人们的视觉感受.     

分数阶微分的一些性质

近300年来,分数阶微积分这一重要数学分支渐成体系,它被应用于许多工程计算中,特别是在化学、电磁学、控制学、材料学和力学中．分数阶微积分的定义有各种不同形式,研究了一种重要的分数阶微分——caputo分数阶微分的一些性质．     

基于分数阶微分的多尺度多聚焦图像融合

针对多聚焦图像融合问题,借鉴多尺度融合方法对各个尺度的互补信息进行针对性融合.首先,运用L0梯度最小化的平滑方法将源图像分解为背景层和细节层,然后在背景层的融合中运用分数阶边缘检测掩模保持边缘信息,在细节层中引入分数阶梯度能量算子进行权值分配.实验结果表明,与整数阶梯度能量清晰度算子相比,本文所提出的分数阶梯度能量算子...     

基于分数阶微分梯度的噪声检测算法

为了在图像去噪的同时,更多地保留图像原有的特征信息,本文将分数阶积分理论引入到数字图像去噪中,通过分数阶微分梯度算法确定图像中噪声的位置,如果只对噪声点进行去噪处理,就可以有效保护图像的纹理和边缘信息.实验结果表明,基于分数阶微分梯度的噪声检测算法可以更准确地确定图像中噪声点像素的位置.     

基于可变阶次分数阶微分图像自适应增强算法研究

传统分数阶微分算子方法存在一些缺陷,比如对同一图像的不同区域增强的幅度没有选择性;在增强图像的同时也放大了噪声等。针对这些问题,提出了自适应分数阶微分算子图像增强方法,该方法可以根据图像的不同区域的信息和结构特征自动的调整分数阶微分的阶次,在增强图像边缘纹理细节和抑制噪声方面取得了较好的平衡点。实验证明该方法明显的优于其他的图像增强的方法。     

自适应分数阶微分在图像纹理增强中的应用

针对目前只能通过人为实验指定最佳分数阶微分阶数的现状,为了节省大量人工寻求最佳分数阶微分阶数的时间,研究并提出了可以依据掩模窗口大小、G-L公式、图像梯度特征和人眼视觉特性等理论的能够自动生成分数阶微分阶数的新方法,基于该自适应阶数,设计并实现了对应的算子掩模。采用了信息熵、平均梯度等图像纹理特征评价参数做定量分析和实验验证,结果表明,该方法对任意灰度图像可以得到连续变化的增强效果,接近于最佳分数阶微分增强效果,符合人们的视觉感受,是有效的图像纹理增强方法。     

分数阶微分Whittaker平滑器

目前Whittaker Smoother(WS)算法应用广泛,该算法的核心在于用整数阶微分来表示粗糙度.但整数阶微分表示过于单一,不够灵活,不能真实反映出信号的粗糙度.相反分数阶微分表示丰富,可以更好地描述真实信号的粗糙度.因此,本文用分数阶微分来改进WS算法,使它更加灵活有效.采用Riemann-Liouvile(RL)和Grumwald-Letnikov(GL)两种不同的分数阶微分计算方法来实现分数阶WS算法.此外,通过数学推导,实现分数阶WS算法的自动选参.含有尖锐峰的核磁共振谱实验结果表明:分数阶WS算法可以提取更多的真实信息;Marzipan红外光谱实验结果表明:与原有整数阶WS算法相比,光谱定量分析的精度更高.     

基于改进流域算法的三维图像分割方法

在石油地质研究中,分析由CT扫描真实岩心所得到的三维结构已成为研究岩心微观孔隙结构的重要手段。由于噪声因素等影响,三维重建所得的岩心颗粒目标往往存在粘连情况,严重影响了后续的分析。为此,本文借鉴流域算法的思想并加以改进,提出了一种快速且有效的三维图像分割算法。算法中采用广度优先搜索算法（BFS算法）进行区域增长,提高了运算速度;并同时采用基于颗粒间重叠程度的区域合并方法,有效抑制了过分割现象。最后利用本文的算法对岩心三维图像进行了分割,实验证明了该算法的正确性和实用性。     

基于Tustin变换的分数阶微分算子近似离散化

分数阶微分算子的离散化是分数阶控制器数字化实现的关键。对基于Tustin变换的分数阶微分算子直接离散化方法进行了研究和比较。概述了分数阶微积分及其离散化,介绍了用于Tustin算子展开的幂级数展开法、连分式展开法和Muir递归展开法;并给出了展开方法的算法表达式。定义了误差指标函数,举例比较了以上三种分数阶微分算子离散化方法的优缺点。仿真比较表明:连分式展开法在较宽频带内对分数阶微分算子具有最好的近似特性,但计算复杂度大;幂级数展开法和Muir递归展开法近似效果相当,但前者具有较大计算效率优势。在分数阶数字控制器实现过程中应根据具体情况选择合适的分数阶算子离散化方法。     

基于改进的Graph Cut算法的羊体图像分割

针对羊体图像复杂背景、不均匀光照且含有大量噪声等特点,提出一种融合多尺度分水岭的改进Graph Cut分割模型.引入多尺度分水岭对图像进行预分割,将基于像素级的Graph Cut算法转化为基于区域的算法以提高分割的效率.通过标记前景和背景种子点,利用模糊C均值算法实现前景和背景区域聚类.将多尺度分水岭分割的区域作为图割的顶点,以Lazy Snapping为框架计算图的边界项和数据项,并构造能量函数,通过最大流/最小割算法求解能量函数的最小值,从而实现图像分割.通过使用不同的分割算法进行实验比较,结果表明改进的算法在准确性和高效性方面都具有很好的性能.     

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.     

基于D-S证据理论的模糊聚类图像融合分割

针对模糊聚类图像分割算法的固有缺点,提出了一种基于D-S证据理论的模糊聚类图像融合分割算法。对图像的点灰度特征和块灰度特征分别进行模糊C均值聚类,并将各自的模糊隶属度转化为单一或复合假设及其基本概率赋值,再利用D-S证据理论进行融合分割。实验结果表明该算法的分割效果优于传统的模糊聚类分割算法。     

基于改进CV模型的目标多色彩图像分割

针对Chan-Vese(CV)模型无法完整分割目标包含多色彩及色彩具有突变性图像的问题,通过K-means聚类对图像演化曲线内部像素进行处理,得出聚类中心点,用聚类中心点值与均值滤波后图像的灰度信息构造CV模型内部拟合值,从而提高模型对复杂目标图像分割的适应性.此外,用矩形脉冲函数代替CV模型能量泛函中的正则化脉冲函数,可将水平集演化方程的计算限定在零水平集附近,从而避免图像背景干扰物对分割结果的影响.实验结果表明:改进模型可准确、快速地分割目标包含多色彩及色彩具有突变性的图像.     

基于分数阶Chen系统的图像加密新算法

提出了一种基于分数阶Chen系统的图像加密新算法。首先利用分数阶Chen系统产生所需的置乱序列;然后通过对明文信息的判断来完成行列置乱序列的选择,从而保证了其与明文的相关性;对置乱后的图像采用分组异或的算法对其像素值进行预处理,同时对预处理后的图像进行两轮像素加密,增加了算法的复杂度和安全性。最后通过与整数阶Chen系统算法进行比较可知该算法具有密文相关度低,密钥空间更大,安全性更高等优点。     

基于MRF和图割的多尺度图像分割和配准同步方法

图像分割和图像配准是图像处理领域中的两个关键技术.事实上,图像分割和图像配准之间是相互依赖、彼此互惠的.本文以图割理论为基础,结合马尔科夫随机场(Markov Random Field,MRF)模型,提出了一种基于MRF和图割的多尺度图像分割和配准同步方法,该方法通过将分割信息和配准信息耦合在一起,利用两者的相互促进作用,以得到更准确的分割和配准结果,并通过实验证明了该方法的有效性.     

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.     

基于改进LBF模型的高原鼠兔图像分割

针对鼠兔图像背景复杂、对比度低、灰度不均匀且含有大量噪声等特点,在局部二值拟合(LBF)模型基础上,提出一种融合图像梯度信息的改进LBF分割模型.针对LBF模型在演化过程中极易陷入局部极小值的问题,引入全局图像梯度信息,构造含有梯度信息的能量函数,使水平集函数在演化过程中避免陷入局部最优,同时全局梯度能量项能引导活动轮廓曲线向目标边界附近快速移动,从而减少算法运行迭代次数,提高了分割精度.实验结果表明:所提出的用于鼠兔图像分割的模型不仅能提高鼠兔图像分割精度,减少迭代次数,而且背景抑制、目标区域轮廓定位效果好.     

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.     

基于改进模糊C均值聚类的弥散张量成像图像分割

为了避免随机选取初始聚类中心点的缺陷,利用最大最小距离的方法确定初始聚类中心点.实验结果表明,和传统的模糊C均值聚类(FCM)算法相比,所提聚类算法具有较高的稳定性和准确性,所分割的胼胝体图像边缘信息更加清晰.