基于灰度与边缘的图像分割方法

提出一种基于多图像信息的图像分割方法，利用Ｂａｙｅｓ分类准则，根据每个像的多图像信息向量将其分为目标或背景，并对动态图像组成的图像序列或静态图像的分割给出了不同的像素分类准则，同时给出了硬件实时实现的原理。该方法适用于图像序列，低对比度图像和其它难于用一种图像信息分割的图像，实验证明了该方法的有效性。     

基于灰度分布的概率密度实现实时图像分割

针对实时图像质心跟踪的问题,提出了一种目标分割的算法。对相邻两帧图像的跟踪框和背景框的灰度分布统计,加入滤波因子,再根据Bayes判别规则构造判别函数,把背景像素和目标像素进行分类。实验结果证明,该方法克服了由于图像序列中某一帧图像灰度分布发生突变产生的影响,能较好的分割出图像中的目标。在电视跟踪系统中有效的保证了跟踪的稳定性。     

基于灰度空间大熊猫图像分割方法研究

大熊猫作为中国国宝,其监测及保护更受到越来越多的关注。本文详细介绍基于灰度空间的阈值分割方法,用于大熊猫图片前景的提取,并与基于YCbCr颜色空间的分割算法进行对比,分析阈值分割的适用范围及分割效果。     

一种基于模式识别分类器的图像融合方法

针对传统的模式识别方法使用单特征来确定某一模式的分类效果。提出了一种适合任何分类问题的模式识别方法。该方法与基于分类器直接分类结果的分类器融合方法相比在图像的边缘点具有很好的分类效果等优点。提高了分类精度;它是通过最优决策函数来实现分类的。     

基于向量模糊模式识别的纹理图像分割方法

提出了一种基于同步自回归（ＳＡＲ）模型和模糊信息原理进行纹理分割的方法,利用二阶ＳＡＲ模型对图像纹理进行描述,用最小平方方法对模型参数进行估计,将估计的参数作为纹理的特征向量,根据模糊信息原理,分析了纹理图像提模糊特性,给出了一种基于向量模糊集合簇模糊模式识别的纹理分割方法,实验结果表明,用所提出的方法进行图像是分割取得了了分割效果。     

基于灰度最优阈值的图像分割方法及应用

讨论了在对图像进行分割时的一维、二维灰度直方图分割方法，对最优阈值灰度分割方法原理进行了描述，得出了最优阈值灰度分割算法。实验结果表明：利用此算法对图像进行分割能够得到较好的分割效果。     

基于灰度形态重构的颗粒图像分割方法

提出了一种基于距离变换、形态重构和分水岭算法的图像分割算法。将一幅图像通过距离变换得到距离灰度图,与形态重构算法结合,得到颗粒图像的标识点图,用标识点图对距离灰度图进行分割,再用分水岭变换对分割后的距离灰度图进行变换。试验表明,该算法能有效合理地解决粘连或者重叠颗粒等物体的分割。     

灰度图像分割算法的研究

综述了传统图像分割算法,其中详细分析了几种常用的边缘检测算子;随着越来越多人的研究,近年来涌现了许多新理论、新方法,本文对基于人工神经网络、小波分析和变换、数学形态学等其他新方法进行了概述;提出了今后图像分割算法研究的发展趋势。     

图像序列处理中的形态分割方法

将数学形态学应用到序列图像分析中,提出了一种基于图像序列的3－D形态分割算法,对图像序列简化后进行边缘增强,用改进的3－D分水岭方法提取分割信息,基分割信息对几种常用图像序列的处理算子和处理方法进行了研究和改进,实验结果表明,该方法能对序列图像有效地进行时空分割,利用分割信息可显著提高各种图像序列处理的性能,而且具有算法简单、效率高的特点。     

基于改进的形态学算子的灰度图像边缘检测

提出一种改进的形态学图像边缘检测算法.针对单结构元素在检测时出现检测结果边缘线条粗、不连续性的问题,该算法提出了利用6种具有代表性的结构元素进行膨胀组合,形成多尺度结构元素,从而弥补了传统边缘检测算法提取灰度图像细节边缘少及抑制噪声能力差的缺点.     

基于边缘强度的图象分割

介绍一种根据边缘强度进行象素灰度值加权平均以获得分割门限，与一般通过友度直方图找寻分割门限以进行图象分割的方法不同，不仅能消除噪声的影响，而且对友度分布不均匀的图象通过分区处理效果更好。还详细讨论该方法的工作原理及算法．     

基于图像直方图与模糊核聚类的分割方法

利用图像直方图与模糊核聚类知识,提出一种新的分割方法,即先获取直方图数据信息结合期望值理论获得初始聚类中心,然后对图像进行模糊核聚类分割.本算法可以解决模糊核聚类算法对初始的聚类中心等信息较敏感的问题.实验结果表明,与标准的模糊C-均值(FCM)聚类分割方法相比,具有更优越的分割性能,分割结果与实际图像更为接近.     

基于边缘链码信息的黏连细胞分割算法

介绍了一种基于边缘链码信息的黏连细胞自动分割算法. 该算法对弱对比度的细胞图像预处理;对二值化图像进行链码跟踪,并计算边缘各点的链码和、链码差、等效周长、弧弦比等特征参数;利用特征参数判断边缘光滑段、边缘角点;对真实分割角点进行线性插值最终实现黏连细胞的分割. 将该算法应用于2组细胞图像序列共120帧图像的分割中,不仅解决了黏连细胞的分割难题,而且能够准确进行细胞凹陷的修补和细胞图像的简单计数. 统计结果表明,相比于阈值法和先验模型法,该算法的分割成功帧占整个序列的百分比提高40%~60%.      

基于PCNN模型的生物细胞图像分割

在基于脉冲耦合神经网络（PCNN）模型中,讨论了模型中阈值θ、链接权ω和迭代次数量N等参数的求解方法;采用最大熵值及PCNN模型对生物细胞图像进行了分割,并分析了各参数对图像分割质量的影响.实验结果表明,分割图像熵值越大,分割图像总体效果越好.     

基于PCNN的图像二值化及分割评价研究

在介绍传统二值化方法的基础上,对PCNN脉冲耦合神经网络进行了研究,由于PCNN独特的相似神经元同步点火的特性,使其非常适合于各类图像的分割;同时结合图象二值化研究,对目前仍处于难点的图像分割评价作了研究,提出了综合评价思想。并通过实验仿真验证了：PCNN用于图像二值化,能够更好地区分和合理地分割出图像的目标和背景区域,具有分割精度高,适应类型广的特点;同时通过大量的实验数据也验证了所提出的综合评价思想的合理性,较之以往的评价准则更加准确和科学。     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

基于图像分割的古彝文字识别系统研究

介绍了一个古彝文字识别系统实现方案,并重点讨论了图像分割和字符识别,包括图像细化、大小归一化、模板匹配等关键技术.应用MATLAB和C 语言编程实现了上述过程的仿真,仿真结果对古彝文字识别研究具有一定意义.     

结合空间信息的FCM脑图像分割

针对传统模糊C均值聚类算法(FCM)在图像分割时没有利用图像的空间信息而对噪声敏感、分割结果不够准确的问题,提出一种结合空间信息的FCM改进算法.该算法利用邻域像素间的灰度差异计算出邻域加权系数,并利用该系数对中心像素的隶属度进行更新,控制邻域像素对中心像素的不同影响;该算法还利用了快速FCM算法对图像进行初始分割.对MRI脑图像分割的实验结果表明FCM改进算法简单有效,具有较强的抗噪能力,能取得较好的图像分割结果.     

基于多分辨率-分水岭算法的图像分割方法

提出了在小波多分辨率域中使用分水岭算法对图像进行区域分割和融合的新方法,该方法首先使用小波变换理论将原始图像变换为不同层次的金字塔多分辨率图像；然后通过分水岭算法获得最低分辨率下的分割图像；最后。利用逆小波变换将分割的图像映射到原始分辨率上．从而获得分割图像．实验结果表明：此方法可以大大减少噪声存在下的过分割现象．