基于遗传算法的熵算法在人类染色体图像的分割中的应用

染色体图像分割是染色体图像分析与识别的重要内容之一。文中提出了实现染色体的自动分割的熵分割算法,该算法充分考虑了每个视野中分割目标(染色体)的数量大以及人类显带染色体被明暗交迭的带纹分割为若干不连续的片段等特点。文中还对传统的分割方法和熵方法进行了对比。传统的方法容易受噪声的影响从而将染色体分割开来。1维熵方法没有考虑灰度空间在空间的分布。2维熵方法在图像分割时较为费时。为了改善分割的精度和速度,在遗传算法的基础上运用1维和2维的熵方法。运用遗传算法的方法一场景分割不到一分钟并且得到得很好的染色体形态。算法的优越性通过实验来体现。     

基于多元信息的绝缘子红外故障诊断

绝缘子在制作不良、污秽等故障情况下表现为温度升高,红外成像技术是绝缘子温升故障检测的一种新手段。针对绝缘子的温升故障,提出了基于多元信息的图像识别和故障诊断方法。通过对图像预处理,利用边缘检测和数学形态学算法去除红外图像中的复杂背景,将绝缘子准确的识别出来,再结合红外图像的温度信息,判断绝缘子的温度是否超出设定的阈值,实现绝缘子的故障诊断。利用红外摄像仪获取故障绝缘子的红外图像,验证了本方法的可行性。     

基于线段和消隐点的建筑墙面自动分割算法

建筑物的墙面分割是基于图像建模、路标识别、导航及场景理解等室外城市环境应用系统中的基础内容,目前基于多幅图像重建的墙面分割方法或基于重复结构假设的先验知识的分割方法具有计算量大和通用性差等特点。为了能够简捷、快速、准确地得到墙面分割结果,提出一种针对建筑物的墙面自动分割算法,用于将二维图像中的建筑物分割为分离的墙面集合,可满足路标识别、导航、场景理解的实时性需求。该算法利用从图像中提取的线段和消隐点信息,将高维的建筑墙面分割问题转化为一维分割问题。实验结果表明,该方法具有精确度高、鲁棒性好、效率高等优点。     

基于人工图像数据扩充的输电线路绝缘子识别

深度学习方法在计算机视觉领域发展迅速,但依赖于海量训练数据。输电线路绝缘子自动识别任务中,航拍图像数量不足、多样性差等问题影响识别的准确性。提出人工绝缘子图像数据扩充方法,通过3D建模创建人工绝缘子图像,并构建导向反向补偿网络,对创建的人工图像进行补偿优化,用补偿后的人工图像扩充航拍绝缘子图像数据集。在多个典型卷积神经网络上进行绝缘子识别对比实验,结果显示：所提方法使绝缘子识别准确率平均提升2.1%,且网络相对轻量级,验证了所提方法的有效性和优势。     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

基于SNIC的双时相SAR图像超像素协同分割算法

针对面向区域的合成孔径雷达(synthetic aperture radar,SAR)图像变化检测方法中存在的双时相图像边缘和空间对应关系不一致的问题,提出了一种基于简单非迭代聚类(simple non-iterative clustering,SNIC)的双时相SAR图像超像素协同分割算法.首先,构造一幅包含双时相S...     

一种在线学习的视频图像分割算法

提出了一种在线学习的视频图像分割算法,通过结合视频图像的全局信息和局部信息,来完成视频图像的准确分割。该算法首先采用分类器对视频图像的无指导预分割结果进行整体的识别处理,得到粗糙的像素级前后景分割图像,再通过时空条件随机场最优化完成局部平滑处理,得到最终精确的像素级前后景分割图像。同时还提出了一种平衡采样策略和一种基于分割图像指导的样本更新算法,分别用以实现分类器准确的初始化和高效稳定的在线学习。基于真实视频序列的实验表明,相比已有方法,算法在低时间开销下,显著提高了分割的准确性与稳定性。     

基于文化算法的C-V水平集图像分割

针对基于梯度变化的水平集图像分割对噪声敏感、不能很好地保持图像中的边缘信息、分割结果依赖初始参数、取得最优解时不能及时结束等问题,提出了一种基于文化算法的水平集图像分割算法,将文化算法应用到C-V(Chan-Vese)水平集模型之中,实现了水平集模型图像分割参数的自动选取,通过信度空间的形势知识和规范知识不断优化指导种群进化,并通过判定图像熵适应度值的变化适时终止分割过程。实验结果表明,本文方法能够准确分割出医学图像的病变区域,在抗噪声性能和分割效率方面明显优于常规方法。     

基于邻域加权模糊C均值的遥感影像分割

遥感影像分割是遥感影像识别和理解的前提和基础,遥感影像分割的结果直接决定着后续像分析和理解的质量。针对经典模糊C均值(Fuzzy C-Means,FCM)聚类算法分割图像时存在的不足,即该算法只考虑图像中像素自身的灰度值信息而没有考虑其邻域内的像素空间信息从而对噪声比较敏感,提出了一种邻域加权FCM(Neighboring Weighted FCM,NW-FCM)的遥感影像分割算法,该算法中邻域窗口内各系数(权)的值是根据图像自身的特性而自适应确定的。通过分割合成图像和实际的高分辨率遥感影像的实验结果表明,相对于其他几种方法,所提的方法取得了更好的分割效果。     

基于分形特征的图像分割

本文主要研究分数维理论在图像特征提取上的应用,在分析了盒子维数的基本思想和算法的基础上,提取能够较好反映灰度图像纹理细节和结构信息的新的分形特征参量用于图像的分割。在图像分割中,采用基于图像模块的分形特征提取方法,利用特征点在特征空间中的分布对图像进行分割,通过上机实验得出的图像分割的结果表明该种方法是让人满意的。     

基于边缘和颜色的视频文本图像分割方法

视频中的文本如果直接送入OCR软件,识别率较低,因为文本往往叠加在复杂背景中,所以需要先将文本从背景中分割出来。背景像素可能具有和文本像素相似的颜色,并且由于解压缩的影响,文本像素颜色分布可能具有渐变性,给分割带来一定的困难。针对这些问题,提出一种基于文本边缘和颜色特征的文本分割方法,该方法首先利用文本边缘的高频特性沿文本轮廓对图像的颜色分布进行采样;其次使用K-均值空间聚类方法从采样点集合得到图像分割的种子点和分割半径,从而分割文本图像得到不同的分割结果;最后,利用文本笔画的连通域特征挑选出正确的分割结果。实验表明,该方法较好的解决了视频文本和背景的分离问题,分割结果具有较高的OCR识别率。     

基于动态局部颜色直方图的图像检索

利用了Mean shift聚类方法对图像进行不规则的划分,在此基础上定义了一种动态局部直方图,设计了一个能同时表征图像颜色和位置信息的统计量,并且给出了计算图像相似度的方法.该算法既改进了以往局部直方图利用图像位置信息的检索方法的不足,而且保留了全局直方图方法具有的旋转不变性和缩放不变性.实验结果表明,在准确引入了图像的空间位置信息后,较大的提高了图像检索的精度,检索结果中不再出现和示例图像颜色成分相似而空间分布不同的图像,实验结果较好的验证了算法的有效性和稳健性.     

基于形态学和蚁群聚类的台风分割方法研究

蚁群算法是具有离散性、并行性、鲁棒性、正反馈性等特点的一种仿生进化算法。根据数字图像的离散性特点,从聚类角度出发,将蚁群聚类算法引入到台风云系分割中,并通过引入初始聚类中心和引导函数来解决传统蚁群聚类算法计算量大,搜索时间过长的问题。在蚁群聚类算法的基础上,针对单纯采用蚁群聚类算法可能会将类似于台风云系的分布不均匀的无关云团分割出来而造成分割精度低的情况,提出了一种蚁群算法融合数学形态学方法的台风云系分割方法。仿真结果表明此方法可以准确的分割出台风云系,是一种有效的图像分割方法。     

图像分割的改进稀疏子空间聚类方法

提出一种基于改进稀疏子空间聚类的图像分割方法。首先将图像进行过分割得到一些均匀区域称为超像素,并提取超像素的颜色直方图作为其特征;然后建立特征数据的改进稀疏子空间表示并由此构造图相似度矩阵,最后利用谱聚类算法得到超像素的聚类结果并作为图像分割结果。实验结果表明,本文提出的改进稀疏子空间聚类方法具有良好的聚类性能,对噪声具有一定的鲁棒性;用于自然图像能够得到更好的分割效果。     

基于特征匹配的舰载对陆导弹目标识别模型

针对传统基于前视模板的匹配算法中难以直接识别与跟踪建筑等目标的问题, 提出基于特征匹配的对陆导弹目标识别模型。该模型通过对末制导导引头图像预处理, 利用改进YOLOv3深度学习目标检测算法和改进Deeplabv3+深度学习语义分割算法来识别目标区和烟雾区, 采用并行法排除烟雾遮挡对目标识别的干扰, 最终判别分析规则判断模型是否识别成功。仿真实验结果表明，该模型能够快速有效精确地完成对陆地目标的识别, 兼具较好的抗烟雾干扰能力, 有利于提高对陆导弹的目标识别水平与作战效果。     

基于颜色与空间距离的置信度传播立体匹配算法

立体匹配是计算机视觉领域的一个重要研究课题,为了得到准确、稠密的视差图,提出了一种基于颜色与空间距离的置信度传播立体匹配算法.该算法首先将立体匹配表示成马尔科夫随机场模型,然后利用置信度传播方法来解决马尔科夫随机场中的最大后验估计问题,以达到建立稠密视差图的目的.算法中利用了彩色图像的颜色与空间信息建立视差空间图,并使用削减的线性模型来定义视差图的平滑项.采用了标准测试图像进行了测试,结果表明算法具有很好的性能.     

基于BFM算法的空间有形目标识别方法

为了对具有复杂边缘的目标进行更准确的检测识别,提出了一种基于边界片段模板(boundary frag-ment model)训练模式的目标识别方法.方法首先提取目标的边界片段组成弱分类器,然后使用AdaBoost算法将它们提升训练成为强分类器,并用其进行检测和识别目标.仿真实验表明,该方法对有形目标,特别是对具有复杂边缘的空间有形目标有较好的识别效果.     

基于图像时频域局部特征的快速模糊分割方法

对于景物 -背景对比度差且信噪比较低的灰度图像的分割问题 ,提出了一种基于时频域局部特征的快速模糊分割方法。鉴于多分辨小波分析具有良好的揭示图像信号的时频域局部信息的能力 ,在图像的多尺度小波分析的基础上 ,基于高斯 -马尔可夫随机场理论 ,应用统计的方法抽取一组参量 ,这组参量反映了图像的局部特征信息 ,从而构造出图像的特征集。最后利用快速模糊C -均值 (QFCM)聚类方法对特征集进行模糊划分 ,从而完成图像的分割。实验证明 ,该方法具有良好的分割效果 ,且有较强的稳健性。