基于Mumford-shah模型的多目标分割

基于Mum ford-shah模型的图像分割中,多目标图像的分割是一个较难以解决的问题,其主要原因是由于目标物体多导致灰度级多,分割中可能使得灰度级相似的多个目标物体被划分到同一个目标内或者灰度值和背景灰度相似的目标物体被划分到图像的背景中,导致分割的失败.针对这些问题,提出了多个水平集的方法,该方法的基本思想是在图像区域建立多条位置不同的演化曲线(即多个零水平集),使它们各自按照原始的Mum ford-shah演化模型同时进行演化.数值实验结果表明,该方法可以把多个目标物体分割开来,得到正确的分割结果,所以该方法对于多目标图像在一定程度上是有效的.     

改善等离子体显示器动态假轮廓的显示灰度级调整方法

为了改善交流等离子体显示器(AC PDP)动态假轮廓现象,提出了一种显示灰度级调整方法.首先利用AC PDP实际采用的子场编码,通过运动图像畸变距离方法对动态假轮廓进行量化,然后选取不易产生动态假轮廓的灰度级作为输出显示灰度级.同时,采用数字半色调技术增强输出图像质量.一方面,采用就近阈值化的误差扩散方法有效地减小了量化误差较大时的误差扩散噪声;另一方面,利用有序抖动方法处理低灰度级像素,从而使得运动图像既不易被察觉出动态假轮廓现象,又能在整个灰度级范围内产生较好的显示效果.将提出的方法应用于81 cm AC PDP中,实验结果表明,在不影响AC PDP显示画质的前提下,有效地缩减了动态假轮廓现象.     

彩色等离子体显示器动态低灰度级增强技术

开发了一种利用反γ修正子场编码增强彩色等离子体显示器(PDP)动态低灰度级图像的技术.该技术基于灰度平均分配算法,通过输入灰度级的非均匀分配、低灰度级单独分配、反γ曲线低灰度级部分指数项的修正等3项改进技术对反γ修正子场编码进行校正,有效地增加了显示的动态低灰度级数目,在保证整幅图像显示效果的同时增强了彩色PDP对低灰度级图像的显示能力.该技术还可根据输入图像的灰度分布特点动态指定所要增强的灰度级范围,增强了算法的灵活性.仿真结果表明,当输入图像为0~255级灰度时,采用新技术可使输出灰度级在0~60的图像单元占全部图像单元的最高比率达到26.8%,是单纯使用反γ修正技术时的6.2倍.     

高灰度级高分辨率激光散斑血流实时成像研究

激光散斑对比成像是一种大测量范围、实时、高分辨率的光学成像方法.现有研究表明，低灰度级(8位)低分辨率(752像素×480像素)照相机可以有效监测血液等散射介质流动，但散粒噪声大、有效成像区域小等缺点难以通过软件弥补，严重影响成像质量.使用高灰度级(16位)高分辨率(2 048像素×2 048像素)照相机监测血液流动会减慢单帧成像速度，并行计算能使图像处理时间减少1/3.研究借助动物血液流动实验，以成像速度与成像质量为评价标准，对比分析高灰度级高分辨率空间激光散斑对比成像与空间近似激光散斑对比成像(sLSCIa)、时间激光散斑对比成像(tLSCI)的结果.结果表明，高灰度级高分辨率空间激光散斑对比成像并行计算兼顾成像质量与成像速度，可以达到临床实时监测血液流动要求.     

交流等离子体显示器改进型自适应子场编码驱动方法

为使交流等离子体显示器(AC PDP)中单纯累积发光模式产生更好的灰度显示效果,提出了一种改进型自适应子场编码驱动方法.该方法在比例较小的子灰度区间,对子区间内灰度级的累积概率密度进行采样处理,将采样灰度值定位在子区间内灰度概率密度值大的灰度级上;在比例较大的子灰度区间,直接对子区间内灰度级进行采样处理,以避免采样灰度值过于集中造成的较大量化误差,最终能够使由采样灰度值产生的各子场编码权值表达出最丰富的原始图像信息.仿真结果表明,提出的方法除了能够消除AC PDP动态假轮廓现象以外,在灰度级表现力上还优于现有文献中的类似方法,能够更好地再现原始图像信息.     

基于灰度冗余的红外图像直方图处理技术

该文提出一种改进的消除灰度冗余的红外图像直方图均衡算法.通过统计红外图像灰度的分布规律,将像素灰度分布为零的灰度级进行完全压缩,设定适当的阈值,将小于阈值的无效灰度级映射到阈值灰度级,对有效图像灰度级进行无损均衡.该算法在压缩灰度冗余的同时,进行直方图均衡,克服了传统直方图方法在图像增强时造成的灰度断层和丢失,提高了图像质量.     

基于二维倒数灰度熵的河流遥感图像分割

为进一步提高河流检测与识别系统中河流遥感图像分割的准确性和处理速度,提出了分解的二维倒数灰度熵河流遥感图像阈值分割方法.首先引入了倒数灰度熵,避免了香农熵中的无定义点问题,给出了一维倒数灰度熵阈值选取方法,考虑了图像灰度级概率及类内像素灰度均匀性;然后经推广导出了二维倒数灰度熵最佳阈值选取公式,增强了抗噪性;最后提出了二维倒数灰度熵的分解算法,将求解二维最佳阈值转化成分别求解灰度级图像和邻域平均灰度级图像的一维最佳阈值,运算量从O(L4)大幅降低至O(L).经大量实验验证,与改进的Otsu法、基于粒子群优化(PSO)的二维最大香农熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分倒数熵法相比,该方法在对河流遥感图像的分割效果和处理速度方面有明显优势.     

基于高频分量修正的图像水印混合方法

针对图像版权保护中图像水印受攻击的鲁棒性问题,提出一种基于高频分量修正(high frequency component modification,HFCM)的图像水印混合方法.在嵌入部分,首先利用高斯低通滤波器对原始图像进行预处理,使用秘钥随机选择多个灰度级,并且构造滤波图像关于这些选择的灰度级直方图;然后引入直方图形状相关指标来选择像素数最高的像素组,并在所选择的像素组和未选择的像素组之间建立安全带.该文提出了一种HFCM机制的水印嵌入方案,将水印嵌入到所选像素组中,以进一步提高鲁棒性.在解码端,基于可用的秘钥识别水印像素组,并从中提取水印.实验结果表明,该文算法对不同的攻击具有较强的鲁棒性,且性能优于其他算法.     

基于尺度极值的灰度图像多值化处理

灰度图像的多值化处理是将一幅具有ｌ个灰度级的图像变成一幅具有ｋ个灰度级（ｋ＜ｌ）的图像，是图像分割的一种有效方法。本文介绍了一种基于直方图峰值点分析—尺度极值分析的灰度图像多值化处理方法，并给出了实验结果及分析。该方法可有效地全自动处理多峰直方图的图像，对具有平坦直方图的图像也有很好的处理结果     

基于发光特性的PDP动态伪轮廓改善算法

本文针对等离子显示器(Plasma Display Panel,PDP)的动态伪轮廓现象(Dynamic False Contour,DFC),提出了一种基于PDP发光特性的灰度级增强算法。该算法在分析动态伪轮廓产生原因的基础上,依据PDP子场发光特性,通过对不同子场发光中心和权重统计的计算,采用关键灰度级编码,减少了像素之间灰度级变化差异,达到了改善显示图像动态伪轮廓的目的。此外,该算法还具有处理速度快,对电路依赖性小等优点。     

基于粗集与PCNN的图像预处理

研究了如何将粗集(Rough Set)与脉冲耦合神经网络(PCNN-Pulse Coupled Neural Network)相结合，对被噪声污染的图像进行对比度增强处理，使图像清晰，从而便于后续的处理。同时，提出了基于粗集与PCNN的图像增强算法。计算机仿真结果表明，使用基于粗集与PCNN的图像增强算法，可有效地对被噪声污染的图像进行图像增强，减少图像噪声，增加图像对比度，使图像更加清晰，且图像增强的结果优于常规的方法。     

改进型脉冲耦合神经网络高分辨率SAR图像分割

针对高分辨率SAR (合成孔径雷达)图像噪声强, 目标分割难度大的特点, 提出一种改进的脉冲耦合神经网络(pulse coupled neural network, PCNN)模型的SAR图像分割算法。首先根据SAR图像中相干斑噪声的特点, 采用复小波进行去噪。然后, 在传统PCNN模型的基础上, 对神经元的输入信号, 尤其是链接系数和 阈值的非线性衰减子因子进行了改进和简化, 同时对链接强度系数β进行理论上的近似推导, 并减少人工设置的参数。最后, 通过最佳阈值对其结果进行二值化处理得到感兴趣的目标图像。实验结果表明, 改进后的算法运行效率提高, 自适应性增强。与传统算法相比, 区域一致性提高0.013, 区域的对比度提高0.015, 效果优于传统的PCNN算法, 为高分辨率SAR图像分割提供了一种新策略。     

基于PCNN的纹理图像增强算法

阐述了应用有生物学依据的脉冲耦合神经网络（PCNN）的脉冲发放特性进行图像增强的原理，并将此原理应用于具有纹理特性的指纹图像，从而产生了针对纹理图像增强的新方法。此方法主要利用纹理图象的灰度变化特性，采用将像素点灰度与所在邻域内灰度的局部均值比较的方法，使原方法更有针对性。实验结果证明，指纹图象增强效果显著。     

低对比度全景球面图像目标分割方法研究

受到光照、设备等外界条件的影响,得到的全景球面图像对比度通常较低,当前目标分割方法无法解决外界环境的干扰问题,导致分割结果精度低,分割效果不佳。为此,提出一种新的低对比度全景球面图像目标分割方法,通过PCNN模型对低对比度全景球面图像进行对比度增强处理,依据人眼视觉特征,通过对数变换映射函数把全景球面图像的亮度调整至一个合适的视觉范围内。介绍了均值偏移法的理论基础,通过对特征空间中样本点的聚类,获取模式点。通过均值偏移法将空间上相邻和色彩相同的像素划分至一类,找到不同颜色的聚类点,从而实现低对比度全景球面图像目标分割。实验结果表明,采用所提方法对低对比度全景球面图像进行分割,不仅分割效果好,而且分割精度高。     

一种基于简化PCNN的红外图像分割方法

提出一种基于简化脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的红外图像分割新方法.针对红外航拍图像所具有的噪声大、灰度范围较窄以及具有对比度反转现象等特征,从原始图像与分割图像的相似性出发,采用最大互相关匹配来确定PCNN的最优参数,最终完成图像分割.实验结果验证了该方法的有效性.     

基于二维Tsallis熵的改进PCNN图像分割

为了改善图像分割的性能,采用改进的脉冲耦合神经网络(PCNN)进行分割,通过对其内部活动项进行空不变的单阈值化分割,来达到对原图像空变阈值化分割效果.另外分割准则也作了修正,通过计算图像二维直方图的Tsallis熵,得到二维Tsallis熵,以此作为图像分割准则.最后,修正了动态门限项的下降速度,使得PCNN收敛更快.实验证明二维Tsallis熵准则优于最大Shannon熵准则与最小交叉熵准则,且改进的PCNN模型比传统PCNN模型收敛更快.     

Pulse Coupled Neural Network Edge-Based Algorithm for Image Text Locating

This paper presents a method for locating text based on a simplified pulse coupled neural network (PCNN).The PCNN generates a firings map in a similar way to the human visual system with non-linear image processing.The PCNN is used to segment the original image into different planes and edges detected using both the PCNN firings map and a phase congruency detector.The different edges are integrated using an automatically adjusted weighting coefficient.Both the simplified PCNN and the phase congruency energy...     

脉冲耦合神经网络在指纹图像分割中的应用

脉冲耦合神经网络（PCNN）是20世纪90年代形成和发展的一种新型神经网络。研究发现，可用PCNN的脉冲传播特性有效地解决图像处理中的不同问题。在此阐述了PCNN的原理，并提出一种基于PCNN的指纹图像分割算法，该算法有很强的适应性和抗噪性．     

利用脉冲耦合神经网络实现数学形态学的基本运算及其应用

脉冲耦合神经网络（PCNN）是最近几十年来研究的热点,尤其是其在图像处理的各个领域的应用。本文以实例说明了PCNN进行图像处理时用到的脉冲并行传播特性可以实现数学形态学的基本运算这一命题,在前人得出的结论的基础上进行实验验证和推广,并将其应用于图像边缘检测,进一步加强了PCNN与数学形态学的联系。     

基于脉冲耦合神经网络的多区域图像分割

为解决传统脉冲耦合神经网络(pulse coupled neural network,PCNN)仅限于二值分割且无法对灰度缓慢变化的大范围区域进行完整分割的问题,提出了一种基于PCNN的多区域图像分割算法。将分割图像经过平滑和归一化后送入PCNN,在快速连接机制作用下,每次迭代处理中具有相似状态的神经元可实现同步点火,完成单个图像区域的完整分割。经过预定的迭代次数后,以各神经元的点火次数为新输入图像各像素点的灰度值,然后经平滑和过归一化后再次送入PCNN重复上述处理,完成多区域图像分割。Berkeley图库的实验结果显示,该算法高效、鲁棒,可有效应用于图像分割。