基于小波变换的纹理图像分割

Ｍａｌｌａｔ非正交小波变换通常用于光滑图像的边缘提取,本文将其改进后,推广到图像纹理特征的提取和纹理图像的分割,取得了良好的效果。基于小波变换的纹理图像分割的算法中,小波变换尺度数的选取和纹理聚类数的确定是其难点。对此,本文作了详细的讨论,提出了一些独特、有效的解决方法。     

一种复杂图像目标的分割与识别

研究受光照等因素影响的表面灰度随机变化的空中图像目标的分割与识别。提出了改进的多阈值八邻域像素比较边缘检测算法,对得到的边缘像素进行填充,并在跟踪过程中消除轮廓上的短枝及图像干扰,最后采用快速多边形近似算法,用多边形顶角及目标形状因子作为特征对目标进行识别。     

基于目标区域颜色与纹理特征的图像检索

该文提出一种基于目标区域的图像检索方法。该方法首先利用色度直方图完成对图像目标区域的提取；然后以目标区域的纹理特征作为全局图像的特征向量进行图像间相似度的检索。该方法综合利用了图像的颜色及纹理特征，并根据人的视觉习惯以图像目标区域的特征作为图像的检索特征。实验表明，该方法在检索效果和检索效率上都优于利用单一特征或全局特征的检索技术。     

图像纹理特征的提取方法

纹理特征是图像分析的重要线索,纹理特征的提取方法层出不穷,本文重点介绍了几种借助纹理统计特性的提取方法,并对其算法进行了比较.这些方法包括:1、基于图像灰度直方图的特征提取;2、基于图像灰度差值直方图的特征提取;3、基于图像灰度共生矩阵的特征提取.     

一种启发式的自适应图像边缘检测方法

在生物学和医学研究中,经常需要对细胞的形状进行识别,这首先要对细胞的边缘进行检测,通常采用计算机图像处理技术,通过分析图像边缘检测的经典算法,本文提出一种适用性较强的启发式图像检测方法,得到了较理想的处理效果。     

基于纹理和梯度特征的多尺度图像融合方法

该文提出一种基于纹理和梯度特征的多尺度图像融合方法。采用纹理提取滤波器和边缘梯度滤波器模板分别对每层Gauss金字塔进行滤波,生成多尺度纹理和边缘图像,使得多分辨率变换域中能够将原图像中的纹理信息包含进来,从而为进一步融合提供更全面的信息量度。采用该文所提出的方法对红外与可见光图像进行融合仿真,并且与具有代表性的融合方法进行了比较。实验结果与图像融合质量评价显示了该文所提出方法的优越性。     

运动图像目标提取方法

简述自底向上的运动图像目标提取方法，分析其中基于有向图的区域合并算法及在实际问题中的应用。     

深度图像的纹理合成方法

建立在“主次缝合线”（MSL和SSL）合成深度图像技术的基础上,研究并提出一种融合与深度图像相对应的纹理映射图像的方法,方法的基本步骤：获得两深度图像中与非重叠区域对应的纹理;得到两个视图中位于辅助主次缝合成M'S',L'和S'S'L'之间的纹理,并把它们融合,最后把非重叠区域和融合后的纹理写入到合成纹理图像中,利用从三维光学数字化系统得到的实际物体的深度和纹理图像,验证了所提出的纹理合成方法的有效性。     

一种基于图像的人体检测方法

人体检测常见的应用是安全监控、网络图像过滤等。工业及信息化部推荐的＂绿坝-花季护航＂采用了一些技术实现人体识别,本文对该软件进行了分析,提出了一些改进,如各种肤色的识别,对人体形态的检测。进而提出一种主要利用图像分割、边缘提取的人物图像检测方法。     

基于边缘特征的运动目标提取与跟踪

运用聚类准则，提出了一种获取二值边缘图的自动门限法，研究了序列图像中目标跟踪窗的自适应调整，并在此基础上进行了复杂背景中运动目标匹配跟踪试验。试验结果表明，本方法提高了复杂背景中运动目标跟踪的能力，可作为常规跟踪方法的补充，以达到稳定跟踪。     

基于区域对象的彩色图像检索方法

提出一种基于区域对象的具有鲁棒性的图像检索方法,为进一步研究和实现对象级的基于内容图像检索(content-based image retrieval,CBIR)提供了途径.检索中使用区域对象的特征作为图像的索引,匹配时采用基于对象的非几何相似度度量准则.由于区域对象的特征利用不变矩进行描述,检索方法具有一定的鲁棒性,即具有二维的平移、尺度、旋转不变性.     

一种基于分形测度的图像纹理边缘检测方法

从图像纹理特征的描述出发，通过分析不同纹理特征局部分形测度随尺度变化的差异，提出了一种新的基于分形测度的图像纹理边缘检测方法．并且给出了该算法用于边缘检测的实例．新的边缘检测算子中包含了图像的纹理特征和灰度特征，因此，它具有好的抗噪性能和局部化性能，适合于有噪背景下目标边缘的提取     

一种改进的基于Canny算子的图像边缘提取算法

对Canny边缘提取算法进行改进, 采用二维高斯函数的一阶偏导数构造滤波器计算梯度幅值, 利用一种四阈值边缘检测定位方法定位边缘, 最后引入数学形态学方法对边缘细化处理. 改进算法对噪声抑制效果明显, 能够删除伪边缘, 检出边缘更加精细, 实验结果表明了改进算法的可行性和有效性.     

一种有效的图像二值化方法

边界特征是图像的重要信息,阈值是区分图像像素点的主要依据。研究了图像的二值化方法,阐述了一种基于数学形态学的自适应二值化方法。实验表明,该方法能够较好地保留原图的边界特征信息,二值化效果好。     

基于多分辨率小波和高斯混合模型的纹理图像分割

提出了一个基于多分辨率小波采样和高斯混合模型的纹理图像分割方法。该方法首先对图像进行必要的预处理,然后对图像进行小波“金字塔”分解。分解后的小波系数和图像共同组成了相应像素的特征向量,然后利用高斯混合模型进行分割。分割的实验结果表明,该算法具有较强的分割能力。     

一种视频对象提取与跟踪的新方法

针对视频对象的分割问题，提出了一种新的视频对象提取与跟踪方法．首先采用分水岭分割和区域合并的方法进行初始分割，再通过光流场估计和全局运动估计计算全局运动的残余误差，在分割的每个区域上利用残余误差数据进行假设检验以确定运动区域，组合所有的运动区域即可提取完整的视频对象．然后使用双向投影的方法在后续帧中快速准确地跟踪视频对象，前向投影用来定位视频对象和简化分割计算，后向投影则用来确定每个分割的区域是否属于跟踪的视频对象．对MPEG-4测试序列的实验结果表明，本方法具有良好的分割性能．     

基于PCA算法的物体图像信息搜索系统

根据图像查询物体信息是图像分析的一个研究方向,也是目前搜索系统研究的难点之一。在对PCA算法图像识别技术研究的基础上,提出了一种新型的图像信息搜索系统。该系统应用PCA识别算法,采用"图查图"功能,以实现静态物体图像及基本信息获取的便捷化。     

基于尺度分维的图像边缘检测方法研究

将分形用于自然纹理描述，指出了单一分形维数测度用于纹理分析的局限性，并提出了尺度分维的新概念．研究了自然纹理与纹理边缘的尺度分维随尺度的变化规律，提出了一种基于图像纹理特征的边缘提取方法，并分析了它的抗噪性能，给出了边缘检测的实例