基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

基于相对色彩因子的树木图像分割算法

图像分割是利用实时视觉传感技术指导农药精确对靶施用进行林木化学防治的难点。笔提出了基于相对色彩因子的树木图像分割算法。与传统方法相比，新图像分割算法在不影响分割效果的同时大大提高了图像分割的实时性，在“精确林业”中将有很好的应用前景。     

基于HSI色彩的血细胞图像的分割算法实现

图像分割是图像处理和计算机视觉中基本而关键的技术之一,分割质量高低直接影响图像的后续分析处理.利用染色后的血细胞图像的HSI色彩信息对其进行阈值分割,并对分割后的二值图像中的孔洞进行填充优化,基本解决了此类图像目标分割困难的问题,取得了较好的分割效果,有利于细胞识别.     

燃煤电站锅炉火嘴火焰图像分割研究

通过对电站锅炉火嘴火焰图像的分析,提出了使用图像绿光通道亮度值来代替图像灰度值进行阈值分割,能有效地减少背景辐射对火焰图像的影响。提出了采用改进的极坐标法对火焰图像阈值分割之后的火焰核心区域边界进行标定,既保证了火焰核心区域的有效提取,又保证了分割后的火焰核心区域图像的完整性,为火焰的监控与诊断研究提供了可靠的特征区。     

一种多源遥感图像分割的融合新策略

为了充分利用多传感器遥感图像数据的互补信息来完成一致的图像解译工作,基于区域邻接图构建了马尔可夫场模型(MRF),并在MRF框架内提出了一种面向多源遥感图像分割的融合新策略.针对由美国陆地卫星探测系统专题制图仪获取的一组多光谱图像和合成孔径雷达图像中的分割问题,提出了具体的数据融合策略,即结合多源图像中的局部特征显著性指标和人眼视觉系统中的重要性因子图制定了融合规则,并在分割过程中充分考虑了传感器的可靠性对融合的影响.人工和真实数据集上的比对分析表明,新策略得到的割图区域匀质性最好,区域轮廓最清晰,并且可以有效提高分割精度.     

基于残差U-Net网络的染色体图像分割方法

针对染色体识别的难题,提出一种基于残差U-Net网络的染色体图像分割方法.以残差网络和U-Net网络为基础简化深层网络的训练,利用丰富的跳跃连接促进信息传播;通过将U-Net网络底层的卷积层替换成不同尺度的空洞卷积,保持特征空间分辨率不变的同时扩大特征感受野,实现多尺度感受野提取图像特征的同时减少特性信息的丢失;压缩路...     

基于小波变换的卫星遥感图像融合与分割

近年来针对卫星云图的分析成为研究人员进行天气预报及判断大气走势的重要途径.卫星云图本身是包含着众多数据的数据源之一,是探测地表-大气系统的可靠依据.本文利用卫星云图的云层信息和水汽图的水汽信息,采用小波变换的方式对二者图像进行融合处理,使得一幅图像中既包含云层信息也包含水汽信息,并且在融合之后的基础上进行图像分割,实现云层、陆地、海洋的分离,便于下一步对特征提取的研究.     

基于假彩色的多重图像融合

对假彩色多重图像融合的算法进行了总结分类，并对各种类型的融合算法的结构、特点进行了分析，为在复杂任务和环境下选择恰当的假彩色图像融合手段提供了参考。并以多光谱图像融合以及热成像图像与ＣＣＤ电视图像的融合为例，开发了一些新的有效算法。     

基于并联结构的精准火焰图像分割方法研究

为解决复杂环境下火焰图像分割中产生的误分割及漏分割问题,提出一种火焰图像分割方法．首先将该方法分成初分割和抑制干扰两部分,然后采用并联结构进行粗分割,最后利用区域生长算法进行精准分割．在初分割部分,利用火焰最显著的红色分量对图像进行分割,基于二维最大熵法使用截断技巧,合理求解红色分量阈值;在抑制干扰部分,根据火焰反光区域蓝色分量值存在大幅度衰减现象,采用蓝色分量阈值分割,较好抑制了火焰反光．实验结果表明：所提出的方法有较高的精度和较强的抗干扰性,能解决复杂环境下火焰图像分割问题．     

基于小波的图像融合算法的实现

图像融合技术以其综合多传感器信息的优越性日益受到越来越多的重视，广泛地应用在医学、遥感、计算机视觉以及其它领域，其中有效实用的融合算法是图像融合的关键．本文着重讨论了基于小波变换的融合方法(基于像素的融合规则)及它的实现方式，经仿真，取得了很好的效果．     

融合多特征和谱聚类集成的图像分割方法

针对图像单一特征分割结果的适应局限性,提出融合多特征和谱聚类集成的图像分割方法(MFSC-IS).首先对图像进行基于粒计算的多特征子分割;然后将分割结果映射到超图,利用谱聚类集成算法得到最终分割结果.实验结果表明,与Gpb(Globalized probability of boundary)算法相比,融合多特征和谱聚类集成方法可以得到一个相对较好的分割结果.     

一种基于区域分割的多传感器图像融合方法

针对传统像素级图像融合方法割裂像素间联系的问题，提出一种基于区域分割的图像融合方法．在图像配准的基础上进行区域分割，提取显著性因子和可见性因子作为区域特征，自适应地确定融合权值以得到融合图像．该方法克服了传统像素级融合方法中融合图像模糊、对噪声敏感等不足，尤其适用于图像没有严格配准的应用场合．实验结果表明，与小波变换融合方法相比，均方根误差减小了33％～36％，灰度标准差提高了0．9％～53％，互信息提高了39％～42％，空间频率提高了0．3％～38％，客观评价准则与目视效果吻合良好．     

一种有效的白细胞图像彩色空间序贯分割方法

为解决血液白细胞显微图像自动识别中的图像分割问题,文中提出了一种在彩色空间内,先采用自动阈值分割技术扣除背景,得到白细胞核区域模板;然后用以色调相似性作为增长准则,以白细胞形状的凸出形态作为收敛准则,序贯分割白细胞浆区域的处理方法．大量实验表明,该方法能稳定、有效地分割出白细胞区域．     

一种基于图像块分割的多聚焦图像融合方法

针对多聚焦图像，提出了一种基于图像块分割的图像融合方法，采用块区域局部对比度将多聚焦图像分割成三部分：聚焦清晰区域、聚焦模糊区域以及两者之间的边界区域，对于清晰区域和模糊区域，直接选取清晰块区域作为融合后相应块区域；对于边界区域，建立了基于对比度的像素选取方法进行融合处理，实验对比结果表明，该方法明显优于拉普拉斯金字塔融合算法和离散小波变换融合算法。     

彩色图像分割技术综述

介绍了彩色图像分割的定义,分析了彩色空间的分类及各类的特点,详细综述了彩色图像的分割技术。     

彩色图象分割方法及进展

图象分割是图象分析和模式识别的首要问题和基本问题,也是图象处理的经典难题.彩色图象比灰度图象具有更多的视觉信息,因而受到了越来越多的重视.本文结合近年来彩色图象分割中出现的新算法,将彩色图象的分割方法分为四大类,并分别加以介绍,分析了各种方法的优缺点,最后指出了彩色图象分割的发展趋势.     

基于熵的变分辨率彩色图像分割

采用信息熵对所分割的彩色图像进行两种处理．利用图像的整体信息熵进行图像层次分析,从而达到自适应调整分割分辨率的目的;对图像进行单元片区划分,利用图像单元信息熵进行图像分割．由分割结果知,变分辨率图像分割更接近人类视觉对信息的处理特性．     

基于视觉颜色聚类的彩色图像分割

根据视觉的颜色聚类特性，提出一种图像分割算法．根据从色彩空间(RGB)到(HLC)的变换公式和NBS颜色距离的概念，首先将彩色图像量化为256或更少量化级，而不使图像质量降低；然后依据NBS颜色距离的概念将色彩分类；最后，根据某种规则将颜色区域进行分块，并删除小的颜色块．给出了静物图像和自然景物图像的实验结果。     

一种基于小波变换的图像融合新方法

图像融合是多传感器信息融合在图像处理领域的一个重要应用，以小波变换为工具是这一领域研究方法上的重大突破。在小波变换的基础上，对基于区域的融合算法进行了深入研究，提出了一种多光谱图像融合的新算法，并与其它几种算法进行了比较，仿真结果表明该算法简单，稳定性好，图像增强效果好，在图像增强中是一种比较可取的有效算法。     

采用一种新的马尔可夫模型进行癌症医学图像分割

将数据驱动的蒙特卡罗型马尔可夫链(DDMCMC)这一新的马尔可夫模型运用于分割癌症医学图像.这一图像分割过程为:先将需要处理的空间分割成3层;创建平稳的马尔可夫链;采用数据驱动的方法运算得到启发式的信息;运用适合的数学原理来选取图像粒子.通过对比可知采用DDMCMC方法比采用其它算法在癌症医学图像分割方面更具有优点.