复合形态滤波和改进型分水岭算法的图像分割

提出了一种基于复合形态学滤波和改进型分水岭的图像分割算法.为克服传统分水岭算法进行图像分割时产生的过度分割和耗时的不足,定义了由开-闭以及闭-开加权组合形成复合形态学滤波器,应用该滤波器对图像进行滤波;其次,设计一种应用内、外部标记的形态学分水岭算法,确定区域中梯度低频成分的局部极小值作为内部标记,区域之间确定为外部标记,内、外标记随处理信息的变化而变化,从而实现了对图像信息的自适应分割.仿真结果表明,采用本文算法实现的图像分割,其抗噪的MSE、PSNR性能明显地优于开-闭、闭-开单一运算的抗噪性能;同时,减小了梯度图中由于噪声造成虚假局部极小值而产生的过分割现象,准确地提取图像信息的轮廓、边缘等信息.     

基于改进的SLIC区域合并的宫颈细胞图像分割

针对现有细胞图像分割算法对噪声敏感,传统SLIC(simple linear iterative clustering)算法对边界分割不精确的问题,提出一种基于改进的SLIC融合区域合并的方法:首先对宫颈细胞图像进行均值漂移处理,消除细微噪声点;然后进行二维Otsu自适应阈值处理得到初始轮廓,应用SLIC算法得到超像素区域,并融合到原图中完成初始分割;最后,在初始分割图中进行初略标记获得交互信息,利用最大相似准则进行合并,不需要预先设定分割阈值,没有被标记的背景区域将成功合并到标记的背景区域,同时,没有被标记的目标区域会被识别出,有效地阻止与背景区域合并。对宫颈细胞图像进行大量的细胞质分割实验,结果表明本文算法能够在较短时间内准确识别出宫颈细胞的细胞质边缘。     

一种改进型动脉图像增强方法研究

根据动脉图像去噪易产生模糊边缘的现象以及动脉区域测量的精确度要求,提出一种改进型动脉图像增强方法.将图像分为目标区域与背景区域两部分,采用强制极小值方法对图像局部极小值进行标记拓展并设为掩膜图像来修正原始形态学梯度,从而抑制图像边缘扩展.设置灰度值修正梯度,使得图像增强目标区域的同时削弱背景区域.将该算法运用到实际的图像增强中,并与其他算子的增强进行对比.数据结果显示该方法具有很好的增强效果和较强的实用性.     

自然场景中字符型交通标志的检测算法

提出一种检测城市和高速公路环境中字符型交通标志的新方法.首先,在输入图像中分割出蓝色和墨绿色区域,用形态滤波和形状标记图判断交通标志的候选区域;其次,将候选区域的彩色图像灰度化,用Otsu算法计算候选区域灰度分布直方图的阈值,并对其进行分割,得到包含字符的二值图像;然后,将候选区域的二值图像向垂直方向上投影,用3次样条拟合算法对其进行拟合,利用曲线的性质,找到拟合曲线中的局部极小值点,分割出包含字符条形区域;最后,将条形区域向水平方向上进行投影和曲线拟合,查找局部极小值点并分割出单个字符区域,再进行形态过滤,分割并定位交通标志中的字符.实验结果表明:该算法的字符查全率高于84％,准确率超过92％.     

基于标记和模糊聚类的分水岭声纳图像分割

针对传统分水岭算法在处理声纳图像时存在严重的过分割现象,提出一种结合分割前处理和后处理两类方法优点的算法.首先利用H-min变换技术提取区域极小值和新的标记,对标记后的图像进行分水岭图像分割;然后结合改进适应度函数的粒子群全局寻优算法,从初分割的小区域中搜索出较为准确的初始聚类中心,利用这个聚类中心和改进目标函数的模糊C均值聚类算法,再对分割后的小区域聚类,并控制迭代次数,以提高分割速度.实验结果表明:该方法能够有效消除过分割现象,提高声纳图像处理效果,有效分割率达89％,处理时间提高30％以上.     

基于预测差值的医学图像可逆信息隐藏

针对目前医学图像需要对图像中特殊区域进行划分以及在应用于医学图像时效果不稳定、嵌入容量小等问题,结合医学图像的特点,提出一种基于预测差值的可逆信息隐藏算法。首先采用中值边缘预测算法计算预测差值,再根据预测差值的分类进行信息嵌入和像素平移;在形成载密图像的过程中,为防止像素值溢出,对原始图像进行多次预嵌入来标记所有可能发生溢出的像素点位置,且标记过的像素点不再修改。实验结果表明,本文算法能在保证图像质量的同时获得较高的嵌入量。     

基于区域增长迭代算法的SAR海冰图像分割

针对SAR图像分割仅考虑像素本身灰度值而不考虑空间特征的阈值法和聚类方法中存在图像有噪或边界模糊问题,提出一种基于区域增长迭代算法的SAll．海冰图像分水岭分割。在整个处理过程中保持对分割的细化并同时以迭代方式产生语义类标记。迭代算法的初始阶段应用K均值聚类法在二维特征空间中进行分割;迭代阶段包括Gibbs采样、自相关函数最小化和区域合并。自相关函数锐度指数最小化使图像更清晰。真实SAR图像的实验结果表明该算法的快速性和有效性,同时保留目标的细节信息。     

一种基于超像素的户外建筑图像布局标定方法

提出了一种提取户外建筑目标图像中布局信息的方法.首先,基于超像素技术对所给的图像进行大致区域划分.超像素技术是基于一个测度谓词,其利用图像的基于图论的表示法来判定两区域的边界;其次,以划分后的区域(称为超像素)为单位,利用颜色、位置、纹理等信息对其进行标记.在标记纹理特征时,采用了基于3D基元的纹理识别方法.最后,定义规则整合各项标记,实现了对图像内容的划分,提取其布局信息.实验结果表明,该方法应用于常见几种布局的户外建筑目标图像都能收到较好的效果.     

复杂背景下目标树叶自动分割的Grabcut算法

针对传统GrabCut算法需要人机交互且难以在复杂背景或光照不均匀时准确分割目标树叶的缺点,提出一种基于GrabCut算法的复杂背景下或光照不均匀时目标树叶的自动分割算法。本算法利用模糊高斯混合模型(FGMM)和图像的颜色信息对原始图像进行标记实现自动分割。首先选取合适的模糊因子利用模糊高斯混合模型对图像像素进行一次标记;在一次标记的基础上再结合超绿算法(EXG)选取合适的阈值对图像像素进行二次标记;最后将二次标记图像初始化GrabCut算法实现目标树叶的自动分割。利用几种不同的样本对提出算法的有效性和错分率进行探讨。结果表明,所提出的算法可以实现复杂背景下或光照不均匀时目标树叶的自动分割,且平均错分率达到1.625。     

一种SAR图像分割新方法

合成孔径雷达（SAR）图像中固有的相干斑噪声,严重影响了图像分割算法性能。为了改善SAR图像分割质量,本文提出了一种联合PM扩散模型和各向异性MRF模型的图像分割方法。首先对传统PM扩散模型的扩散系数进行简化和近似,限制模型的解的唯一;然后使用改进后的模型对原始SAR图像进行非线性扩散,在抑制噪声的同时保持图像结构细节;继而,通过在标记场势能函数中引入观测数据灰度信息,将经典的基团势能改进为基于灰度加权的各向异性势能,提高边缘像素和图像奇异点的分割准确率。实验表明,本文算法的分割结果区域连通性更好,边缘轮廓分割更精细。     

基于初级视觉模型的Hough变换的改进算法

Ｈｏｕｇｈ变换是图象分析的重要工具之一，但是Ｈｏｕｇｈ变换的运算量很大，这给实际应用带来很多不便，文章提出了一种基于初级视觉模型的Ｈｏｕｇｈ变换的改进算法，该算法可以大大地降低算量，降此之外，该算法可以直接针对原始图象进行，而不是象普通方法那样针对边级图象进行，因此可以省略图象的预处理，边缘提取等步骤，从而进一步加快处理速度。     

结合迁移学习的真实图像去噪算法

为了能有效地去除真实图像的复杂噪声,提出了一种结合迁移学习的真实图像去噪算法。该算法采用了双编码器结构,迁移学习编码单元利用预先训练好的权值有效提取鲁棒特征,残差编码单元对当前数据处理,进一步补充了信息。解码单元通过特征融合模块对丰富的信息进行融合,随后经过残差注意力模块加强对图像细节信息的关注,从而更好地恢复图像。实验结果表明,该算法在DND、SIDD和RNI15真实噪声数据集上有很好的泛化能力,能够在有效去除噪声的同时更好地保留图像纹理和边缘信息,恢复图像视觉效果更好。     

基于粒子群模糊聚类算法的边缘检测仿真

将粒子群优化算法与模糊C-均值(FCM)聚类算法相结合,并应用于图像边缘检测,以期解决标准FCM算法在图像边缘检测中对初始值敏感及容易陷入局部极小的两大缺陷.首先,基于数学测度概念构造一个描述边缘点信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成其边缘点信息特征向量,形成具有三维特征的数据集;然后对这个数据集应用粒子群模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.仿真实验表明,此算法具有良好的抗噪性能,能够得到较好的边缘效果,提高了边缘定位的精度.     

基于自适应混合变换编码的二值图像处理

为了提高图象的处理质量,要求编码算法简单,处理速度快,同时使压缩信息损失最小,文中所给出的算法,对被处理图象进行自适应分块,再通过区域编码与阈值编码相结和,进而进行自适应混合变换编码,最终达到了提高图象处理质量的目的,实验结果表明,这种方法压缩损失小,图像处理质量较高。     

聚类算法在数字图像水印技术中的应用

以K-均值聚类算法为例,将聚类算法运用于数字图像水印技术．实验结果表明：该方法充分利用了图像本身所特有的迷惑性,能够处理任何格式的水印信息并实现无损提取．同时该方法生成的数字图像水印具有较强的抗干扰能力,可将其用于生成版权保护、数字指纹、隐藏标识等多种数字图像水印。     

飞行器结构特征提取与识别

针对天空背景下的飞行器，从目标的结构特征出发，采用SUSAN算子将目标从背景中提取出来；结合边缘信息，利用灰度重构对云层区域进行抑制；对处理后的图像二值化后，利用形态学算子对目标区域填充；最后对目标区域细化，利用先验知识发现目标的头部，实验结果证明了该方法的可行性．     

多尺度边缘检测与图像分割的马尔可夫随机场模型

利用小波变换模极大值检测图像的多尺度边缘信息，根据这些信息和改进的马尔可夫随机场模型对低信噪比图像进行Ｂａｙｅｓ分割，结果表明，和一般松驰算法相比这种方法改善了图像分割的质量。     

融合角点信息的直线增强

直线提取是图像理解和识别的基础,相位编组法是常用且较为快速的直线提取方法之一。传统的相位编组方法存在着诸多问题:如一条直线容易断裂成若干段,直线交点及其附近直线上的点检测不到,无法得到物体的封闭轮廓,造成对物体描述与识别的困难。本文对相位编组方法存在的问题对其进行改进,提出一种利用角点信息对相位编组方法提取的直线进行修正,同时利用相交直线信息对角点位置进行修正的方法。     

“基于片层-面向类”的竹林信息提取算法与应用分析

 随着竹资源经济效益的不断挖掘,及时、准确地掌握竹林的分布状况与动态信息成为亟须解决的问题,而传统的实地调查并不能很好地满足该需求。3S技术的兴起为掌握竹林分布信息提供了新手段,但受多种因素的制约,长期以来竹林信息提取效果不佳。该文在前期研究基础上,进一步以ALOS高分辨率遥感影像为数据源,利用提出的“基于片层—面向类”算法提取南方山地丘陵区顺昌县的竹林信息,以验证该方法的有效性。除利用传统的基于像元的分类方法外,引入近年来时兴的面向对象法,以作比较;同时,对“非片层区”进行进一步处理,以提高竹林信息提取的精度。用实测点验证表明：基于像元与面向对象的竹林信息提取精度分别为84.42%、86.46%,Kappa系数分别为0.677 3、0.723 4;从目视效果看,基于像元的分类结果存在椒盐状,而面向对象的结果图连续性更佳。两种方法结果虽相差不大,但面向对象方法可能更适用于诸如ALOS这样的高分辨率遥感影像。此外,两种方法共同表明,利用“基于片层-面向类”的信息提取思路,能有效地提取竹林信息,并可作为山地丘陵区域影像解译的重要技术参考。     

基于深度学习和约束稀疏表达的人脸识别算法

目前的人脸特征匹配算法大多关注于单图像与单图像的匹配而不能有效利用图像序列之间的相关信息,因而提出了一种基于深度学习与约束稀疏表达的人脸特征匹配算法.通过CNN网络对人脸图像进行特征提取,并利用改进的稀疏表达方法自动选取相似的图像序列进行特征匹配,有效地利用了图像序列之间的相关信息.实验结果表明,该算法在LFW和AR数据库上取得了很好的效果并优于传统的SRC,L1-norm和CRC-RLS算法.