应用Krawtchouk矩和支持向量机的图像纹理分割

提出一种基于Krawtchouk矩和支持向量机的图像纹理分割方法.对图像的每个像素,选择一个窗口,计算该窗口内的Krawtchouk矩,然后通过非线性变换将得到的矩值转换成纹理特征,对特征空间进行优化后,使用支持向量机进行纹理分割.和基于Zernike矩的纹理分割结果相比,本文的方法能得到更好的纹理分割结果.     

一种结合遗传算法的图像分割方法

模糊聚类算法是一种解决图像分割的常见算法,Stelios在模糊C均值聚类算法的基础上提出了FLICM算法,极大地改进了图像分割的效果。基于此,经过分析证明FLICM算法存在的不收敛问题,在此基础上改进了FLICM算法,并提出了结合遗传算法来解决因目标函数复杂度高而无法给出"闭合"迭代公式的问题。从结果来看,该算法不仅克服了FLICM算法不收敛的问题,而且取得了更好的图像分割效果,使得图像细节得到更充分的保留。     

基于正交矩混合不变量的离焦模糊图像配准

摘要： 针对同时遭受离焦模糊退化和几何形变的图像,提出一种基于Legendre正交矩不变量的图像配准方法.采用Harris特征点探测算法提取图像特征点,然后构造Legendre正交矩的模糊和几何混合不变量作为衡量尺度以获得特征点的对应关系,通过该对应关系估计形变参数完成配准过程. 实验结果表明该方法能有效解决该类形变图像的配准问题,与其他方法相比能获得更准确的结果.     

基于矩不变量和神经网络识别三维物体

三维物体识别是计算机视觉的重要研究课题,广泛应用于工业和军事等领域.目前大多数识别方法,只能由某个特定角度的二维图像识别三维物体.采用矩不变量与神经网络相结合的方法实现三维物体的识别.使样本物体绕z轴旋转,间隔一定角度拍摄一幅图像(最大间隔角度不超过30度),得到一系列样本物体图像.计算这些图像的矩不变量并作为其特征向...     

基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法

脑核磁共振图像常常受到噪声的影响,且有灰度不均、边界模糊的特点,使得传统聚类算法无法获得理想的脑部肿瘤分割结果,为此提出一种基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法.该方法首先采用改进的引导滤波算法对图像进行预处理,解决平滑图像时不能保留图像边缘的问题;然后将传统核模糊C-均值聚类算法(Kernel fuz...     

基于几何特征的哈夫变换图像分割研究

<正>哈夫变换(Hough tranform)是由P.VHough在1959年提出,最早用于高能物理云室图像中高能粒子轨迹的分析计算。哈夫变换是将图像空间中复杂边缘特征信息映射成参数空间中的聚类检测问题,具有优秀的鲁棒性和极佳的抑制噪声能力,在图像分析、计算机视觉领域已得到广泛的应用,已经成为模式识别的一种标准工具。然而,哈夫变换基于模型、依赖参数的一种变换,如果给定参考模型参数较多,就会造成巨大的计算量,使得具体的图像检测过程难以实现。因此,对于具体的目标模型应该具体分析。     

基于图像分割的改进Census变换立体匹配算法

针对传统Census变换立体匹配算法精度低,提出基于图像分割的改进Census变换立体匹配算法.将Census变换窗口中心像素的灰度值用其邻域像素灰度值的中值代替,从而减少噪声对匹配精度的影响,增强算法的抗干扰能力.采用Mean Shift算法对图像进行分割,结合其Census变换结果,以Hamming距离作为匹配代价...     

基于引导滤波和NSST的工业CT图像边缘检测

针对传统边缘检测算法不能准确检测有噪工业CT图像边缘的问题,提出一种鲁棒性好、能有效保持细小边缘的边缘检测算法.用引导滤波取代高斯滤波作为边缘检测的预处理,避免Canny算法对边缘的损坏,得到初步检测结果.在此基础上采用非下采样Shearlet变换分解图像,提取包含图像边缘细节信息的各尺度不同方向的高频系数.对每个方向的系数进行模极大值检测,并结合不同分解程度下边缘像素处的系数关系进一步调整模极大值,低频置零并通过反变换得到高频边缘检测结果.将初步检测结果与高频检测结果进行融合,经数学形态学处理得到最终边缘检测图像.实验对比了Canny算子以及近年来提出的同类边缘检测算法的结果,所提算法表现出更好的边缘保持特性,检测的完整性和准确性更高,品质因数比实验中的其他算法平均高出12%,边缘检测效果优越,为工业CT无损检测系统提供了更好的边缘检测方案.     

一种基于边缘和小波变换的图像插值的实现

针对常规插值方法在图像放大时出现的边缘模糊现象,提出了一种基于边缘和小波变换的图像插值算法,小波变换提高了插值图像的边缘高频细节信息.算法首先使用小波变换提取图像边缘,通过边缘检测将图像分为边缘和非边缘这两个区域;对不同的区域分别进行图像插值.实验结果表明,用该方法对图像放大,能提高插值图像边缘的清晰度.     

基于几何特征的哈夫就换图像分割研究

哈夫变换(Hough tranform)是由P.V Hough在1959年提出,最早用于高能物理云室图像中高能粒子轨迹的分析计算.哈夫变换是将图像空间中复杂边缘特征信息映射成参数空间中的聚类检测问题,具有优秀的鲁棒性和极佳的抑制噪声能力,在图像分析、计算机视觉领域已得到广泛的应用,已经成为模式识别的一种标准工具.然而,哈夫变换基于模型、依赖参数的一种变换,如果给定参考模型参数较多,就会造成巨大的计算量,使得具体的图像检测过程难以实现.因此,对于具体的目标模型应该具体分析.