基于红外图像序列的排球运动关键技术特征提取方法

针对现有运动技术特征提取方法中运动目标特征提取不准确的问题,提出了一种基于红外图像序列的排球运动关键技术特征提取方法 .首先,获取红外图像序列的排球运动图像,并对红外图像序列中的运动目标进行检测和提取,进一步用图像分割方法进行边缘分割.然后,基于视点跟踪切换方法进行阈值分析,实现对运动目标的准确跟踪和提取.实验表明,提出的方法准确性和效率均高于传统方法 .     

一种边界梯度组合的图像识别技术与分割方法

提出了一种基于边界和梯度特征的图像识别与分割方法.图像识别就是在相差仿射变化的过程中,将图像边界和梯度特征进行组合,提高图像识别效率.图像分割就是利用高斯平滑对图像进行预处理,然后通过Krisch算法得出图像梯度信息,随后利用二维最大类空间方差法进行图像分割,最后采取依据目标和背景的空间关系来消除个别误提边缘.严格的数学推导和实验都表明了算法的有效性和算法的应用性.     

基于改进流域算法的粘连细胞图像分割技术研究

在细胞显微图像处理过程中,经常会发生目标粘连的现象,如何将这些粘连的目标正确分割是后续分析成功与否的关键.流域算法(Watershed Algorithm)是最近兴起的一种基于区域和数学形态学的图像分割方法.它对灰度变化十分敏感,能够克服传统分割方法中易丢失微弱边缘的缺点,可以有效地检测出边缘.但由于普通的流域算法存在过分割问题,因此,本文针对这一问题,对距离变换后的图像进行了距离重构(Distance-Reeonstruetion),并将其作为流域算法的输入图像.实验证明,该方法能够较好地分离粘连细胞图像.     

基于主动轮廓模型的序列图像分割

提出一种改进的主动轮廓模型应用于医学序列图像的分割。一方面,对内部能量函数增加约束性条件,制约轮廓的长度,使其尽可能短来避免边缘轮廓收敛到中垂线上的其它组织的较强边缘点;另一方面,利用序列图像之间局部区域的信息相关性,重新构造外部能量函数来排除纹理特征的干扰,更好地捕捉到边缘上的拐角点。实验结果表明,提出的改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些伪边缘点,可达到良好的分割效果。     

图像分割技术纵览

从图像分割的分类、常见方法和结果的评估3个方面,特别是近几年来图像分割领域中出现的新思路、新方法,或对原有新方法的改进对图像分割这一经典难题给出了一个比较全面的综述.     

一种改进的细胞图像分割迭代算法

图像分割是图像轮廓提取,纹理特征提取和形状特征提取等图像分析的重要基础。它也直接影响着图像更高级别的处理质量。提出一种改进的图像分割迭代算法,通过在一般的迭代算法中添加第二门限,以达到更精确的将各像素划分到所属区域降低误判概率的目的。在分析的基础上,给出了该算法与一般迭代分割算法的对比图像。为了观察分割效果,还给出了应用分割图提取边缘与Canny算子的对比图像。其结果均表明,噪声干扰下,改进算法的分割过程更为准确。     

基于MATLAB的图像阈值与区域分割研究

本文主要研究了全局阈值、Otsu阈值、迭代式阈值3种图像分割方法,并利用MATLAB对空间采样环境图像进行数值实现。通过对比全部的阈值分割,发现Otsu的分割方法更适合本文目标图像的分割。     

粘连颗粒分割的中心核提取方法研究

在图像处理中的粘连颗粒分割方法研究中,获得各个颗粒中心核是分割的基础和关键,极限腐蚀是现有提取中心核的主要方法．通过讨论颗粒粘连程度的不同情况,对极限腐蚀所造成过分割的原因进行了分析研究,提出一种基于局部距离值比较的中心核提取方法,该方法以腐蚀运算得到的距离值为基础,充分考虑与周围颗粒粘连情况,通过在局部区域内判断是否存在大于该距离值的点来定位中心核．颗粒图像分割实验结果表明,该方法消除了极限腐蚀所造成的过分割．     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果，提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法。将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理，计算图像中前景和背景的概率，训练该模型以获得最佳阈值进行图像分割处理，优化图像分割的效果。利用无人机航拍采集的图像数据进行实验，结果显示基于属性加权朴素贝叶斯算法的OTSU图像分割方法优化了图像的分割效果，较完整地展示了分割后的图像细节，具有较好的应用价值。     

基于MATLAB GUI实现图像阈值分割处理的方法

利用MATLAB的图形用户界面GUI,编程实现基于阈值选取的图像分割,积极探究新的图像分割处理方法。     

改进的Snake算法在颅脑CT图像分割中的应用

尝试用一种改进的Snake算法创建模型,自动分割CT头颅断层图像的脑组织和脑脊液,用于后期辅助医生对患病部位的诊断和治疗,为临床提供更方便的工具。考虑到脑部CT图像和相邻的骨组织灰度差异较大,利用改进Snake算法对CT头颅图像进行自动分割,将分割的脑组织图像与专业医学影像医生手工分割的CT脑组织图像做对比,发现这种改进的Snake算法分割的CT颅脑图像从轮廓外形、灰度均值和方差值都和专业医生手工分割的CT颅脑图像非常接近,表明这种改进的Snake算法分割CT颅脑图像是可行的。     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果,提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法.将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理,计算图像中前景和背景的概率,训练该模型以获得最佳阈值进行图像分割处理,优化图像分割的效果.利用无人机航...     

基于模板匹配的有复杂背景的条码图像区域分割

为从有复杂背景的条码图像中分割出条码区域，将图像分割技术应用于条码自动识别．首先对输入的有复杂背景的条码图像进行预处理，运用图像腐蚀的方法，使图像上的文字等复杂背景变成一些孤立点，通过中值滤波器滤除这些孤立点，此时图像中条码的相对位置不变；然后运用模板匹配的方法对图像进行区域查找，在原图像上可分割出条码区域；最后调用读码软件读取条码佰来判断条码区域的分割效果．     

浮选中泡沫图像的分割算法

描述了浮选中泡沫图像的分割算法，根据测定泡沫的尺寸、形状和纹理分割泡沫图像。因这些泡沫图像的图案和性质千差万别，用现有的分割算法是很困难的，我们修改并结合不同的现有图像分割算法，形成了一种分割泡沫图像的新算法。在这种算法中，使用并修改了阈值算法，自动地检测泡沫的种子点或种子区域，然后使用形态学技术产生泡沫区域。最后，基于泡沫形状分析，合并过于分割的泡沫部分为一泡沫。文中列举了分割三个泡沫图像的结果，它表明这种分割泡沫图像的方法是合理的。     

横波成像的病灶分割深度学习算法研究

病灶分割的精度直接影响基本治疗,采用超声波横波弹性成像的深度学习算法,设计了病灶分割深度学习模型对病灶图像进行分割,该模型由编码器块、循环块和最后双解码器块组成.实验结果表明,与现有图像分割方法相比,该方法对合成的和不可见的真实体模数据具有更好的弹性图像重建效果,不但可以在弹性图像重建的同时进行包含分割,而且分割精度比...     

迷彩设计中背景图像聚类方法的比较分析

迷彩设计中,通过对目标背景的图像信息进行归类处理,利用图像分割技术获取背景斑点,然后设计出与背景亮度和纹理相协调的迷彩图案. 目前,最常用的图像分割方法是均值聚类法,由于它直接利用灰度信息以致分割的细节不明显,容易导致模拟背景纹理失真. 针对它的不足,提出了采用基于自组织特征映射(self organizing feature map, SOFM)神经网络的分割方法对背景进行聚类分割. 该方法将整幅图像作为神经网络的输入,聚类分割后的颜色作为输 出,按照自组织特征映射网络的学习过程,使用其函数进行迭代运算直至学习停止. 比较实验结果表明,SOFM方法能更好地保留图像的细节纹理,得到较为理想的设计效果.     

基于三支决策的图像过渡区提取与分割方法

在图像分割问题中,过渡区的存在使得分割阈值难以确定,对分割结果的准确性产生较大影响,因此,本文提出了一种基于三支决策的图像过渡区提取与分割方法。建立了图像的粗糙集表示,引入三支决策和最优化理论,把图像分割问题转换为一个在图像域上的分类决策问题,在决策代价取得最小值时,对应的分割阈值即为图像最优分割阈值。该方法综合考虑图像像素分布和分割阈值,设置正则化项。在Weizmann科学研究所的公开图像数据集(Segmentation evaluation database, SED)上取得了81.9%的分割准确率,与其他经典图像分割方法相比,该方法具有更好的分割准确率和稳健性。     

基于改进GA和OTSU的图像分割算法

图像分割是图像处理、模式识别和人工智能等多个领域中一项关键技术.文章利用改进遗传算法与改进OSTU算法相结合对二维图像分割进行了全局优化,使算法在保持群体多样性的同时加快收敛速度,提高算法全局收敛的稳定性,实现了图像的自动最佳阈值的分割.     

一种改进的基于边界跟踪的粘连目标分离算法

在颗粒图像的自动分割中,经常遇到颗粒粘连、重叠在一起的现象,需要将它们分离为单个颗粒目标.基于边界跟踪的分离算法能够克服聚堆目标连接处的凹陷比较明显并且/或者在连接处存在灰度局部最小边缘的要求,取得了较好的分离效果.但对于某些中轴方向不是垂直或水平的聚堆目标,分割仍然不理想.为此,提出了一种改进的分离算法,该算法通过自动旋转聚堆目标区域使其中轴方向成垂直或水平来实现这种情况下的分离.实验结果表明该算法进一步提高了分离效果.     

基于CycleGAN的图像隐私保护

社交媒体和云平台为图像的传播和存储带来了便利,但同时也引起了人们对于图像隐私的担忧。因此,需要采取一定的措施去保护图像的隐私,以防止隐私被窃取和非法使用。基于上述目标,本文提出了基于循环对抗网络（cycle-consistent generative adversarial networks, CycleGAN）的图像隐私保护。为了在图像隐私保护中兼顾可用性,该方法先用图像分割和CycleGAN组合,选择出不同的分割系数来辅助生成不同程度的隐私保护图像。然后利用可逆信息隐藏对生成的隐私保护图像进行信息的嵌入,从而阻止非法使用者在图像重构中提取隐私信息,进而保证了整个过程图像隐私保护和可用性的平衡。本文用PIPA数据集对该方法进行训练和测试,采用峰值信噪比和结构相似性指数作为客观指标对隐私保护的图像进行评估。实验结果表明,本方案在图像隐私保护和可用性两方面都优于其他对比方案。