目标空间分割多目标进化算法研究综述

进化算法具有求解多目标优化问题的优点。本文首先对多目标优化问题进行了描述;然后讨论了目前几种主要的基于进化算法的多目标优化方法;最后介绍了基于目标空间分割的多目标进化算法的研究现状以及面临的问题。     

基于蚁群算法的图像分割方法

目的提出基于蚂蚁算法的图像分割技术,解决传统的图像分割算法分割图像的效果不理想、不能满足图像分割要求等问题。方法将图像的灰度、梯度和邻域特征组合成蚂蚁,通过MATLAB实现蚁群图像分割算法对图像的外廓提取。结果与结论相对于传统的图像分割算法,基于蚂蚁算法的图像分割算法的外廓提取具有更高的仿真精度,得到的图形外廓更为理想。     

基于空间模糊聚类的图像分割优化算法

针对传统模糊C-均值(FCM)算法抗噪性能差的问题,提出一种新的基于空间模糊聚类的图像分割优化算法.该算法通过在传统FCM算法基础上加入图像特征项中像素间的空间位置信息,解决了传统FCM对噪声敏感的问题,增强了算法的鲁棒性.实验结果表明,对于添加5%Gauss噪声的图像,该算法可实现有效分割,分割效果显著优于传统FCM算法.     

基于空间邻域信息的FCM图像分割算法

提出一种基于空间邻域信息的FCM图像分割算法,该方法将目标函数中的距离定义为特征距离与空间距离之和,不仅反映特征距离,而且反映空间距离.将空间信息引入到传统FCM算法的目标函数中,建立了包含邻域信息的新的聚类目标函数,实现图像的分割.实验结果表明,新算法能够获得较好的分割效果和质量,同时具有较强的抑制噪声的能力.     

基于改进分水岭算法的图像分割算法

针对传统分水岭图像分割算法存在的对噪声敏感、误分割率高等缺陷,提出一种基于改进分水岭算法的图像分割方法,以获得更理想的图像分割结果.首先对原始图像进行滤波预处理,消除噪声对图像分割的干扰,保护分割目标的边缘信息;然后对图像进行变换处理以增强图像对比度,并在此基础上采用分水岭算法分割图像;最后采用多种类型图像在MATLAB2014平台上进行仿真测试.仿真测试结果表明,该方法避免了噪声对图像分割结果的影响,能获得更理想的图像分割效果,且分割精度和效率明显优于其他图像分割方法.     

基于空域滤波和空间相关的钢丝绳图像分割算法研究

在钢丝绳断丝实时检测中,由于复杂环境因素的影响和钢丝绳自身结构特点的原因,钢丝绳图像经常受不均匀光照、阴影、油泥、粉末等干扰,导致图像降质严重,给钢丝绳的分割带来困难.本文提出了一种有效、快速的分割算法:首先采用改进的空域同态滤波器对钢丝绳图像进行滤波,去除不均匀光照和削除阴影边缘,然后根据钢丝绳的几何对称性,结合边缘方向信息测度的差异和钢丝绳区域的局部特征统计,消除干扰,实现钢丝绳的分割.实验结果表明,该分割算法能够快速、完整地分割出钢丝绳图像.     

基于HSV颜色空间与形态学的车辆目标分割算法

为了解决车辆目标边缘微弱且背景复杂而导致其难以准确分割的问题,提出了基于HSV颜色空间与形态学的车辆目标分割算法。首先,根据HSV空间内的色度、饱和度特征,构建颜色空间的改进模型,进行分量均衡化处理,达到图像增强的目的;然后根据颜色空间分量关系,对色度和饱和度进行线性运算,达到准确分割车辆,得到包含车辆在内的二值图像;最后,基于形态学颗粒分析,根据结构元素大小逼近目标大小的原则,实现目标特征提取,并完成车辆目标准确分割。验证算法分割结果。实验测试结果显示,与当前分割技术相比,本文算法拥有更高的准确率。     

基于颜色信息与区域生长的图像分割新算法

提出了一种新的结合了颜色特征与区域生长的彩色图像分割算法B-JSEG．该算法是在彩色图像分割的JSEG算法和边缘检测中的方向算子的基础上实现的．根据已有算法的缺陷，利用新的参数描述纹理颜色信息，并通过区域增长和合并来获得最后的分割结果．由于在JSEG算法中加入了方向算子，同时考虑了区域的相似性和边界的非连续性，减少了过分割．大量图像的实验结果表明，所提出的算法具有很好的鲁棒性，比JSEG算法更符合人类的视觉感知．     

基于R-CNN算法的分割检测算法

目前先进的目标检测算法大多基于R-CNN算法,如Fast R-CNN,Faster R-CNN,YOLO,SSD以及FPN+R-CNN.R-CNN算法利用了传统的Selective Search算法寻找可能包含物体的方框,将其送入CNN网络进行特征提取,以对方框内物体进行辨别.随着图片复杂度的升高和背景的多样化,Selective Search算法已无法满足精确性和实时性的要求.本文基于R-CNN算法,提出了一种优化分割检测算法.该算法将R-CNN与具有分割功能的FCN算法相结合,为目标检测算法提供了一种新的思路.测试结果与R-CNN算法相比,该算法在目标识别效果和耗时方面均有明显的提升.     

指纹图像的分割算法

图像分割是指纹图像预处理中的重要步骤，单独使用常用的方差法和方向法，效果往往不是很好，但它们各有所长．优缺点互补．本文介绍了一种基于方差法和方向法的合成分割算法，实验结果验证了此方法的有效性．     

基于目标对象的遥感图像检索

针对有目标对象的遥感图像的特点,将图像分割成目标区域和背景区域,并在检索过程中赋予不同的权重,着重考虑目标对象的颜色、形状及空间信息特征,这样就可以避免当目标对象占整幅图像比重较小时,其特征信息容易被淹没在背景当中而造成的“伪误检”.实验结果表明,当图像中目标对象所占比重较小时,该方法与颜色直方图相比,能够更准确地查找出用户所需内容的图像.     

Lab空间的改进k-means算法彩色图像分割

为减弱经典k-means 算法中ＲGB( Ｒed Green Blue) 空间各个颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服ＲGB 空间色彩分布不匀的缺陷,提出了一种基于Lab 颜色空间的改进k-means 聚类彩色图像分割方法。首先,将颜色空间从ＲGB 转换为Lab 空间,每个像素点都可以由L、a、b 3 分量组合进行表示。其次,用马氏距离替换欧氏距离进行改进,应用改进后的k-means 算法对图像像素点进行聚类,从而实现分割目的。通过实验证明该改进算法比经典k-means 算法具有更好的分割效果和准确度。     

一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

基于SUSAN算子的边缘增强低比特率图像压缩

提出一种新的低比特率图像压缩算法,该算法首先利用SUSAN算子检测出输入图像的边缘信息,然后利用边缘增强方法对边缘信息进行增强,最后将增强后的边缘信息和解码后的输入图像相加形成最终的压缩图像.实验结果表明,和基于小波的传统编码方法相比,在低比特率下,该算法能减少图像的边缘模糊,提高压缩图像的识别度和峰值信噪比.     

基于计算机视觉的动目标图象分割与跟踪

研制了一种能够实现动目标图象分割、识别与跟踪的简易计算机视觉系统。实验结果与分析表明：该系统在图象分割实时性、动目标跟踪精确性、抗干扰性及快速灵活性等方面颇具特色。     

向量空间彩色图像的Canny边缘检测

针对Canny算法检测边缘的准确性,提出了基于Canny算法的彩色图像边缘检测方法.根据Canny算法的特性,用近似高斯函数的滤波器平滑图像;利用梯度模板计算图像的向量梯度及方向角,并依据方向角对梯度图像进行非极大值抑制;计算高、低两个阈值,基于8邻域连接边缘点.实验结果证明,该方法继承了canny的性能,并充分利用了彩色信患,能较好地检测出彩色图像边缘.     

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。     

一种改进的模糊核聚类图像分割算法(修改重投)

模糊核聚类算法已广泛应用于图像分割领域,然而该算法对初始值的选取、噪声以及图像灰度不均匀比较敏感。针对该问题,提出了一种改进的模糊核聚类图像分割算法。将改进的最大类间方差法（Otsu）引入模糊核聚类算法中,结合图像的概率信息和空间信息,得到了一种高效、实用的图像分割方法。实验结果表明,改进算法具有较强的抗噪能力,较高的分割精度,可以用于工程实际。     

空间划分的目标图像识别与跟踪技术

针对多目标识别跟踪算法中存在的低效率、高能耗,易产生误检、漏检等问题,以跟踪精确率、能量损耗为评价指标展开研究.对目前定位与跟踪的相关算法进行分析,提出一种基于空间划分的目标图像识别与跟踪算法.利用空间分簇机制,实时收集目标的位置信息,同时,建立目标丢失与恢复机制,显著提高了目标的识别与跟踪精度,减少能量损耗.结果表明:与常规算法相比,所提算法跟踪成功率提高了10%左右,并能有效减少能量消耗,具有一定的实用价值.