分莆技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨,为了有效地描述彩色纹理特征,我们利用图象中的色彩信息。通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而动用中值滤波技术和非监督聚算法对特征图象进行分割、实验发形技术进行彩色纹理分割是非常有效的。     

基于薛定谔方程的纹理图像分析与分割算法

针对兼顾统计性和结构性纹理图像的分割存在的问题,提出了基于薛定谔方程的纹理图像分析与分割方法,实现了纹理图像有效分割,尤其是结构纹理图像的准确分割.该方法将纹理图像视作二维波函数,利用薛定谔方程获取纹理图像的势函数图像,然后采用耦合马尔科夫随机场与模糊聚类的算法分割函数图像.实验结果表明:文中给出的算法能够实现纹理图像较好的分割,特别是对于结构性纹理图像能获取较准确的分割.     

基于两维WAVELET分解的纹理图像分割方法

提出了一种纹理图像的分割方法，主要利用ＷＡＶＥＬＥＴ变换的多分辨率分析的特性，通过两维分解抽取图像的纹理特征，并对图像小窗口区域的特征进行聚类，该聚类结果可作为多层ＢＰ网权值学习的训练样本，进而利用ＢＰ网对各小窗口的特征进行分类以实现纹理图像的分割，实验证明，该方法对于纹理图像具有较好的分割效果。     

基于子波变换的纹理图像的多级分割

目的基于子波变换研究纹理图像的多分辨率分割．方法提出了子波域主能量通道的纹理图像多级分割方法．以最大能量为线索,建立起由细到粗的子波分解金字塔,分割按照其逆过程,即由粗到细,将低分辨率上的分割结果传递到高分辨率上．结果在每个分辨率上优化选择分割特征,用模糊Ｃ聚类法确定分割方案,有利于纹理图像的分割,分割结果逐级精细．结论员分辨率上基本无纹理栅格,分割效果符合人眼视觉特性．     

一种基于灰度秩数向量的非监控纹理图像分割算法

纹理图像分割的首要问题是纹理特征的提取和描述。传统的统计纹理描述方法和结构纹理描述方法各有其自身特点,但也存在各自的不足。文中从结构与统计结合的角度,提出了一种基于灰度秩数的结构性统计方法,该方法可以较好地抽取物体表面的结构特征。在用本算法对纹理进行描述的基础上,文中采用了一种广义最小体积椭球聚类算法（ＧＭＶＥ）来对所抽取的纹特征进行了聚类分割。算法的有效性在对实际纹理分割中得到了验证。     

用神经网络算法进行纹理分割

本文使用神经网络多层感知机模型，利用误差逆传播学习算法，结合纹理分析的基本手段，通过对计算机模拟神经网络进行训练，使它掌握了多种纹理的纹理特征，有效地实现了对包含多种自然景物纹理及多种人工图案纹理的图象的分割。     

旋转及伸缩不变纹理分割算法

纹理分割是图象分割的一种重要方法，因此，近２０年来提出了许多有关图象纹理分割的算法．文中将介绍一种思想比较新颖的算法——旋转及伸缩不变的纹理分割算法，其核心是利用圆周（Ｃｉｒｃｕｌａｒ）变换和Ｍｅｌｉｎ变换产生一个Ｃｉｒｃｕｌａｒ－Ｍｅｌｉｎ操作数（ＣＭＯ），将ＣＭＯ与图象进行卷积，以达到旋转及伸缩不变纹理分割的目的．实验结果表明，这种算法是相当有效的     

基于小波变换的纹理图像分割

Ｍａｌｌａｔ非正交小波变换通常用于光滑图像的边缘提取,本文将其改进后,推广到图像纹理特征的提取和纹理图像的分割,取得了良好的效果。基于小波变换的纹理图像分割的算法中,小波变换尺度数的选取和纹理聚类数的确定是其难点。对此,本文作了详细的讨论,提出了一些独特、有效的解决方法。     

一种灰度图象的自适应分割算法

利用遗传算法的高效搜索性能和模糊集合理论能较好地描述问题的模糊性和随机性，提出了基于遗传算法的最大模糊熵快速分割算法，将遗传算法和模糊集合理论结合起来应用于灰度图象单闽值和多阈值分割．实验结果证明该方法有效地实现了快速分割，并具有较好的鲁棒性．     

一种多尺度纹理主频的检测与分割

介绍了一种对含有多种纹理结构的图像的纹理主频检测——香农小波包分解的纹理主频检测 ,然后利用 Gabor滤波器确定主频 ,最后应用边缘提取实现纹理分割     

分形技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨．为了有效地描述彩色纹理特征,我们利用图象中的色彩信息,通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而运用中值滤波技术和非监督聚类算法对特征图象进行分割．实验结果表明,利用分形技术进行彩色纹理分割是非常有效的．     

基于马尔可夫随机场的遥感图像分割和描述

讨论了基于马尔可夫随机场的遥感图像分割．根据卫星遥感图像的特点,建立了相应的基于马尔可夫随机场的图像分割模型．由此将图像分割问题转化成图像标记问题, 并进一步转化成求图像的最大后验概率估计的问题． 本文引进了一种基于博弈理论的决定性退火算法, 可以用该算法对图像进行标记, 该算法收敛于局部最大, 在实验中取得了很好的效果．     

磁共振图像的随机场分割方法

基于Gibbs分布的Markov随机场是一个重要的先验模型,能够简单地通过势能形式表示图像像素之间的相互作用,从而把图像的先验知识和图像分割的数学模型相结合,利用Markov随机场方法提出了脑磁共振图像最大后验概率的分割模型,并通过迭代条件方法求解,与传统的K均值算法作比较,证明了算法的有效性。     

基于均值场理论和马尔可夫场的运动目标分割算法

研究了基于均值场理论和马尔可夫场的运动目标分割方法.该算法先对帧差图像进行简单的前背景划分,再采用均值场理论(MFT),建立马尔可夫随机场(MRF)模型,构造系统相应的能量函数.然后通过求取最大后验估计(MRF-MAP),即求最小能量函数,得出标记场,提取运动目标.实验结果证明:该算法能够很好地消除噪声,对运动目标分割具有较好的分割效果.     

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。     

马尔可夫随机场和模拟退火算法的SAR图像相干斑抑制方法

在合成孔径雷达(SAR)成像中,相干斑的存在严重影响了SAR图像的质量.由于马尔可夫随机场(MRF)可以很好地描述空间的连续性,如果选择适当的邻域系统,就可以很好地建立图像的结构特征模型.因此,为了抑制相干斑噪声,作者提出把吉布斯马尔可夫随机场(Gibbs-MRF)和模拟退火算法应用于SAR图像处理中.将图像强度理解为雷达散射截面积(RCS),采用模拟退火算法结合贝叶斯准则估计雷达散射截面积来抑制相干斑噪声.实验结果表明了此方法是有效的.     

含噪图象恢复方法的研究

提供了两种含噪图象的恢复算法：农点扫描法和模拟退火法。用这些算法对不同信噪比的图象进行恢复的结果表明：当信噪比较高时，采用逐点扫描法是快速，满意的。在低信噪比时，采用模拟退火法将比逐点扫描法得到更好的恢复效果。     

基于MAP准则的图象恢复和边缘检测方法

运用基于马尔可夫随机场的ＭＡＰ准则进行图象恢复和边缘检测,并在运用模拟退火算法时,采用逐点象素向邻域跳变的方法,大大减少了运算量．从实验结果看,该方法明显好于视觉处理中常规的零交叉方法．     

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Gaussian-MRF的DTI图像的正则化

为了对DTI图像进行正则化,采用了Gaussian-MRF模型。正则化方法根据Bayes准则对图像灰度值进行最大后验（MAP）估计,估计采用模拟退火方法进行,退火温度采用指数冷却进度表。通过对不同加权梯度下的同一层图像（一共7幅）同时进行正则化实验,结果表明该方法能够改善图像的噪声性能。把本正则化方法的结果与对张量场直接进行正则化的结果进行比较,表明采用本方法能够更加有效地减小噪声影响。通过把指数冷却进度表和对数冷却进度表的结果进行比较,表明采用指数温度能够在更短的时间内获得更好的正则化效果。