基于小波域灰度拉伸的Ostu图像分割

针对Ostu分割方法简单有效但不适用于没有明显双峰直方图图像分割的问题,提出了一种基于小波域灰度拉伸的Ostu图像分割方法,结合小波变换和最大类间方差分割的原理对图像进行灰度拉伸和边缘信息增强后再利用Ostu方法进行分割.实验结果表明,新的分割方法在没有明显增加计算复杂度的情况下增大了Ostu方法的普适度,保留了更丰富的细节成分,提高了分割精度.     

小波变换在图像分割中的应用研究

在讨论基于小波变换的阈值分割算法的同时,提出了Canny算子和小波变换的边缘信息融合的图像分割方法,以及利用小波变换对图像纹理进行分解、特征提取,然后利用模糊C-均值聚类(FCM)进行纹理分割的方法;探讨了各种分割方法的特点、应用范围、及图像分割技术的发展方向.     

基于小波变换和形态学的图像分割方法

提出一种基于小波变换的分水岭图像分割方法。首先,源图像进行形态学开闭重建滤波,然后将滤波后的图像进行小波分解,在小波分解顶层的低频概貌图像中用分水岭分割算法将图像分割成若干个小区域,根据一定的区域合并准则进行区域合并,获得初始分割图像,最后将初始分割图像投影到全分辨率图像上,得到最终的分割图像。该方法有效地解决了传统分水岭算法对噪声敏感和过分割问题,并提高了计算速度。     

基于标记分水岭算法的高分辨率遥感图像分割方法

由于Quickbird等高分辨率遥感图像信息分布的特殊性,一些面向视频(或自然)图像分割方法并不完全适合于高分辨率遥感图像的分割.基于标记的Watershed图像分割算法是一种改进的分水岭算法, 它很好地被应用于人脸及其他一些场景图像的分割.把该方法引入高分辨遥感图像的分割,并针对遥感图像的特点,在分割之前采用中值滤波对高分辨率遥感图像进行预处理;同时,在分割过程中采用用小波滤波器替代Butterworth滤波器对梯度图像的低通滤波.不同地物特征的Quickbird图像的分割实验表明,对于纹理比较均一的高分辨率遥感图像,该方法避免了过分割现象,且效率较高;但对于纹理比较复杂的图像,该方法具有一定的局限性.     

基于多分辨率小波和高斯混合模型的纹理图像分割

提出了一个基于多分辨率小波采样和高斯混合模型的纹理图像分割方法。该方法首先对图像进行必要的预处理,然后对图像进行小波“金字塔”分解。分解后的小波系数和图像共同组成了相应像素的特征向量,然后利用高斯混合模型进行分割。分割的实验结果表明,该算法具有较强的分割能力。     

基于小波变换的合成孔径雷达图像分割研究

图像分割在后续的图像处理中起着至关重要的地位,合成孔径雷达（SAR）的相干斑噪声的存在,降低了图像的质量,传统的方法对不能很好地对图像进行分割。该文结合SAR图像和小波变换的特点,提出了一种新的图像分割方法。首先利用小波变换对图像进行软阈值滤波处理,降低相干斑噪声的影响,然后对重建后的图像进行阈值分割。经试验证明了该方法的有效性。     

基于自适应Bayes彩色分割的扩展式并行压缩图像传输方法研究

传感器网络进行数据传输时,由于受网络运行环境的限制和设备性能的制约,网速较慢、延迟较大,特别是对于大簇数据传输,其传输速度几乎无法满足应用需求.为此,结合实际应用提出一种基于自适应Bayes彩色分割和GHM多小波图像压缩的彩色图像传输方法,以提升此类网络进行彩色图像传输的速度.考虑到大多数图像处理的应用及机器视觉中都离不开图像分割,从自适应Bayes彩色分割出发,采用了GHM多小波图像压缩技术实现大尺寸彩色图像景物与背景先后传输,并用实验验证了此方法在不降低图像辨识度的前提下降低图像大小、提高传输速度的有效性.     

二代小波变换的抗噪Otsu图像分割方法

针对一维、二维最大类间方差(Otsu)方法分割含噪声图像时分割效果不佳、抗噪性不足的问题,提出了一种二代小波变换的抗噪Otsu图像分割方法.算法通过二代小波变换,在小波域中对目标与背景的噪声进行抑制后再计算最大类间方差进行了研究.实验结果表明该算法是一种抗噪性强、分割效果好的图像分割算法.与现有的二维、三维Otsu法相比,算法不仅计算效率高,而且抗噪性能更稳健.     

基于小波变换的医学影像图像阈值分割实现设计

探讨了基于小波变换算法的数学模型,对医学影像图像的阈值分割进行了实现设计研究,进一步对分割方法的处理结果进行了仿真实验,结果表明利用小波阈值算法对医学影像图像分割效果较好,便于实现.     

一种小波分解尺度空间中的随机游走图像分割方法

依据随机游走模型所确定的图像分割方法等价于电路网络的稳态电路结构求解方法,最终都将归结为求解大型稀疏线性方程问题.由于求解一般的大型方程的算法复杂度无法达到线性复杂度水平,文章提出了一种基于小波分解金字塔尺度空间上的多层图像分割算法.首先将原始大小的图像通过正交小波变换分解为低尺度图像及相应小波分量,并对低尺度图像持续进行小波分解,直到尺度合适计算为止;随后对最低尺度图像进行随机游走算法,即求解一个小规模的稀疏线性方程组,将得到的解重构为上一尺度图像,并依据相应的小波分量提示控制松弛迭代的松弛因子;最后持续上述过程直到0尺度图像,图像分割结果就可以通过某个阈值所确定.算法在标准灰度测试图像中进行了测试,测试结果表明,计算时间和分割结果有较大程度的提高.     

基于细胞神经网的快速图像分割方法

细胞神经网(CNN)是一种局部互联的非线性并行模拟视觉处理系统,具有适合硬件实现处理速度快的优点.首先利用CNN-PDE非线性异质扩散滤波对图像作预处理,随后给出了一种基于CNN的图像分割方法.分割试验结果及仿真时间估计表明,CNN分割方法能以非常快的速度完成相应处理,是高效可行的.     

一种基于小波神经网络的图像融合方法

图像融合结合图像处理、信号处理、计算机和人工智能等相关技术．通过对多源图像数据信息的提取合成,从而获得同一场景目标较为准确全面的图像描述．神经网络具有强大的非线性映射逼近能力,将神经网络用来进行滤波融合,避免了传统滤波图像变模糊问题．通过小波神经网络自适应动量快速学习算法进行图像滤波融合,能从根本上避免局部最优,且加快收敛速度,具有很强的学习和泛化能力,也避免了网络结构盲目设计．仿真实验表明,用本方法实现的融合图像更加符合人的视觉特性．     

改进型脉冲耦合神经网络高分辨率SAR图像分割

针对高分辨率SAR (合成孔径雷达)图像噪声强, 目标分割难度大的特点, 提出一种改进的脉冲耦合神经网络(pulse coupled neural network, PCNN)模型的SAR图像分割算法。首先根据SAR图像中相干斑噪声的特点, 采用复小波进行去噪。然后, 在传统PCNN模型的基础上, 对神经元的输入信号, 尤其是链接系数和 阈值的非线性衰减子因子进行了改进和简化, 同时对链接强度系数β进行理论上的近似推导, 并减少人工设置的参数。最后, 通过最佳阈值对其结果进行二值化处理得到感兴趣的目标图像。实验结果表明, 改进后的算法运行效率提高, 自适应性增强。与传统算法相比, 区域一致性提高0.013, 区域的对比度提高0.015, 效果优于传统的PCNN算法, 为高分辨率SAR图像分割提供了一种新策略。     

基于树型小波变换和Hopfield神经网络的纹理图像分割

纹理分割是图像分析、模式识别、计算机视觉等领域的基础，也是个经典难题．采用树型小波变换方法提取纹理图像特征，并采用Hopfield神经网络进行象素聚类，从而实现对纹理图像的分割，实验结果表明该方法是有效的。     

忆阻神经网络图像处理综述

忆阻神经网络能有效改善传统神经网络电路复杂、不易集成以及能耗大等不足。概述了忆阻器与忆阻神经网络,以及目前忆阻神经网络在图像处理方面的应用。基于忆阻特性,实现神经网络突触的动态可变,使忆阻神经网络比传统神经网络在图像处理领域具备更多优势且应用范围更广。同时,展望了忆阻神经网络未来发展前景。     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

利用BP算法实现集装箱编号识别

研究集装箱字符识别,采用数字图像处理,模式识别与神经网络技术及改良BP算法实现集装箱编号的自动识别,该方法有较强的适应性,可在不同的光照条件下工作,在识别倾斜,变形,磨损,污染的集装箱时表现出较强的抗干扰能力,改良BP算法具有分类功能,可以实现字符的识别,并且具有较强的鲁棒性。     

一种基于离散小波变换的多阈值选择方法

图形处理的一个重要环节就是如何有效地选择阈值,本文描述离散小波变换用于阈值选择,通过尺度参数对直方图信息进行小波变换得出零交叉点,从而获得一系列阈值,达到消除噪声,对图象进行区域分割的目的．图５,参５．     

改进ROEWA与小波变换结合的遥感图像海陆分离

海陆分离一直是光学遥感图像舰船检测中最重要的一部分,目前大多数的海陆分离算法都是依靠先验信息或是利用灰度特征对图像进行处理,造成分割效果不明显,大量的孤立区域无法处理,而且会造成误分割,不利于后续处理。针对上述问题,本文提出一种基于改进ROEWA算子与小波变换结合的海陆分离方法。首先利用ROEWA(指数加权平均比率)算子对原始图像进行边缘检测得到边缘的强度,再利用非极值抑制和双阈值算法定位边缘,然后采用小波变换对叠加后的图像进行二次边缘提取,提取边缘的方向,最后对边缘检测后的图像进行区域生长,进而得到最终的海陆分离图像。实验结果表明,本文的算法与常用的的海陆分离算法相比,检测效率和精度都比较高,且鲁棒性好,有利于后续舰船检测的处理。