紫色土彩色图像的H阈值分割

【目的】将研究对象紫色土自然断面图像从复杂背景中分割出来,以消除复杂背景的影响,为对紫色土视觉图像进一步分析处理、识别打下基础。【方法】通过对紫色土自然断面图像统计分析,证明它的H域有良好的聚集特征,且在95%和97%置信点近似于正态分布;因此,根据正态分布确定紫色土壤自然断面的H阈值,分割紫色土壤自然断面图像。【结果】用获得的二值分割图像与原图像计算哈达玛积,分割提取出了完整的紫色土自然断面区域图像。【结论】算法分析及仿真实验显示:相对于对比算法,新的算法分割速度更快,分割提取出的紫色土自然断面图像更完整;该算法有效。     

基于小波变换及布朗分形模型的纹理分割

在研究小波变换布朗分形模型的基础上,定义了水平分维数,垂直分维数,对角分维数,并将它们作为纹理特征量来实现纹理的分割,实验结果表明,这些特征量能够很好地反映纺理特征,从而分割时不需有关图象中纹理类别的先验信息,较以往方法在准确度和计算复杂程度上都有很大提高。     

基于模糊逻辑的元胞自动机用于图像处理

提出了一个基于模糊逻辑的元胞自动机模型用来处理图像处理中的图像分割问题。将元胞自动机原理中的元胞状态转化为模糊元胞状态,并将演化规则转化为模糊规则从而建立模糊元胞自动机模型,使图像中灰度水平介于目标和背景之间的像素得以较好地归类,从而得到一种新的图像分割方法。     

田径运动员号码牌图像的号码识别

田径运动项目中通常拍摄得到大量的图像,如何快速获取特定运动员的图像成为普遍关注的问题.为了快速检索包含特定运动员的图像,本文提出了识别图像中运动员编号的方法,依据运动员编号的识别达到快速检索的目的.首先,采用DPM(Deformable Part Model)(可形变部件模型)进行人体检测,缩小搜索范围,接着按照运动员号码牌的先验知识,采用两种方式进行运动员号码牌定位,保障定位的可靠性;然后对定位出的号码牌进行字符分割;最后采用基于特征的BP(Back Propagation)神经网络的方法进行号码牌识别.实验结果表明,在运动员号码牌几乎无遮挡的情况下,使用本文提出的方法能有效地识别出完整号码牌;在运动员号码牌存在部分遮挡时,可以识别出未被遮挡部分的编号.本文提出的运动员号码牌识别方法为检索特定运动员图像提供了思路,大大减少了普遍采用的人工查找方式的工作量.     

基于自适应结构张量的FCM改进算法

针对传统模糊C均值聚类算法对图像特征描述单一,易受图像复杂纹理干扰而出现误分割的问题,提出一种基于自适应结构张量的FCM算法,并将其应用于图像分割.打破传统高斯滤波器在滤波方向和角度上所受限制,采用基于各向异性滤波的结构张量;引入图像边缘密度函数,用以衡量图像节点的平滑性,自适应地计算各向异性滤波函数所占比例;定义一种自适应结构张量相似性度量标准,用以计算图像中节点与聚类中心点的结构相似性,有效地代替了传统FCM中的灰度相似性度量标准;采用一种新颖的节点间距离度量公式来计算图像中节点与聚类中心点的差异.仿真结果表明,对结构复杂的图像,改进算法获得了更加精确的分割结果.     

图书索书号识别算法及其实现

针对多本在架图书图像中相邻图书的索书号分割、识别存在的识别率低的问题,提出了一种图书索书号识别算法,该算法实现了对单本图书索书号的分割、提取以及字符识别,具体做法是通过确定多阈值中的阈值范围来分割索书号区域,利用种子填充法将索书号区域中的字符提取出来,最后利用神经网络的方法完成对索书号字符的识别。实验结果表明,直立图书的字符识别率为95.3%,倾斜图书的字符识别率为93.1%,总的识别率为94.3%,达到了良好的识别率。     

基于Gabor特征和协同神经网络的车牌识别方法

研究了车牌字符识别问题,针对车牌识别系统易受天气及光照变化影响的实际应用,将Gabor特征和协同神经网络应用在车牌字符识别中,提高了识别率.首先对车牌字符进行二值化和切分,然后利用Gabor滤波器提取车牌字符的特征参数;再利用协同模式训练特征参数,进而得出训练样本;最后根据协同神经网络进一步识别车牌字符.通过大量仿真实验表明,该方法在不同场景、光照条件下,与传统方法相比,识别率有了较大改进,该方法在车牌识别领域有较强的实用性.     

基于边缘检测与分裂合并的多区域分割研究

为了使多区域分割后的图像边缘更加清晰，提出了一种将边缘检测与分裂合并法相结合的多区域网像分割方法，其基本思想是用边缘检测算子与分裂合并法分别对同一幅图像进行分割，然后应用信息融合技术将经过上述处理后的两幅图像融合，得到新的图像，在进行图像融合时，采用了像素级和特征级两种融合方法．实验结果表明，该算法可将图像明显地分割成多个区域，且边缘清晰，分割效果令人满意．     

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     

结合区域特性的交互式图像分割

针对现有的交互式分割算法对用户标记的数量与位置敏感的问题,提出了一种与图像区域特性结合的分割算法.首先将均值漂移分割的小块区域作为虚拟像素,参与有权图构建,从而为信息向远方同质区域的像素传播提供路径;然后设计一个基于像素归属于各类用户标记的概率代价函数,并采用微粒群算法进行全局寻优,最后将获得的归属概率作为判据实现分割.实验结果表明,即使采用少量用户标记也可以获得满意的分割结果,说明该算法对标记的数量与位置具有很高的鲁棒性.