基于关联能量系数的图像分割新算法

针对现有熵阈值法在理论上存在的不足和计算复杂性过大的缺陷,提出了一种基于随机变茸概率分布之间的关联能量系数的阈值法,方法通过最小化日标和背景两个概率分布之间的关联能耸系数推导出了一种选取最佳分割阈值的新算法.实验结果表明,提出的关联能量系数阈值分割方法是可行的,有效的.方法可以弥补现有方法的不足,具有一定的普遍适应性,可以推广到日标和背景符合任意概率分布的图像进行最佳阈值选取.     

基于分块思想的汽车牌照定位算法研究

改进了基于分块思想的汽车牌照定位算法. 首先将图像等分成若干个子图像, 利用子图像内车牌水平边缘密度的聚集程度分割图像, 保留可能的车牌区域, 并进行区域合并. 由于车牌中号码基本均匀分布, 其号码边缘所占有的面积与整个牌照面积的比例在一定范围内, 对于牌照区域内的子图像也会具有同样的比例. 当采集距离造成牌照尺寸发生变化时, 其比例值会仍在设定的范围内, 可适应车牌大小不同的情况, 同时, 由于以块方式搜索, 速度明显加快.     

基于最大熵分割和肤色模型的人眼定位

人眼定位是进行虹膜识别、视线跟踪、眼睛状态分析等的首要任务,为此提出一种基于最大熵分割和肤色模型的人眼定位方法。利用最大熵分割法对图像进行分割,获得人眼候选区域。建立YCbCr肤色模型,将其作为人眼定位的约束条件以排除非人眼区域,通过形态学运算准确定位人眼。仿真实验表明,该方法对人眼定位准确,并对背景、头部偏转角度等细节具有较好的适应性,运算速度较快。     

基于彩色分割和特征定位的实时人脸检测算法

论文提出了一种新的彩色人脸图像实时检测算法。该算法利用皮肤颜色在YCbCr彩色空间的分布特性进行人脸皮肤区域的分割,利用人脸特征在灰度图像灰度映射极小值特性进行人脸特征定位。实验证明该算法对彩色人脸图像的检测有很好效果。     

纸币序列号定位与分割方法研究

人民币序列号的唯一性,是区别纸币的一种标示,采用一种基于投影法的号码区域定位方法,并提出一种沿双向最短路径搜索字符串上下轮廓的凹凸位置进行粘接字符分割方法。在号码区域定位时,对二值化后的序列号实行行和列投影,进行粗定位和精定位两个步骤实现目标区域的定位;为了提高分割粘接字符的正确率,利用字符串之间存在的凹凸轮廓特征,沿双向最短路径搜索字符串上下轮廓的凹凸位置,分割出单个字符。实验结果表明,投影法能够快速、准确的实现纸币序列号的定位;当有字符粘接时,采用沿双向路径方法比沿单向路径方法能够找到更好的切割点,并去除掉多余的粘接噪声,能够实现纸币序列号正确、有效地字符分割。     

基于最小方差滤波的相对嫡闭值分割方法

基于共生矩阵的相对熵阈值分割法是一类常用的图像分割方法。采用自适应滤波方法构造非对称共生矩阵,对相对熵阈值分割法进行改进,使其更好地适应含噪图像的阈值分割问题。实验结果表明,该方法能更有效地降低噪声干扰,使分割目标更为完整,边缘更加清晰。     

TextonBoost for Image Understanding: Multi-Class Object Recognition and Segmentation by Jointly Modeling Texture,Layout, and Context

This paper details a new approach for learning a discriminative model of object classes, incorporating texture, layout, and context information efficiently. The learned model is used for automatic visual understanding and semantic segmentation of photographs. Our discriminative model exploits texture-layout filters, novel features based on textons, which jointly model patterns of texture and their spatial layout. Unary classification and feature selection is achieved using shared boosting to give an efficient classifier which can be applied to a large number of classes. Accurate image segmentation is achieved by incorporating the unary classifier in a conditional random field, which (i) captures the spatial interactions between class labels of neighboring pixels, and (ii) improves the segmentation of specific object instances. Efficient training of the model on large datasets is achieved by exploiting both random feature selection and piecewise training methods. High classification and segmentation accuracy is demonstrated on four varied databases: (i) the MSRC 21-class database containing photographs of real objects viewed under general lighting conditions, poses and viewpoints, (ii) the 7-class Corel subset and (iii) the 7-class Sowerby database used in He et al. (Proceeding of IEEE Conference on Computer Vision and Pattern Recognition, vol. 2, pp. 695–702, June 2004), and (iv) a set of video sequences of television shows. The proposed algorithm gives competitive and visually pleasing results for objects that are highly textured (grass, trees, etc.), highly structured (cars, faces, bicycles, airplanes, etc.), and even articulated (body, cow, etc.). J. Shotton is now working at Toshiba Corporate Research & Development Center, Kawasaki, Japan.     

基于显著先验的图像前景分割方法

为研究图像中物体的显著先验信息和外观信息对物体轮廓所造成的影响,提出一种图像前景分割方法。通过将频谱余量获得的显著概率先验与基于码书模型的外观先验结合,在一个概率框架下学习得到统一的图像前景概率分布。对于测试图像,通过基于频谱的显著性计算其不同位置处出现前景的概率,计算基于区域内外观模型为前景的概率,综合得到目标区域为前景的概率,该值超过一定阈值即可认为是前景。该方法仅需要较少量的学习,就能够得到一个近似于真值图像的分割结果。在图像分割标准库上进行测试,结果表明,该方法计算简单,速度快,图像分割效果较好。     

Multi-Class Learning by Smoothed Boosting

AdaBoost.OC has been shown to be an effective method in boosting “weak” binary classifiers for multi-class learning. It employs the Error-Correcting Output Code (ECOC) method to convert a multi-class learning problem into a set of binary classification problems, and applies the AdaBoost algorithm to solve them efficiently. One of the main drawbacks with the AdaBoost.OC algorithm is that it is sensitive to the noisy examples and tends to overfit training examples when they are noisy. In this paper, we propose a new boosting algorithm, named “MSmoothBoost”, which introduces a smoothing mechanism into the boosting procedure to explicitly address the overfitting problem with AdaBoost.OC. We proved the bounds for both the empirical training error and the marginal training error of the proposed boosting algorithm. Empirical studies with seven UCI datasets and one real-world application have indicated that the proposed boosting algorithm is more robust and effective than the AdaBoost.OC algorithm for multi-class learning. Editor: Nicolo Cesa-Bianchi     

基于圆形区域定位的肖像类唐卡图像头饰分割算法

针对肖像类唐卡图像头光区域呈圆形的特点,将圆检测算法应用到肖像类唐卡图像头光区域的定位中,并在此基础之上提出了一种自动分割头饰的算法。该算法首先利用圆检测算法定位出头光所在的大概位置;然后利用头光颜色的空间分布特征、头饰外轮廓以及边缘检测结果实现头饰分割。实验结果表明,该算法在肖像类唐卡图像头饰的分割中具有头饰定位准确的特点,并且主尊比例和头饰大小的变化不会影响分割效果。     

数字图像定位定偏系统研究

在定位或者测量中,经常需要对目标进行偏角测算。偏角测算的工具一般是使用寻北仪。然而寻北仪使用复杂,因此并不普通适用。提出一种数字图像处理的方法来测算偏角:为目标加上一个参考标靶,先采集目标的数字图像,再定位标靶,对标靶进行图像处理,最后确定偏角。该方法的优点是成本低廉,实验环境易于搭建,操作简单,角度测算比较准确;缺点是对于小角度的测算误差较大。     

基于多尺度分割的二维条码定位算法

为正确定位二维条码在图像中的位置,提出一种多尺度分割定位算法。在最初分割中,图像被分成若干分块。根据分块的黑白像素比、高频子带系数方差等特征值,将分块分割为条码和非条码区域。随着尺度的增加,利用多尺度分割模型对下一尺度的分割结果进行修正。以此类推,直至最精细尺度,得到条码在图像中的定位。实验结果表明该算法能较好地分割出图像的条码区域。特别在含有大量文字等复杂背景的情况下,该方法具有一定优势。     

一种基于数学形态学的车牌定位与分割方法

本文设计与实现了一种基于数学形态学的车牌定位与分割方法,关键步骤包括:灰度变换、边缘检测、数学形态学处理、基于行列投影的车牌定位、定位后的车牌图像二值化、基于垂直投影的字符分割等。通过在MATLAB上的仿真,验证了方法的有效性。实验结果表明,该方法复杂性低,速度快,适合实时应用。     

复杂背景下的车牌定位和字符分割研究

提出了一种综合边缘检测、投影特征的车牌定位方法和基于垂直投影及模板匹配的字符分割方法,提取车牌灰度图像边缘,实验结果显示该算法检测边缘的速度快,车牌区域轮廓清晰,采用投影法确定车牌区域,用HOUGH变换检测倾斜角度进而对倾斜的车牌进行矫正,通过字符分割算法对车牌字符进行切割,有效地解决了复杂环境的干扰、车牌尺寸变化等问题。对不同背景下的光照车牌进行了大量实验,结果表明该算法能准确地进行车牌定位以及字符分割,具有较好的鲁棒性。     

中文分词技术在搜索引擎中的应用

本文介绍了搜索引擎的关键技术——中文分词技术,对中文分词技术的概念、常用算法以及分词的难点进行了详细介绍,让读者对中文分词的现状有所了解。     

自然场景中多类目标识别的算法研究

为了实现复杂自然场景中多类目标的识别与分割,本文利用条件概率模型(CM)对目标特征进行建模,融合了纹理特征、纹理环境特征和位置特征,并采用场景类别对各类目标间的相互约束关系进行建模,在此基础上研究基于场景类别的条件概率模型(sCM)在多类目标识别与分割中的应用。本文选用Oliva&Torralba数据库对模型进行实验并与国外其他方法进行了比较。实验结果表明,该算法在多类目标识别与分割中取得很好的结果,在提高总体识别率的同时提高了物体边缘部分识别与分割的正确率,更有效地提高了视觉效果。     

一种基于分水线和先验知识的集成电路图像分割方法

在Watershed的分割图像基础上,使用贝叶斯理论的图像分割方法。首先对原始图像进行Watershed变换,然后在变换后的标注图像上进行能量的计算,通过选择最小能量的目标依次找出最理想的目标区域。设计一个先验密度来惩罚图像当中Watershed变换后相似的区域,图像分割进而变成对目标子集的最大后验估计。这样就可以逐步找出最理想目标区域和背景区域。实验结果证明,该方法有较好的分割结果。     

一种虹膜定位的新算法

针对虹膜外径边缘图像提取的困难,提出对增强了对比度的虹膜图像进行阈值分割之后用圆检测方法进行虹膜定位的简便而快速的算法.首先,根据虹膜图像的边缘图像用圆检测随机Hough变换方法提取瞳孔的圆心与半径;然后,对用直方图均衡化方法增强了对比度的虹膜图像进行阈值分割,提取分割后的图像的二值边缘图像;最后,利用已经提取的瞳孔的圆周参数等先验知识检测虹膜外径与圆心。实验结果表明,该算法提高了虹膜定位的速度,并且具有较好的健壮性与稳定性。     

相似度约束的交互式分割网络

交互式图像分割是像素级注释和图像编辑的重要工具. 现存方法大多采取两阶段预测, 首先预测一个粗糙的结果, 在第2个阶段细化之前预测的结果来得到更精确的预测, 为了使在硬件资源受限时, 网络模型仍可以使用, 基于此, 在两阶段共享同一个网络, 为了更好地将标记信息传播到未标记区域, 设计了一个相似度约束传播模块, 在训练时使用了一个简单的原型提取模块来使正点击向量高度内聚, 加速网络收敛, 在推理时移除. 在推理阶段通过使用意图感知模块来捕获细节, 使得预测性能进一步提升. 大量实验表明, 该方法在所有流行的基准测试上与最先进的方法最有可比性, 证明了其有效性.