一种图像分割算法的选择方法

提出了一种基于模糊联想神经网络图像分割算法的选择方法。通过树型小波变换提取图像特征,再用模糊联想分类神经网络将待分割图像划分为灰度图像或纹理图像,并根据分类结果确定分割算法。     

一种基于神经网络提取图像特征的图像检索方法

脉冲耦合神经网络是新一代的人工神经网络,具有优良的自适应图像分割和自适应图像特征提取能力。本文有机的运用自适应图像分割和自适应图像特征提取,提出了一种新的图像特征———空间自适应类直方图,它既包含了图像的空间位置特征,又包含了图像的灰度特征。最后,我们把空间自适应类直方图与传统的基于共生矩阵的图像纹理特征组合作为图像的特征应用于图像检索。大量实验表明本文方法的有效性。     

基于小波变换的墙地砖缺陷图像分割

目的改进原有的图像分割算法在分割图像时的精度和准确度，进一步准确地研究墙地砖缺陷图像的基本特征，提出一种有效的图像分割方法．方法根据墙地砖表面的纹理特点，采用Daubechies小波对原始图像进行处理．结果仅保留图像的近似信息，从而有效降低了纹理特征对缺陷分割的干扰．同时，图像数据量减少为原始图像的1／4．因此，在有效提取近似信息的基础上提高了系统的实时性，便于图像分割应用．该方法增强了缺陷纹理图像。能抑制背景纹理对缺陷纹理检测的干扰，并通过减运算有效地实现了缺陷纹理和背景纹理的分割．结论基于小波变换的墙地砖缺陷图像分割方法能够对随机纹理图像进行可靠、有效、快速的分割，尤其适用于具有随机纹理的墙地砖缺陷实时检测．     

基于模拟退火与遗传算法结合的神经网络图像分割

为解决运用Hopfield神经网络优化算法处理图像分割存在的收敛速度与局部最优的矛盾,采用模拟退火策略与遗传算法结合的优化方法来改进传统的优化算法,对迭代收敛后的Hopfield网络在局部范围内运用模拟退火遗传算法,以搜索阈值平面全局最优解,进行图像分割。实验证明,采用此方法可以得到较好的分割效果。     

一种基于内容的文档图像检索方法

使用一个图像作为查询检索输入,根据该图像的版面分析特征、统计特征、纹理特征与数据库中图像的相似程度检索图像.该检索方法首先利用数学形态学对文档图像进行段落分割和行分割,作为文档图像的版面结构特征;然后根据图像的统计特征包括字符数、统计数特征、纹理特征给出文档图像抽取算法;最后给出检索算法模型.实验结果表明,本算法具有较好的查准率和查全率,在基于内容的文档图像检索中具有应用价值.     

基于减法聚类和K均值聚类的彩色图像分割算法

传统图像分割方法大都存在分割速度低下、过度分割等缺点.针对上述问题,提出一种新的彩色图像区域分割算法.这种方法首先将图像转化至L＊a＊b＊空间,并划分为子块,抽取图像子块的颜色、纹理和位置特征组成子块的特征向量,然后运用减法聚类,获得聚类簇数和初始蔟中心,最后利用改进的K均值算法在像素点特征空间进行聚类,进而分割图像成区域.实验结果表明这种新方法具有分割效率高、分割效果理想等优点.     

基于LBP驱动的区域围道纹理分割模型

纹理分割是图像处理的难点之一。针对此问题,提出了一种基于局部二进制模式(localbinary pattern,LBP)驱动的区域围道分割模型。该模型首先将均匀模式的思想用于LBP/C算子,使纹理模式的数量减少了77%,明显降低了提取纹理特征所需的时间;其次对无边缘活动围道模型进行了改进,使其能用纹理特征来演化曲线或曲面分割纹理图像;然后用多级分层的策略对提出的模型进行了延拓,可用于分割多类目标的图像,避免了多相位模型初始围道难以选择的问题,提高了模型收敛的速度;最后运用AOS(additive operator splitting)算法以改善模型求解的效率,进一步提高了图像分割的速度。对合成纹理图像和遥感图像的实验结果说明,提出的分割方法具有分割速度快、精度高的优点。     

基于塔形小波和特征加权的墙地砖纹理图像分割方法

目的基于小波变换的图像分割方法对随机纹理图像进行分割.方法通过墙地砖表面的原始纹理特征,改进原有的图像分割算法,对原始纹理图像进行高阶小波分解.结果图像整体中的背景纹理边缘被有效去除,降低了图像纹理带来的干扰,在有效提取近似信息的基础上提高了系统的实时性.结论根据墙地砖的纹理特征,采用基于塔形小波的改进分割方法,对墙地砖的原始图像进行处理,提高了边缘准确性和区域性,降低了分割错误率.     

用遗传-神经网络方法进行图像分割的研究

目标图像因其背景复杂、照度不均而难以通过常规分割方法得到有效分割，本文使用一种遗传-神经网络算法来分割图像，即对神经元网络引入遗传算法进行训练，并且采用了自适应的遗传参数，提出了分两个级别加以训练．实验表明，该算法可以正确分割图像，能够大幅度提高分割效率，有效提高图像分割的鲁棒性和精度，对具有不同目标大小和信噪比的图像也能得到较好的分割效果．     

无须反复初始化的活动围道纹理分割方法

针对纹理图像分割问题,提出了一种无须反复初始化的快速活动围道纹理分割模型．与现有的基于几何活动围道的纹理分割技术相比,该分割模型具有三个优点:一是使用图像的灰度信息和纹理信息来驱动活动围道进行图像分割,因而,不仅适用于分割纹理图像,而且适用于分割非纹理图像;二是使用局部二进制模式来提取纹理特征,计算复杂度小;三是模型求解时,增加了约束项不需要对符号距离函数进行反复初始化,因此可采用大的时间步长,迭代步数明显减少,从而提高了活动围道的收敛速度．对自然界真实图像和合成纹理图像的分割试验结果说明,无须反复初始化的活动围道纹理分割方法精度高、速度快．     

双目移动机器人立体匹配算法

提出一种基于图像分割和可信点的双目移动机器人立体匹配算法,首先采用纹理检验分割算法对双目移动机器人获得的左右图像进行分割,确定低纹理和纹理相似区域;然后通过SIFT特征匹配点得到可信点视差;其次采用SAD区域匹配加速算法得到初始视差;最后依据SIFT特征匹配点的分布、初始视差和最小距离分类器对图像分割块进行视差处理,同时对于较小的图像分割块进行BLOB滤波处理来获取较高精度的视差图.实验结果表明,本算法能有效解决双目移动机器人周边环境中的低纹理和纹理相似视差精度差的问题,可快速准确识别障碍.     

EM算法在纹理织物图像分割中的应用

提出了一种基于多特征值高斯混合模型（Gaussian Mixture Model）期望最大化（Expectation Maximization,EM）聚类的图像分割算法.该算法采用YCbCr彩色空间提取每个像素点的颜色特征,选择像素点邻近的一个方块计算每个像素点的纹理特征,然后采用基于高斯混合模型的EM算法对图像每个像素进行聚类,根据聚类结果进行区域合并得到纹理织物图像分割的最终结果.通过和其他分割算法进行对比,此算法具有较好的分割效果.     

基于羽毛图像纹理分割的毛杆提取方法

为了有效地从羽毛图像中提取毛杆,在对比各种分割方法的基础上,提出基于小波纹理分割方法．考虑羽毛的特点,为去噪和加深纹理特征,对图像进行恢复和增强．经过二层小波分解后提取各细节子图的特征,形成特征向量,并由聚类法进行分类分割．实验结果表明,该方法能较好地提取毛杆．     

盐渍土自动分类方法研究

盐渍土在Landsat ETM＋多光谱图像上表现出复杂的图像特征,为实现其自动分类,组合使用了光谱、几何形状和纹理特征等多种特征.首先采用传统的光谱和几何形状特征分析分割出大部分非盐渍土地物,然后提出了一种用于多光谱纹理分析的ICA多尺度纹理算子,对分割后的图像进行纹理区域分块,最后在每块区域中进行基于光谱特征的盐渍土聚类.试验结果表明该方法能够实现多光谱图像中盐渍土的区域分割及类别划分.     

基于SVM的SAR图像分割方法

先去噪再分割的SAR图像分割方法会损失有用的纹理信息,因此本文给出了一种直接对含噪SAR图像进行分割的方法.首先利用小波变换提取SAR图像的纹理特征,计算图像的灰度均值作为图像的灰度特征,然后用完全无监督的聚类算法进行分类,最后将特征值与类别标记作为支持向量机的训练样本,用训练后的分类器对图像进行分割.实验结果表明:本文所给出的方法在分割的准确性和抗噪性方面都优于几种有代表性的分割方法.     

基于小波框架分解和模糊软聚类的纹理图像分割方法

提出了一种新的纹理图像分割方法．该方法利用小波框架分解提取纹理图像的特征参量,利用模糊软聚类方法在特征空间中进行纹理边界的粗划分,然后应用细化算法确定纹理边界区域的精确边界．文末给出了算法的一个典型实验．     

新型的无监督纹理分割方法

提出了一种利用Gabor滤波器组对图像进行纹理特征提取,然后将这些特征向量作为外部刺激输入给PCNN对图像进行分割的新方法。该方法既保持了精确的分割结果,同时又解决了Gabor滤波器运算数据量大处理速度慢的问题。从实验结果可以看出,该方法与传统采用Gabor的纹理分割方法相比速度有很大的提高,而其分割精度与传统分割方法相似。