一种适用于特定票据字符识别的分割技术

提出了一种针对特定票体———火车票的字符识别进行去噪、分割的方法 .由于火车票受外界干扰较严重 ,传统的处理方式不能进行有效的分割 .实验系统首先将火车票进行色彩空间转换 ,然后经去噪、二值化、行分割、字分割和改进了的基于外框尺寸的归一化方法 ,以达到识别要求 ,取得了较好的效果 .     

在小波域进行图像的最大熵分割的一种方法

最大熵分割是一种数字图像阈值分割方法，它以有关的信息理论为基础．本文提出一种新的应用于小波域的最大熵分割方法．这种方法借助“零树编码”的思想，首先在小波变换的低频域进行最大熵分割操作，然后依据这个最大熵分割的结果，我们就能获得原始图像的最终分割结果．实验结果证明该方法与传统的图像最大熵分割方法相比。有远箅速度快、抗噪能力强的优点．     

基于直方图的模糊最大指数熵图像分割方法

针对最大熵阈值分割算法的计算缺陷，提出了一种基于直方图的模糊最大指数熵阈值图像分割新算法．该算法把模糊性指数、模糊熵概念应用到图像分割中，结合基于灰度图像直方图的模糊最大熵阈值图像分割理论，给出了模糊最大熵的新定义，同时引入了指数熵的概念．该算法能较好地完成图像分割，较传统分割算法具有更强的抗噪能力，为后续的图像处理提供了良好的基础．通过对真实目标灰度图像的分割和对比实验，表明本文新算法分割准确，性能优越。     

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.     

基于小波变换的静音与语音分割新算法

含噪语音信号的静音与语音分割，即端点检测问题是语音识别至关重要 的一步，为了提高语音分割对环境的适应性，提出了一种利用小波变换分割含噪语音信号中静音与语音的新算法，该算法首先将语音信号进行小波变换，利用小波系数去噪，然后选择小波部分子带跟踪信号的能量变化以分割语音与静音，仿真实验表明该算法在低信噪比条件下也能够有效分割语音。     

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．     

一种基于Gaussian-Hermite矩的SAR图像分割方法

图像分割在SAR图像处理中具有很重要的意义。文中提出了一种基于Gaussian-Hermite矩的SAR图像分割方法。该方法针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来。实验部分同时采用了仿真数据和实测SAR数据,通过与小波能量等4种方法的分割结果进行比较,显示出了该方法的有效性。     

基于标记盒的指纹分割

为增强指纹图像分割的效果，首先，基于方向一致性、局部灰度均值和灰度方差指标，提出了像素空间分布并进行了分析；然后，给出了使用标记盒来建立模型和进行指纹图像分割的算法步骤；最后，为了评估该方法的性能，分别使用线性分割器和二次曲面分割器的方法进行了对比实验．实验结果表明新方法提供了更精确的分割结果，仅有0．80％的像素分割错误，而二次曲面分割法的错误率为0．97％．     

基于遗传算法的三维重构图像阈值分割

图像阈值分割是三维重构中图像处理的一个重要内容最佳熵阈值的图像分割具有很多优点，但同时也需要大量的运算时间，从而限制了其实际应用．将遗传算法应用于最佳熵阈值的确定中，提出一种新的图像阈值分割方法，以灰度图像的直方图熵作为评价标准，把图像阈值分割问题定义为一个优化问题．利用遗传算法寻优的高效性，搜索到能使分割质量达到最优的分割参数——图像分割阈值．实验结果表明，采用遗传算法不仅可以实现正确的图像分割．而且使得分割速度大大提高．     

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．