基于分形特征的磨粒图像分割

磨粒图像分割是磨粒图像分析的关键一步,分割结果的准确性将直接影响磨粒的最终识别和分类。分形理论在表征磨粒的轮廓特征和表面特征方面得到了广泛应用。结合磨粒图像的分形特征和自组织特征映射神经网络,提出基于分形特征的磨粒图像分割方法。首先,计算磨粒图像的分形维数,多重分形维数,结合图像的灰度信息,共得到图像的8个特征;然后,利用自组织特征映射神经网络的自组织、自学习特性,实现磨粒图像的分割。磨粒图像分割的结果表明,该算法是可行的、有效的。     

基于自组织特征映射神经网络的医学图像分割技术

采用一维自组织特征映射神经网络对医学图像进行聚类分析,实现对不同组织的自动分割.避免了直接使用灰度门限分割方法由于门限值选择不当所导致的分割结果有失准确性的缺点.试验结果表明,利用该方法能够较好地保证分割结果的准确性和完整性.     

基于MAR模型的SAR图像的聚类分割

合成孔径雷达（SAR）图像中的斑点噪声是SAR图像处理困难的主要原因,如何抑制斑点噪声及图像处理一直是SAR图像研究的热点。根据SAR图像的成像机理,采用能够描述不同尺度（分辨率）下固有特性的多尺度自回归（MAR）模型,提出一种有效的多尺度抑制斑点噪声和分割方法。首先对SAR图像多分辨率序列建立MAR模型,然后依据模型对SAR图像抑制斑点噪声,重构,最后用Ward聚类分割方法对SAR图像进行分割、比较。     

基于自组特征映射神经网络的虹膜识别算法研究

虹膜识别是一种非侵犯性的身份鉴别技术。本文讨论了虹膜图像定位、归一化和增强等预处理方法,并提出了一种基于神经元网络的虹膜图像识别算法,它是对提取的归一化矩形虹膜纹理数据用训练的自组织特征映射(SOM)神经网络进行虹膜模式识别。实验表明,该方法识别正确率高,效果良好。     

基于MRF场的SAR图像分割方法

提出了一种基于MRF（Markov Random field)模型的SAR（Synthetic Aperture Radar)图像分割算法,本算法利用ICM（（Iterative Conditional Mode)局部 优化方法,获得MAP（maximum a posteriori)准则下的图像分割结果。并引入了剔除外层数据的机制,用MSTAR（Moving and Stationary Target Acquisition and Recognition)数据进行实验,结果表明,算法能有效减少斑点噪声的影响将图像分割为目标,阴影,背景三部分,实验结果是令人满意的。     

基于小波变换的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声，传统方法不能很好地对SAR图像进行分割，该文结合SAR图像和小波变换多分辨分析的特点，提出了一种新的SAR图像分割方法。首先利用小波变换提取SAR图像的纹理特征信息，然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波，最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果表明，该方法是一种有效的SAR图像分割方法。     

MSTAR图像的矩特征分析与多阈值分割

图像分割是SAR图像自动目标识别应用中的基础性问题。定义并分析了MSTAR图像的矩特征,进而构造了多阈值处理策略,用于MSTAR图像的分割。首先研究了目标、阴影,以及背景区域统计特性,并确定了相应的数学模型描述,在此基础上给出了矩特征的定义,并分析了其基本特性。通过由图像空间到矩特征空间的转换,显著增强了目标区域与阴影、背景区域的差异性,因此通过构造不同的阈值化规则,实现了MSTAR图像中目标、阴影和背景区域的分割。对MSTAR图像的处理结果表明,与恒虚警率（CFAR）、最大类间方差（OTSU）、模糊C均值（FCM）和马尔可夫随机场（MRF）等典型分割算法相比,本文方法不需进行噪声抑制,但在分割效果和鲁棒性等方面性能更好,同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性。     

一种自动抽取图像中可判别区域的新方法

图像分割是图像处理中的一个难题，为了自动抽取图像中的可差别区域，提出了一种基于自组织图归约算法的区域抽取新方法，首先，利用包括颜色、纹理以及位置在内的多模特征抽算法，原始图像被转换成特征，接着，通过自组织映射学习算法，特征图映射成自组织图，然后，对自组织图实施归纳算法得到一族约简的自组织图谱系；最后，利用一个 综合的聚类有效性分析指标从约简的自组织图谱系中得到一个最优约简的自组织图，以此实现图像区域的分割，新方法的有效性通过两个评价实验得到了验证。     

改进自组织映射神经网络在指纹识别中的应用

改进自组织映射神经网络方法是将常规自组织映射神经网络方法结合确定性水平,对网络的输入矢量进行预处理。通过实验比较了这种改进的自组织映射神经网络识别方法与常规的自组织映射神经网络识别方法的识别效果,在识别性能上有了很大的提高。     

基于自组织神经网络的彩色图像自适应聚类分割

针对一般聚类分割算法对于色彩丰富、背景复杂的图像容易造成聚类重叠，引起像素错误分类的缺点，提出一种新的基于自组织特征映射神经网络的彩色图像分割方法．首先利用各像素的RGB值作为输入样本对网络进行训练，然后根据竞争层特征映射点的密度分布图，利用自组织映射分析的方法，确定图像颜色的聚类数和聚类中心，最后利用距离竞争取胜的原则处理每个像素，从而实现彩色图像的区域分割．通过实例验证，该方法能够较好地完成彩色图像的自适应聚类分割，处理效果良好．