多聚焦图像灰度重叠特征自适应识别仿真

传统方法对多聚焦图像进行预处理,由于图像灰度重叠区域合并使原图像细节信息损失,导致多聚焦图像灰度重叠区域识别效果不理想,为此提出基于Mean-shift算法和OTSU阈值分割算法的多聚焦图像灰度重叠特征自适应识别方法。使用Mean-shift算法对多聚焦图像进行平滑处理,对平滑处理过后的多聚焦图像进行小波变换,将图像的灰度重叠区域灰度值增强;再使用阈值分割将经过灰度增强的重叠区域分类;通过OTSU算法识别出灰度重叠特征区域。实验结果表明,提出方法在图像灰度重叠区域的识别效果上较为突出,并且能够有效保留灰度重叠区域的细节信息。     

基于分裂合并算法的道路标线分割方法研究

针对现有的道路标线分割方法在阴影、光照、裂缝等干扰下存在分割精度不足的问题,提出了基于分裂合并算法的道路标线分割方法.该方法通过分析道路标线图像的灰度、边缘、纹理特征,首先采用Bresenham算法进行道路标线有无判定,并根据道路标线边缘实现路面检测图像标线区域和非标线区域的分裂,然后采用基于重心连线灰度值的区域合并和基于灰度与直线边缘特征的区域合并两种方法进行道路标线区域合并,最终完成道路标线的准确分割.实验表明,该方法分割精度较高,具有良好的抗噪性能,能够很好地满足道路检测车采集图像实时处理的需求.     

未知环境中机器人可行区域的认知研究

针对未知环境中无人车对可行区域的认知,提出了一种结合分水岭算法、边缘提取、区域合并等思想的图像分割方法.利用图像的灰度信息进行分水岭变化后,将图像过分割成多个小区域;再根据边缘信息所在位置对这些小区域进行初步区域合并.最后利用区域邻接图和图像的色调、亮度、灰度等信息描述剩余区域间的关系,将2个相邻区域的色调和灰度差值关系作为权值函数,根据亮度信息寻找阈值.实验结果表明:该方法有效提高了区域合并的准确性,成功分割出可行区域,为无人车的自主行驶提供了有力的保障.     

区域分割或连通分量标记分裂-合并法的一种实现

基于图像块的分裂—合并法是一种高效的区域分割算法 ,提出了该算法的一种实现方案 ,重点讨论了灰度均匀性度量、灰度相似性度量、块合并的种子算法、小区域的处理等问题 .对比试验表明该方法效率高 ,效果好     

结合巴氏系数和灰度共生矩阵的遥感影像分割

针对遥感影像纹理信息丰富的特点,以及传统分水岭变换用于遥感影像分割容易出现过分割的问题,提出了一种基于巴氏系数和灰度共生矩阵的区域合并方法改进分水岭算法的分割结果。首先,利用数学形态学的方法提取原始影像的梯度图像,并且从梯度图像中获取标记;其次,在标记的梯度图像上进行分水岭变换,得到初始分割图像;最后,利用所提出的结合巴氏系数和灰度共生矩阵的区域合并方法对过分割区域进行合并,得到最终分割结果。实验结果表明,该算法既能得到连通,封闭的分割轮廓,还能有效解决分水岭分割算法的过分割问题,得到了较为准确的分割结果。     

基于分水岭算法的医学图像分割

本文采用分水岭算法对医学图像进行分割,针对医学图像的特点以及该算法存在的过分割问题,首先将原图像转换为形态梯度图像,并对形态梯度图像定义一组形态开闭滤波器进行处理,以获得较好的参考图像;然后采用基于连接像素的分水岭算法进行分割。为了获得整体目标,还定义了一个基于分割区域边界平均灰度及其面积的检验准则,并将其作为区域合并的根据。该方法应用于医学图像分割的结果表明,形态滤波器组的引入很好地防止了过分割,基于分割区域边界平均灰度及其面积的准则对分割区域进行合并是行之有效的。     

基于区域合并的灰度图像目标分离

针对背景模糊的灰度图像中目标物体往往难以分离出来的问题,文章采用基于区域生长的形态学分水岭算法获得模糊图像中的物体边界,然后针对分水岭变换后所获得的子区域的灰度值参数及所处位置特性,将每个子区域类比成3D地图表面的一块平原,采用类似山地斜坡平滑的思想将子区域逐渐合并,最终将目标从灰度图像中分离出来。实验表明该算法能准确的将较为模糊的灰度图像中的目标和背景分离。     

基于改进分水岭及区域合并的图像分割方法

改进了基于地形学距离的分水岭算法,提出了一种结合了图像灰度、边缘信息与信息熵的图像分割方法。首先利用改进的分水岭算法将图像分成多个小区域,根据各个区域之间的临接关系,建立RAG;其次,利用提出的区域相似度合并区域;最后根据最大熵准则停止合并过程,获取最终的分割结果。实验结果表明,与改进前的分水岭算法相比,该方法边缘定位更加准确。与k-mean和基于边缘的分割方法相比,能够较好地分割出图像的细节,同时分割结果也更加符合人的视觉特性。     

基于数学形态学和区域合并的医学CT图像分割*

针对传统分水岭算法分割腹部CT图像存在的过分割情况,提出了一种基于形态学优化和区域合并的分水岭分割算法。该方法先利用多尺度数学形态学方法检测出梯度图像,并用形态学重构去除细密纹理和噪声引起的局部极值,然后进行分水岭变换。为了产生有意义的分割,采用简单的区域灰度均值对变换后的图像进行有效的合并。实验结果表明,该方法能有效解决分水岭算法的过分割问题,得到较好的分割效果。     

基于连通区域的仿射不变区域提取方法?

针对现有仿射不变特征提取方法存在计算量大、鲁棒性差的问题,提出一种基于连通区域的仿射不变区域提取方法。对输入的灰度图像进行各向异性高斯滤波,并对滤波后的图像进行灰度直方图均衡化。找到图像中灰度值相同点所组成的连通区域,将灰度值差小于delta的相邻连通区域进行合并,把满足条件的最后一次合并结果作为图像的局部仿射不变区域。实验证明,该方法提取效果好、速度快且鲁棒性强。     

Cauchy-Schwarz散度在图像分割中的应用

基于Cauchy-Schwarz散度,提出了一种新的主动轮廓线图像分割模型。该模型能量泛函有两部分组成：几何正则项和数据拟合项。其中,数据拟合项通过图像灰度的概率密度函数之间的Cauchy-Schwarz散度来加以构造,并且对概率密度函数进行了非参数估计。为了快速获得新模型的全局最优解,采用了模型的凸化及Split-Bregman快速迭代技术。通过一些图像的分割实验,验证了该模型可取得令人满意的分割效果且具有较快的收敛速度。     

A new level set method for inhomogeneous image segmentation

Intensity inhomogeneity often appears in medical images, such as X-ray tomography and magnetic resonance (MR) images, due to technical limitations or artifacts introduced by the object being imaged. It is difficult to segment such images by traditional level set based segmentation models. In this paper, we propose a new level set method integrating local and global intensity information adaptively to segment inhomogeneous images. The local image information is associated with the intensity difference between the average of local intensity distribution and the original image, which can significantly increase the contrast between foreground and background. Thus, the images with intensity inhomogeneity can be efficiently segmented. What is more, to avoid the re-initialization of the level set function and shorten the computational time, a simple and fast level set evolution formulation is used in the numerical implementation. Experimental results on synthetic images as well as real medical images are shown in the paper to demonstrate the efficiency and robustness of the proposed method.     

Image registration by local histogram matching

We previously presented an image registration method, referred to hierarchical attribute matching mechanism for elastic registration (HAMMER), which demonstrated relatively high accuracy in inter-subject registration of MR brain images. However, the HAMMER algorithm requires the pre-segmentation of brain tissues, since the attribute vectors used to hierarchically match the corresponding pairs of points are defined from the segmented image. In many applications, the segmentation of tissues might be difficult, unreliable or even impossible to complete, which potentially limits the use of the HAMMER algorithm in more generalized applications. To overcome this limitation, we have used local spatial intensity histograms to design a new type of attribute vector for each point in an intensity image. The histogram-based attribute vector is rotationally invariant, and importantly it also captures spatial information by integrating a number of local intensity histograms from multi-resolution images of original intensity image. The new attribute vectors are able to determine the corresponding points across individual images. Therefore, by hierarchically matching new attribute vectors, the proposed method can perform as successfully as the previous HAMMER algorithm did in registering MR brain images, while providing more generalized applications in registering images of various organs. Experimental results show good performance of the proposed method in registering MR brain images, DTI brain images, CT pelvis images, and MR mouse images.     

基于射影不变量的三维重构

文中提出了利用射影不变量来求解基于图像对三维深度恢复问题。方法的基本思想是对于立体图像,利用密度段元素,引入了两个射影不变量来恢复密度段的深度信息。从这两个不变量,能推导立体图像中匹配的密度段对所满足的关系。利用这个关系,实现了密度段之间的匹配运算。这个方法能直接地从输入图像中得到密集和准确的深度,对变形的图像具有鲁棒性。     

纹理图象亮度阈值法提取SAR图象居民地

由于微波辐射的复杂特性，从合成孔径雷达图象上提取类似于居民地复杂结构的目标物的研究仍处于探索中．通过研究居民地对合成孔径雷达(SAR)的微波散射特性，分析居民地在SAR图象上的纹理特征，综合利用纹理分析、模式识别和颜色空间变换技术，提出了一种新的提取雷达图象上居民地的方法．该方法在共生矩阵纹理分析的基础上，选取3个合适的特征分量合成彩色纹理特征图象，再通过HIS变换获得亮度分量，使用亮度阈值分割图象来提取出居民地．此方法的特点是，其受雷达系统影响较小，适应性较强，以二值图象的形式记录居民地的提取结果．试验表明，利用此方法在SAR图象上提取居民地具有70％以上的正确识别率．     

Lightness Recovery for Pictorial Surfaces

An important technique in cultural heritage preservation is multispectral acquisition, where one recovers a detailed spectral record of a painting using carefully calibrated lighting. This is difficult to do with frescoes, because it is hard to recover the spatial variation in light intensity that results from factors like the imaging setup and the curvature of the fresco. We introduce a new formulation of the lightness problem applied to images of pictorial artworks. The problem is different from the conventional lightness problem, because artists often paint the effects of light, so the albedo field contains a component that mimics an illumination field. Our method distinguishes between physical illumination and painted shading through spatial frequency effects and dynamic range considerations. We evaluate our method using multispectral images of paintings, where the physical illumination field is known. Our method produces estimates of the illumination intensity field that compare very well with the known ground truth, and outperforms other state-of-the art lightness recovery algorithms. For frescoes, ground truth is not available, but we show that our method produces consistent results, in the sense that the illumination functions estimated on the image and on (some of) its subimages are very similar on the overlap. We show our method produces qualitatively good color corrections for images of frescoes found on the web.     

一种面向医学图像非刚性配准的多维特征度量方法

医学图像的非刚性配准对于临床的精确诊疗具有重要意义.待配准图像对中目标的大形变和灰度分布呈各向异性给非刚性配准带来困难.本文针对这个问题,提出基于多维特征的联合Renyi α-entropy度量结合全局和局部特征的非刚性配准算法.首先,采用最小距离树构造联合Renyi α-entropy,建立多维特征度量新方法.然后,演绎出新度量准则相对于形变模型参数的梯度解析表达式,采用随机梯度下降法进行参数寻优.最终,将图像的Canny特征和梯度方向特征融入新度量中,实现全局和局部特征相结合的非刚性配准.通过在36对宫颈磁共振（Magnetic resonance,MR）图像上的实验,该方法的配准精度相比较于传统互信息法和互相关系数法有明显提高.这也表明,这种度量新方法能克服因图像局部灰度分布不一致造成的影响,一定程度地减少误匹配,为临床的精确诊疗提供科学依据.     

用强度系列成象法获取或显示高动态范围图象

提出一种适合于高动态范围图象的获取和显示的强度系列成象法。改变输入图象的强度，微机控制的图象采集系统进行记录得到一组磁盘文件，形成强度图象系列。基于记录的系列图象，可以进行信息提取、变换和显示等操作。基于获得的图象系列，提出一种剪贴操作进行快速的非线性图象变换。给出对光学功率谱处理的一个实例，它相当于进行锯齿形的非线性变换。     

基于共生矩阵分析的自适应神经网络图像复原算法

为了保护图像中的细节信息，提出了一种基于共生矩阵聚类分析的自适应Hopfield神经网络图像复原算法．通过计算图像局部区域的共生矩阵提取其纹理特征，对共生矩阵非零元素进行聚类分析．根据聚类数量和各聚类之间的距离，提出了图像局部区域细节强度的定义及其计算方法．细节强度在准确地区分图像的平坦区域和细节区域基础上，通过非线性函数自适应地调整Hopfield网络的权系数矩阵，以使权系数适合图像的纹理特征，而且权系数的生成过程符合人的视觉特性．图像复原的迭代求解过程和神经网络权系数矩阵的更新过程交替进行．该算法能够在图像的平坦区域有效地抑制噪声，在包含细节的区域突出细节．对比实验结果显示，该算法获得的复原图像的信噪比明显提高，视觉效果明显改善．     

Integration of panchromatic and SAR features into multispectral SPOT images using the ‘à trous’ wavelet decomposition

A method is described for integrating panchromatic (P) and synthetic aperture radar (SAR) features into multispectral (XS) images using conjointly the modified Brovey transform (MBT) and the ‘à trous’ wavelet decomposition (ATDW). The MBT is based on the local modulation of each multispectral image by the ratio of the new and initial intensity components to produce new multispectral images directly. The ATWD allows extraction of features from P and SAR images, which are combined through a feature selection rule to integrate into the initial intensity component. For evaluating the effect of each feature selection on new XS images, experimental results are conducted on SPOT (XS, P) and Radarsat (SAR) images using both visual inspection and many refined statistical measures.