基于三角级数的直方图拟合多目标图像分割

针对灰度图像多层分割如何选取多目标图像分割的准确阈值这一难点问题,提出了一种利用三角级数来对直方图包络线进行拟合,首先把直方图包络线逼近问题转化为求解三角级数的问题,再通过计算拟合函数的拐点来得到用于多目标图像分割的最优阈值的方法。实验结果表明,该方法是求解多峰值直方图图像的最优分割阈值的有效手段。     

应用谱直方图和EM的纹理图像分割算法

提出了一种基于谱直方图和EM的纹理图像分割算法。为了获得图像的纹理特征,首先对原始图像进行滤波,然后利用谱直方图的思想和方法,把每个图像子块用独立的谱直方图来进行表示,该直方图在图像的表示上具有很好的本质扩展性。其次采用?字2作为距离度量函数对谱直方图进行计算得到特征值。为了得到初始分割结果,通过EM（期望最大化）对特征值矩阵进行分类,得到有效的初始分割结果。最后使用形态学方法对边界进行定位,从而实现图像的由粗到细的分割。实验结果证明：该算法用于纹理图像分割能获得很好的效果。     

投影分解方法应用于Canny算法的阈值选取

应用投影分解自适应选择Canny算法的阈值。经过高斯平滑的细胞图像，其梯度直方图呈现多峰特性，而包络呈现双峰特性，为了提取这两个峰，我们应用投影分解将梯度直方图分解为一组高斯分布函数，从而寻找梯度直方图包络中的谷点作为Canny算法的高门限。实验结果表明，新算法较好地解决了传统算法带来的噪声过大或者有用边缘丢失的问题，边缘检测效果得到了改善。     

基于Markov随机场的运动目标快速分割

提出了一种基于MRF模型自适应运动目标图像分割方法，该法采用高斯混合模型描述视频序列的差分图像，用模拟退火快速EM算法对高斯分布的参数进行估计，在此基础上建立MRF模型，利用此模型构建能量函数，ICM算法把图像用一个能量函数取到最小值的组态来表示。     

一种改进的JSD距离的空间直方图相似度度量及目标跟踪

空间直方图是直方图的一种推广, 它能更精确地描述图像(或目标), 被应用到目标跟踪和图像检索等多个领域, 选择一种合适的度量两个空间直方图之间相似性的方法至关重要. 本文提出一种基于改进Jensen-Shannon divergence (JSD) 距离的空间直方图相似性度量, 将空间直方图中每个区间所对应像素的颜色特征和空间特征的联合分布看作一个带权重的高斯分布, 然后计算两个空间直方图对应区间之间的相似度, 即计算两个带权重的高斯分布之间的改进的JSD距离. 本文在计算JSD距离时充分利用高斯分布的权重, 从而提高了度量方法的区分能力. 理论和实验证明了本文提出的相似性度量的区分能力优于Ulges的度量方法, 视频跟踪结果也更稳定、更精确.     

基于广义高斯噪声分布模型的迭代正则化图像复原

讨论了广义高斯分布加性噪声模型，从对图像的最大似然估计出发，结合正则化的复原方法，提出了具有lp范数数据逼近项的正则化目标泛函，同时给出了自适应的正则化参数选择方法。对目标泛函使用迭代的方法求解，分析了迭代式的收敛性。目标泛函中正则化参数的选择和图像复原的迭代运算同步进行并自动优化。实验结果表明，对于加有广义高斯分布噪声的并被高斯型点扩展函数模糊的图像，该方法可明显改善图像复原的效果，尤其当广义高斯分布的形状参数p≤1时复原效果更好。     

一种无须预指定分割区域数的自适应多阈值图像分割方法

为解决多阈值图像分割中分割区域数较难确定的问题,提出一种基于可逆跳跃马尔可夫链蒙特卡罗(RJMCMC)的自适应多阈值图像分割方法.基于图像直方图的多阈值分割的本质是寻找直方图各峰间的谷底,但其个数较难确定且各局部峰并非都是高斯分布.因此文中用更具普适性的混合α稳定分布拟合直方图,建立包含局部峰个数及各分布元参数的分层贝叶斯概率模型.采用RJMCMC后验概率推理自适应确定混合α稳定分布的分布元个数及各自参数,从而获得分割区域数和多阈值参数.针对单晶炉拉晶图像、人脑核磁共振图像及国际标准测试图进行测试,结果表明该方法准确地建立图像分割模型,得到满意的多阈值分割结果.     

结合广义重心坐标与Voronoi 剖分的函数分片逼近

结合广义重心坐标理论,提出了一个新方法,以解决在平面区域上的函数逼近问题。 该方法通过构建基于广义重心坐标的最优分片函数来逼近目标函数。采用Voronoi 图来划分区域, 并提出一个度量逼近误差的能量函数。推导出该函数的导数后,采用一种高效的Voronoi 节点更 新方法来获得区域的最优剖分,并通过最优剖分构建最优分片函数。由于该方法对不连续函数具 有良好地逼近能力,因此将其应用在图像逼近问题中。分别在解析函数和彩色图像上对该方法进 行实验,均获得了很好的逼近效果。     

基于直方图重构的极大交叉熵图像分割方法

针对图像分割阈值选择问题,提出用动态参数将原始图像直方图分成两部分,构造两个新的相关直方图,分别对应于同原始图像等尺寸的虚拟图像,其中等概率像素是原始图像的相似像素。聚集计算两个构造直方图概率分布的交叉熵,分析其函数曲线极大值的峰谷关系,实现图像最佳多阈值分割。实验结果表明该方法的有效性。     

基于EM算法的高斯混合模型参数估计

讨论在一般的混合分布条件下,用EM算法,在最小熵原理的优化准则下的数据拟合问题。简单推导有限混合高斯分布的EM算法,并针对其收敛速度慢的缺点设计一种有效的选取参数初始值的方法。实验结果表明,该方法有助于EM算法以较快的速度在参数真值附近收敛。     

基于RBF 神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF 神经网络相结合的 图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通 过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图 像进行增强。采用RBF 神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图 像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强, 应用范围广,有较强的自适应性。     

一种采用改进细菌觅食优化算法的图像增强方法

为了解决现有图像增强技术在细节处理方面的不足以及变换后图像直方图分布偏移的情况,提出一种采用改进细菌觅食优化算法的灰度图像增强方法。针对细菌觅食算法在优化高维函数时性能不佳、易陷入早熟收敛的缺陷,将变高维的灰度图像增强问题转化为固定2维的非完全Beta函数的参数最优化问题。仿真实验结果表明了所提出方法的有效性,与其他方法相比,增强后的图像细节表现更自然,直方图分布更均匀,明暗区域分配更合理。     

Segmentation of SAR images

This paper presents a new algorithm for segmentation of SAR images based on threshold estimation using the histogram. The speckle distribution in the SAR image is modeled by a Gamma function. Thus, the SAR image histogram exhibits a combination of Gamma distributions. The maximum likelihood technique is therefore used to estimate the histogram parameters. This technique requires knowledge of the number of modes of the histogram, the number of looks of the SAR image, and the initial parameters of the histogram. The second derivative of the histogram is used to estimate the number of modes. We use two methods to estimate the number of looks. Initial parameters are estimated at the maximum of the Gamma function. Thresholds are selected at the valleys of a multi-modal histogram by minimizing the discrimination error between the classes of pixels in the image. The algorithm is applied to several RADARSAT SAR images with different number of looks. The results obtained are promising.     

基于CNN与直方图规定化的红外与低照度可见光图像融合

针对红外与低照度可见光图像融合时,细微的纹理信息不能有效地保留的问题,提出了基于CNN与直方图规定化的红外与低照度可见光图像融合算法。首先,通过基于卷积神经网络的融合方法得到融合后的图像;其次,计算融合后图像的灰度直方图,通过直方图规定化将可见光图像的直方图映射到融合图像的直方图的区间上,以增强图像的纹理信息;最后,将直方图规定化的图像与红外图像通过卷积神经网络的方法进行融合,得到融合图像。实验结果表明,本文提出的算法在视觉效果和客观评价上均优于基于卷积神经网络的融合方法。     

基于二维直方图移位的图像认证算法

针对如何检测数字图像内容是否完整、有无篡改,提高认证图像质量的问题,提出了一种基于二维直方图移位的图像认证算法。首先,在棋盘格结构中利用两种预测差值计算方法构建原始图像的二维直方图,由预先设定的参数选择可嵌入信道,并确定可嵌入信道峰值点的位置,将可嵌入信道移位。然后结合直方图信息嵌入方法将认证信息嵌入到图像分块中。在篡改检测过程中采用分层篡改检测方法,有效提高篡改检测准确度。实验结果显示,该算法不仅可以抵抗噪声攻击,而且当参数设定为2和4时,认证图像的平均峰值信噪比(PSNR)分别为52.37 dB和50.33 dB,进一步提高了图像质量。实结果表明,所提算法安全性高,可实现可逆水印,并准确定位出篡改区域。     

Exact Histogram Specification for Digital Images Using a Variational Approach

We consider the problem of exact histogram specification for digital (quantized) images. The goal is to transform the input digital image into an output (also digital) image that follows a prescribed histogram. Classical histogram modification methods are designed for real-valued images where all pixels have different values, so exact histogram specification is straightforward. Digital images typically have numerous pixels which share the same value. If one imposes the prescribed histogram to a digital image, usually there are numerous ways of assigning the prescribed values to the quantized values of the image. Therefore, exact histogram specification for digital images is an ill-posed problem. In order to guarantee that any prescribed histogram will be satisfied exactly, all pixels of the input digital image must be rearranged in a strictly ordered way. Further, the obtained strict ordering must faithfully account for the specific features of the input digital image. Such a task can be realized if we are able to extract additional representative information (called auxiliary attributes) from the input digital image. This is a real challenge in exact histogram specification for digital images. We propose a new method that efficiently provides a strict and faithful ordering for all pixel values. It is based on a well designed variational approach. Noticing that the input digital image contains quantization noise, we minimize a specialized objective function whose solution is a real-valued image with slightly reduced quantization noise, which remains very close to the input digital image. We show that all the pixels of this real-valued image can be ordered in a strict way with a very high probability. Then transforming the latter image into another digital image satisfying a specified histogram is an easy task. Numerical results show that our method outperforms by far the existing competing methods.     

新的基于分解直方图的三维Otsu分割算法

Otsu是图像处理领域一种常见的图像分割方法.为了解决传统的三维Otsu法时间复杂度高、抗噪性低等缺点,提出了利用直方图投影技术和直方图分解技术对三维直方图降维,将其拆分成一个一维直方图和一个二维直方图,分别用一维Otsu法和二维曲线型Otsu法求阈值,再用获得的阈值确定图像点的归类.实验对比结果表明:该方法分割效果较好,运行时间短,能满足实时性的要求.     

一种基于图像检索的机器人自定位方法

针对单目视觉机器人的定位问题,提出了一种基于EM(expectation maximization algorithm)的混合高斯粒子滤波定位算法。采用高斯混合模型矢量量化的方法生成图像直方图,利用图像特征相似性度量方法对提取的图像直方图进行匹配,并将匹配的结果应用到粒子滤波定位中,实现了室内结构化环境下机器人的全局定位。仿真实验结果表明颜色特征提取方法和机器人定位方法的有效性。