基于交叉视觉皮质模型的彩色图像自动分割方法

通过对传统彩色图像分割方法的分析,结合最新的交叉视觉皮质模型,给出了一种新的彩色图像自动分割算法。将图像转换到HSV色彩空间,并利用判决机制选择熵最大的分量进行分割,与传统的对H,S,V分别进行处理并将处理结果合并作为分割结果的方法相比,传统HSV方法耗时7533 s,该算法整个处理过程耗时257 s,约为传统HSV方法耗时的三分之一,大大提高了处理的速度;将最大类间交叉熵判决机制引入到交叉视觉皮质模型中,从而实现图像自动分割,避免了人为干预,提高了分割的准确性。将该方法与基于最大香农熵的分割方法进行了比较,仿真结果表明,该算法对于彩色图像自动分割具有良好的性能。     

一种基于交叉视觉皮质模型的图像编码算法

根据交叉视觉皮质模型(ICM)具有的图像分块功能对图像分块.利用已有的寻找拐点(corner点)方法寻找分块后的corner点,接着对corner点所影响的区域进行无损编码,对不受影响的点进行有损编码(DCT编码).实验证明,这种编码在保证一定压缩率的情况下可以清晰地显示图像的关键点(也即corner点)所影响的区域.     

基于交叉视觉皮质模型二值图像形态学算法

交叉视觉皮质模型(ICM)的神经元受到二值图像中背景信息的激发并将点火信息在神经网络中并行传播,根据ICM具有相似神经元同步激发从而产生脉冲输出的特性,研究和实现了图像形态学的腐蚀、膨胀和骨架化.实验结果表明,利用ICM对二值图像处理的结果等同于数学形态学中的处理结果,且较传统数学形态学中的处理效率平均快3～5倍.     

改进交叉视觉皮质模型的医学图像融合方法*

传统的ICM(Intersecting Cortical Model,交叉视觉皮质层模型)在图像边缘检测和图像的分割等领域得到了广泛的应用,但模型中的一些参数需要人工的去选取,从而降低了模型应用结果的准确度。因此,本文对传统的ICM进行改进,使其参数能够自适应的选取,提出改进的ICM与NSCT相结合进行医学图像的融合。实验结果表明：本文提出的算法无论从主观性评价还是6个客观性评价指标均优于其它融合算法,不仅提高了图像的清晰度,而且较大程度保留了图像的细节信息,具有边缘信息突出,亮度对比度高的优点,取得了满意的效果。     

用于脉冲噪声图像的交叉视觉皮质模型滤波

脉冲噪声点与其局部周围所在图像像素灰度值之间有很大的差异,导致了交叉视觉皮质模型(ICM)中神经元激发顺序的不同,根据ICM所具有相似神经元同步激发从而产生脉冲输出的特性,对脉冲噪声点进行定位和自适应滤波.结果表明:文中方法处理的受脉冲噪声污染的图像的信噪比较其他非线性滤波器的处理结果提高50%～60%,运算耗时仅为其他非线性滤波器的20%～30%;同时,比其他非线性滤波方案更有效地保持了图像的高频细节信息,给图像的后期处理和识别打下了很好的基础.     

基于改进交叉视觉皮质模型的图像分割新方法

从人类视觉特性出发,将具有“中心抑制,周边加强”性能的人眼视觉侧抑制现象与交叉视觉皮质模型相结合,形成了一种与人类视觉保持一致的适合图像分割的侧抑制-交叉视觉皮质模型.在此基础上,利用灰度级-邻域平均灰度级二维直方图,将一维卡方散度推广至二维,构造出了基于最小二维卡方散度的分割准则,进而提出一种实时性高的图像分割新算法.实验仿真表明,这种分割算法效果优于原始ICM算法和经典的Otsu算法,同时该准则计算速度远高于基于二维最小交叉熵准则的计算速度.     

基于交叉视觉皮质模型的骨架伪分支剔除方法

为解决骨架伪分支剔除过程中目标几何尺寸失真和处理效率低下的问题,提出一种基于交叉视觉皮质模型的图像骨架伪分支剔除算法。首先,依据骨架伪分支的固有特征,引入并修正了骨架分支端点和连接点的定义,以准确获取骨架分支与伪分支的位置信息;然后,利用这些点的位置信息和交叉视觉皮质模型循环点火次数,构建出交叉视觉皮质神经元传播的熄火条件;最后,在熄火条件的指引下,借助点火神经元动态发放的脉冲具有并行传播的生物性能,从而快速判断并准确剔除伪分支。与传统数学形态学方法的比较实验结果表明,该算法不仅计算速度快,抗噪能力强,而且能够保持骨架结构的完整性。     

基于NSCT和PCNN的彩色图像增强方法

根据人类对颜色的感知特性,本文在彩色图像的HSV空间,提出一种基于非下采样Contourlet变换（Non-subsampled Contourlet Transform, NSCT）和脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)模型相结合的彩色图像增强算法。首先对HSV空间亮度分量V做NSCT分解,得到低频子带系数和高频方向子带系数,对低频子带系数做PCNN增强,并对处理后的系数做修正,再对高频子带系数做线性变换处理,将处理后的V分量做逆NSCT以重构;然后对饱和度分量S做幂次微调。最后,将HSV颜色空间变换到RGB空间得到增强后的图像。实验结果表明,本增强方法在视觉效果和客观评价指标上都优于比较算法,不仅增加了彩色图像的亮度,而且颜色保持较好,边缘更清晰。     

基于对比度增强的彩色图像边缘检测算法

在分析彩色图像边缘的灰度化和漏检问题的基础上,设计了分解基于分量相关的颜色模型的彩色图像得到的颜色分量进行颜色对比度增强的算法。提出了以该算法为基础的彩色图像边缘检测的改进方法,即对增强后的各分量应用梯度算子检测其分量边缘,最后合成为彩色图像边缘。实验结果表明,文中提出的改进方法,能够检测出图像的彩色边缘,具有检测出的图像边缘细节较完整的优点;又由于该方法是基于像素点处理的检测方法,故不必进行颜色模型的转换,具有方法简单、算法复杂度低的优点。     

HSI空间亮度信息的多尺度Retinex图像增强研究

彩色图像增强可以提高图像的亮度,增强图像的对比度和细节,同时使得图像颜色更加逼真自然,并且较少失真,在遥感、医学、刑侦、电视与多媒体等许多方面具有良好的应用前景和重要的理论研究意义。提出基于HSI空间亮度信息的多尺度Retinex图像增强算法（HSI_MSR）,算法通过对HSI颜色空间模型的分析,通过增强HSI模型中I分量,将HSI模型转换到RGB模型,得到增强后的彩色图像。通过仿真实验可知HSI_MSR算法可以较好地提高图像的视觉特性,亮度适合人眼观察,细节较为丰富,使得图像颜色更加逼真自然。     

基于改进轮廓波变换的SAR图像增强

针对轮廓波变换（contourlet transform）中进行拉普拉斯金字塔分解时,所得的带通图像在奇异性点附近产生振荡,影响图像去噪的效果,提出一种改进的轮廓波变换。通过改进拉普拉斯金字塔分解,可消除轮廓波变换带通图像边缘附近的震荡。提出了基于改进轮廓波变换的SAR图像增强算法。实验结果表明,该算法在有效抑制SAR图像噪声的同时,较好地保持了图像边缘细节。     

基于自适应Riesz分数阶微分的雾天图像增强

为了提高雾天图像的清晰度,解决分数阶微分阶数取值的单一性问题,提出了一种新的自适应分数阶微分的图像增强方法。基于具有六阶精度的Riesz分数阶微分的近似计算公式,构造了一种新的高精度分数阶微分掩模——RH算子,并对其进行改进,形成了IRH算子。针对图像局部特征建立了分数阶微分函数,提出了一种分数阶微分选取准则,实现了阶数逐点自适应选取的方法。结合IRH算子,形成了自适应IRH图像增强算法。对于彩色图像,由于RGB空间各通道之间独立性低,对各通道增强后再叠加可能会出现颜色失真,因此将图像由RGB空间转化到HSV空间且只对亮度通道进行增强处理。选择一组雾天图像进行了实验,并与Tiansi算子,基于分割的自适应分数阶微分图像增强算法以及自适应分数阶微分的复合双边滤波算法进行了比较,实验结果表明所提算法具有明显的增强效果,并且通过计算信息熵和平均梯度进一步表明了该算法的有效性。     

模糊多尺度Retinex彩色图像增强

由于中心环绕Retinex算法中假设场景中光照是平缓变化的,所以在图像明暗对比强烈处易出现光晕现象。针对Retinex传统算法的固有缺陷,结合MSRCR算法在色彩恢复上的优势,提出了一种模糊多尺度Retinex彩色图像增强方法（FMSRCR）。FMSRCR使中心环绕空间对比运算仅在光照强度相近的区域中进行,克服了光照不均的影响。同时采用自适应高斯模,减少了卷积运算量。通过实验证明该方法是有效的。     

基于改进型Retinex算法的彩色图像增强技术

由于单尺度Retinex算法在处理过程中会产生光照强度问题导致图像细节表达不细致,提出一种改进的基于单尺度Retinex(SSR)算法的 真彩图像增强算法。首先,使用加权最小二乘法对原始彩色图像进行细节增强,然后对原始图像进行优化。对处理后的图像层和细节图像层构造增益系数,并进行重构输出一幅新的合并图像。实验结果表明,所提算法能够有效减少图像中的噪声,并使图像细节和对比度更加突出,亮度增强。相比于其它传统的算法,改进型Retinex算法处理后的图像客观评价指标有大幅度提升,图像增强能力有大幅改善。     

基于交叉视觉皮层模型的边缘检测算法

交叉视觉皮层模型(ICM)在处理图像时,会因连接矩阵权值设置不当而产生错误。为此,提出一种新的连接矩阵设置方式,介绍基于交叉视觉皮层的边缘检测算法,确定神经元点火范围。将该算法应用于模糊医学图像的边缘提取中。实验结果表明,与其他边缘检测算法相比,该算法能够较好地提取模糊医学图像边缘,具有较高的精度。     

基于混合视觉皮层模型的红外图像去噪和分割

针对交叉视觉皮层模型(ICM)网络运行速度慢的问题,提出一种用于图像处理的混合视觉皮层模型(MCM)。MCM将人眼视觉现象中的韦伯律特性融入ICM,根据韦伯律特性设定神经元点火域值,采用金字塔分解式的运算方法扩大神经元的感受野,并利用ICM的脉冲同步发放性质,实现快速图像处理。基于MCM开发红外图像的去噪算法及红外图像分割算法,实验结果表明,与基于ICM的图像去噪和分割算法相比,基于MCM的算法具有良好的去噪和分割效果,运行速度较快。