基于特征灰度和分水岭变换的甲藻横沟区域分割

针对分水岭变换存在的过分割问题,提出了一种新的图像分割方法。该方法利用灰度包容球获取图像特征灰度集合,通过降低图像中灰度级数目减少无意义的局部极小值区域,对灰度重构后的梯度图像极小值区域采用自动阈值法进行标记并对标记加以质心、形状和面积约束,对修改后的梯度图像采用分水岭变换实现甲藻显微图像中横沟区域的分割。实验证明,该方法可比传统方法更合理地分割出横沟区域,有效抑制了过分割现象。     

一种图象区域颜色与面积特征的抽取与表示方法

图象色彩与面积特征已被广泛运用于基于内容的图象或视频检索等领域.如何获取及表示区域彩色特征相似性,是对彩色图象进行有效分割的前提.此文提出一种基于HSI颜色空间的区域彩色特征相似性表示方法,利用改进的区域合并法对彩色图象进行分割.在图象分割的基础上,进而研究并提出一种图象分割区域颜色与面积特征的抽取与表示的有效方法.     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。     

综合颜色及空间特征的图象检索方法

针对目前的CBIR,没能有效地结合图象中对象空间信息的问题,提出了一种新的图象分割方法,该方法以线性加权方式融合颜色、纹理特征采用区域增长法对图象进行分割,避免了传统的由于单独采用颜色或纹理特征分割图象而产生的欠分割或过分割问题.根据分割区域的灰度、形状、位置等特征计算图象间的相似度,提出采用图象的灰度特征代替彩色信息以提高查询速度.     

基于多特征的指纹图像分割算法

介绍了一种基于指纹多特征的指纹图像分割方法。首先简述了三种基于单一特征的指纹图像分割方法:基于灰度方差的指纹图象分割、基于方向信息的指纹图象分割和基于角部灰度均值的指纹图像分割的适用情况及利弊,然后介绍了将方向图法和灰度法两种分割方法合理结合起来的基于多特征的指纹图像分割方法,该方法首先将图像划分成多个不重叠的块并计算各子块的灰度方差与均值,再根据各个图像块的灰度方差值与方差阅的关系确定各子块是采用方向图法还是采用灰度法继续进行图像分割。实践证明,基于多特征的指纹图像分割方法充分利用了指纹图像的特征,避免了单一特征的缺陷,从而能获取更加清晰质量更好的指纹图像,为指纹的进一步识别提供了更好的条件。     

一种基于图象物理特征的分层匹配算法

文章将物理学相关概念引入图象匹配中,定义了二维灰度图象的质量、密度、重心以及物理特征矢量,并由此提出了一种新的基于图象物理特征的分层匹配算法。该算法首先利用图象物理特征矢量进行粗匹配,找出几个大致的匹配点,再利用灰度归一化积相关算法进行精匹配。实验结果表明该算法具有较强的抗噪声干扰及几何畸变能力,与传统的归一化积相关算法相比,该算法在保证较高匹配概率的基础上,大大缩短了匹配时间,提高了匹配效率。     

一种基于散乱数据插值的网格图象变形方法

提出一种基于特征点运动分解和散乱灰度数据插值的网格图象变形算法,以改进传统的两步扫描网格变形法在扫描顺序和变形效果上的不足。将原始图象的象素坐标一次性映射至目标图象,再对映射后得到的散乱坐标点的灰度进行散乱数据插值以恢复目标图象的象素信息。为了提高灰度映射的效率,引入一种基于Delaunay三角剖分的三角线性插值的方法来处理大规模散乱数据的插值。最后通过实例证明该算法的变形效果较两步扫描网格变形法有显著提高。     

基于直线边缘识别的图象区域定位算法

介绍了一种基于直线边缘识别的图象区域定位算法。算法主要分为两个部分,其一为基于样本线对边缘点进行搜索的边缘检测算法,其二为利用层次逼近的霍夫变换对所得到的边缘图象中车牌区域的边界直线段进行提取以对其定位的算法。算法充分利用了原始图象的灰度分布特征,同时在霍夫变换中采取了深度优先的递归搜索策略,取得了较好的实现结果。     

一种基于灰度特征的图象匹配算法设计与研究

传统图象匹配算法利用相关法进行逐点计算,计算量大且做了许多无用功。该文提出一种利用图象灰度局部特征的约束,首先对图象进行粗匹配找出可能出现的区域,再进行精确匹配来定位,该方法计算量小,从而提高搜索效率。     

基于灰度差分不变量的点特征匹配

本文提出了一种新的基于灰度差分不变量的点特征匹配方法。首先，利用灰度差分不变量获得点集之间的初始匹配；然后，利用初始匹配快速、稳健地估计图象之间的唯一几何约束－对极几何约束；最后，利用对极几何约束改进初始匹配。大量的实际图象实验表明，本文所提出的匹配算法有非常快的运算速度和很高的匹配正确率。