一种基于三维直方图和RFKCN的图像分割方法

该文提出了一种基于三维直方图和抑制式模糊Kohonen聚类网络(RFKCN)的图像分割方法.该方法分为2步,第1步是像素的模糊化,通过模糊均值和模糊中值构造两幅冗余图像;第2步是通过冗余图像和原始图像组成一个三维特征矢量集,并利用RFKCN聚类网络对该特征矢量集进行聚类,从而达到图像分割的目的.由于新方法不仅利用了图像...     

一种基于模糊划分的边缘检测算法

基于信息论中最大熵原理，提出了一种新的基于模糊划分的边缘检测算法，并介绍了模糊概率和用条件概率与条件熵来定义模糊划分熵的概念以及模糊划分的原理。该算法是利用自然划分以及梯度图像模糊划分的关系，在条件概率与模糊划分熵的基础上，通过最大模糊熵原则来实现图像分割中最优阈值的自动提取，以实现图像的边缘检测。通过不同类型测试图像的边缘检测结果比较表明，该算法用于边缘检测能获得很好的效果。     

基于模糊熵和BP神经网络的彩色图像边缘检测

在RGB颜色空间中,分别提取R、G、B三个分量并计算R、G、B三个分量的组合V,通过引入模糊熵,构造出4个基于模糊熵的信息测度分量来定量描述彩色图像的边缘特征,并将4个测度分量组成一个整体的特征向量,计算训练图像的特征向量作为样本对BP网络进行训练,然后将训练的BP网络直接用于边缘检测。该方法充分考虑了颜色空间中各颜色分量以及它们之间的相关性;BP网络的结构和训练都比较简单;实验表明,改进方法具有较强的细节保持能力,对弱边缘具有较强的检测能力。     

基于模糊熵和分形维度的边缘检测算法

当图像中噪声与边缘强度相差不大时,用LFFD算法检测边缘时会扩大噪声。针对该问题,给出一种抗噪声的边缘检测算法(EFFD)。该改进算法通过使用模糊熵来抑制噪声扩大,用分形维度来描述图像的局部特征。通过对不带噪声和带有椒盐噪声的图像的边缘检测,说明EFFD在带噪声的图像中可以抑制噪声扩大,获得较好的边缘特征。     

一种基于视觉感知特性的图象纹理分割方法

基于视觉感知多分辨率、多通道特性、并行性和模糊性,提出了一种基于视觉感知特性的图象纹理分割方法,它由2D最佳正交极可分方向滤波器特征提取,改进的模糊Kohonen聚类网络（IFKCN）特征聚类粗分割、粗分割结果的细化等几个步骤组成。实验结果表明了方法的有效性。     

一种新的模糊边缘检测算法

提出了一种简单有效的模糊边缘检测算法，此算法和常用的基于图像增强技术来进行模糊边缘检测的算法有所不同，它采用缩短模糊边缘的宽度来提取模糊边缘，克服了一些基于增强技术来提取模糊边缘的缺点。最后给出了对红外热像的边缘检测实验，实验表明，此算法是一种简单、实用、有效的边缘检测算法。     

一种复杂景物的模糊边缘检测方法

模糊技术早已应用于图像边缘检测，但是目前的方法对于复杂景物图像的边缘检测，效果不理想。本文提出一种首先进行平滑滤波，然后检测模糊边缘的方法来进行复杂景物图像边缘检测。     

基于模糊规则的彩色图像边缘检测方法

在YUV彩色空间中．本文提出了一种基于模糊规则的彩色图像边缘检测方法。对输入图像的Y、U、V三个分量，计算各个点与8邻域的绝对差值．利用预先定义的16条模糊规则进行模糊推理，获得属于边缘点的隶属度．再将其变换到灰度空间获得边缘强度值；然后利用快速熵算法确定阈值．进而获得边缘图像。实验表明．与基于梯度的方法相比．这种方法不但可以获得较好的边缘特性．而且具有较强的抗噪性能。     

一种自适应的运动目标模糊边缘检测方法

提出了一种有选择的局部背景快速分割方法;针对模糊边缘难以检测的问题,提出一种将梯度法与灰度阈值法相结合的方法.该方法首先通过大津法确定目标的位置;然后在其邻域内求出关于灰度值分布的直方图的极值点,再通过灰度阈值法得到目标的初步边缘;最后根据梯度信息对边缘进行微调,减少了灰度不均匀等因素造成的影响.实验结果表明,文中的方法可以有效地提高模糊边缘的检测效率.     

一种基于Tsallis熵的彩色图像边缘检测方法*

通过引入Tsallis熵,提出了一种新的彩色图像边缘检测方法.该方法首先将彩色图像从RGB空间转换到YCbCr空间,分别求出三个子空间中像素在3×3邻域内的最大边缘强度值;然后采用Tsallis熵求取每一个子空间的最佳边缘强度阈值对亮度子空间Y和颜色信息子空间Cb、Cr分别进行边缘提取,最后将三个子空间中获取的边缘点进行融合,从而完成整幅图像的边缘检测.实验结果表明,与采用Shannon熵的边缘检测方法相比,该方法具有更好的灵活性和可行性.     

基于模糊梯度法的边缘检测方法

根据图象边缘灰度的梯度变化,构造图象灰度模糊矩阵和描述边缘点的隶属函数,利用遗传算法实现隶属函数各参数的寻优过程,并由输出隶属度判断提取图象边缘点,实现了图象的边缘检测。实验表明,该方法能有效地描述边缘的穿越过程,并可改善检测结果。     

一种改进的基于模糊推理的边缘检测算法

针对基于模糊推理的边缘检测算法中存在的边缘模糊、未去除伪边缘、算法优化效果不佳的问题,提出一种改进的模糊边缘检测算法。给出一种模糊化规则,即利用方向灰度对比度确定边缘隶属度值,增加去除伪边缘的规则,使得边缘细化。实验表明,该算法效果优于模糊竞争算法、Pal King算法和其他一些改进的模糊边缘检测算法。     

基于多尺度边缘和局部熵原理的前方车辆检测

提出一种基于多尺度边缘和局部熵原理的前方车辆的检测算法。该算法利用车辆图像的边缘和纹理等视觉特征,根据摄像机参数得到远、中、近距离的三个尺度的图像,用一种改进的边缘检测算法分析每幅图像的边缘,得到车辆的感兴趣区域ROI,最后通过应用局部熵原理来排除错误的结果。对同一帧序列用文中算法和传统算法进行测试,文中算法提高了检测的正确率,并减少了误检的数量,该算法同时适用于静止和运动的车辆,并且对中远距离车辆有较好的检测效果。     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤,车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率,文中提出了一种新的车牌定位算法,该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测,得到整个原车牌图像的边缘图像,然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法,检测出车牌区域。实验结果表明:算法定位速度较快、准确度较高,具有良好的应用前景。     

基于模糊推理的噪声图像边缘检测

对于噪声感染的图像,提出一种基于模糊推理的图像边缘检测方法。该方法将像素点的基本梯度与关联梯度作为模糊推理系统的输入变量,根据确定的模糊规则,运用模糊推理方法得到该点属于噪声的程度,从而去除由噪声引起的伪边缘,实现边缘检测。实验结果表明,与其他边缘检测方法相比,该方法可以获得较好的边缘特性,具有较强的抗噪性能。     

基于模糊增强的彩色边缘检测研究

针对灰度图像易丢失有用信息,以及边缘较模糊的图像其边缘检测结果不准确等问题,本文提出基于模糊增强的彩色边缘检测方法。该算法首先将彩色图像转换到YUV,空间 ,然后在图像的模糊特征平面上进行模糊增强,并合理使用亮度、色度等信息进行彩色边缘检测,最后二值化。实验结果表明,该算法是有效的。     

基于最大熵的模糊核聚类图像分割方法

传统聚类算法易陷入局部极值,在数据线性不可分时分类效果较差。为此,提出一种基于最大熵的模糊核聚类图像分割方法。采用最大熵算法对原始图像进行初步分割,求得初始聚类中心;引入Mercer核函数,把输入空间的样本映射到高维特征空间,并在特征空间中进行图像分割。实验结果表明,该方法能减少迭代次数,使分类结果更稳定,从而较好地把目标从背景中分割出来。     

基于模糊增强的小波多尺度边缘特征提取

分析了当前Pal. King模糊边缘检测算法缺点,结合其思想提出一种新的较好的改进方法;该算法采用新的隶属函数,能简化运算提高速度;运用最大均方差法能自适应求解分割阈值;利用小波变换良好的局部性能和多尺度分析特性,能较完整地提取边缘信息,并且具有较强的抑制噪声能力;实验证明该方法能准确检测图像中的目标边缘,较好地保持目标边缘的连通性,边缘提取清晰,细节丰富,抗噪性强。