基于小波分解和模糊聚类的图像分割方法

传统的FCM图像聚类法由于需要大量先验知识和聚类速度的原因,大大限制其在图像分割领域的应用.提出一种基于小波分解和模糊聚类相结合的图像分割算法,首先对图像进行小波变换,对于L空间得到的灰度图像利用小波多尺度分解的性质得到特征图像,利用此特征图像的一维灰度信息采用模糊C均值聚类(FCM)算法,并自动确定FCM算法聚类数和聚类中心从而完成聚类的无监督化,实现对经小波分解后的特征图像的高效快速分割.     

一种基于小波变换的无监督纹理分割算法

提出了一种基于小波变换和均值偏移的无监督纹理图像分割算法。首先用小波变换对图像进行二级小波分解,然后用均值偏移算法估计出粗尺度上对应的聚类数目,并结合模糊c均值算法进行聚类,在此基础上,用定义的阈值函数和Fisher判据确定出细尺度上每个初始聚类中心的一个同组,从而实现图像的由粗到细的分割。实验结果表明,在分割精度相差不大的情况下,该方法解决了传统聚类方法所存在的需要聚类数目和对初始聚类中心敏感问题。     

基于小波分解的变尺度多分辨率纹理分割

针对常见的多分辨率分割算法在每一尺度分割过程中信息利用不充分的问题,提出了一种基于小波分解的变尺度多分辨率纹理图像分割新算法.该算法在每一尺度的分割过程中充分利用了各尺度上的有关信息:通过变尺度特征场考虑了更高分辨率尺度上的特征数据;通过变尺度标记场考虑了更低分辨率尺度上的标记数据.从最低分辨率尺度到原始分辨率尺度逐次进行图像分割,低分辨率尺度的分割结果通过直接投影作为相邻的更高分辨率尺度的初始分割,最高分辨率尺度上的分割结果作为本文方法的分割结果.实验表明,该算法具有较好的分类性能.     

各向异性小波收缩用于图像分割

已经证明2维情况下一般各向异性扩散与HAAR小波收缩在一定条件下是等价的,基于此等价性的各向异性小波收缩结合了小波收缩与各向异性扩散两种方法的优势。将各向异性小波收缩用于多尺度图像分割,提出一种对多尺度各向异性扩散分割方法的改进方法——多尺度各向异性小波收缩图像分割算法。该算法利用各向异性小波收缩对图像中像素灰度值进行扩散,在尽可能保持边缘的情况下,使同质区域内相邻像素灰度随尺度数增加趋于相同,构造基于尺度的空间栈,从而完成对目标的分割,是一种非监督图像分割方法。对比实验结果表明,该算法在有效处理区域内部不一致性的同时,能够准确地定位目标边缘,实现同质区域的融合,完成分割任务,且该算法收敛速度高于多尺度各向异性扩散分割方法。     

基于小波包和改进的FCM的医学图像分割

提出应用最优小波包变换对磁共振颅脑图像做分解,以各子带小波包系数的能量形成纹理特征集;并运用基于核函数的模糊C均值聚类算法（Kernel-Based Fuzzy C-means Algorithm,KFCM）对所提取到的特征集进行聚类分析,从而实现了对磁共振颅脑图像的有效分割。实验证明应用KFCM算法做分割的收敛速度和抗噪性明显优于FCM算法。     

基于运动信息与多尺度分水岭的视频目标分割

从视频序列中提取视频目标是基于内容编码中的一项关键技术。提出了将高阶统计运动检测和多尺度分水岭相结合的视频目标分割算法。该算法首先利用高阶统计运动检测算法检测出运动区域,通过后处理得到运动目标的初始模板。然后,用小波变换对视频图像进行多分辨率分解。在最低分辨率上应用分水岭算法分割得到具有精确边缘的分割区域,通过将区域融合后的区域逐步投影到高分辨率图像上并结合高分辨率图像上的分水岭算法逐步提取出具有精确边缘的区域。最后,将运动目标的初始模板和多尺度分水岭分割得到的区域结合起来提取出具有精确边缘的视频对象。实验结果表明该算法能有效地分割和提取出视频序列中的视频对象。     

基于多尺度特征融合的SAR图像分割

由于存在相干斑噪声的影响,给SAR图像分割造成很大的困难,提出一种基于多尺度特征融合的SAR图像分割方法。该方法利用快速离散curvelet变换提取图像的纹理特征,利用平稳小波变换提取图像的统计特征,将两种多尺度特征融合成高维的特征向量,采用模糊C均值聚类的方法进行分割。在仿真SAR图像和真实SAR图像的分割实验结果表明,提出的方法优于单独采用小波变换进行SAR图像分割的方法,在消除均质区内碎块的同时,使得边界更为精准和平滑。     

基于小波变换和KFCM的彩色图像分割

提出一种将小波变换和核模糊C均值聚类算法相结合的快速彩色图像分割算法。利用小波变换的多分辨率特性,在分辨率最大尺度上的LL子带进行均值漂移聚类,快速获得初始粗分割结果,在其基础上进行模糊核聚类分割,将上一层的结果用于下一层的初始化,重复至最低分辨率后用最小分类器对原始图像进行最终分割。实验结果证明,该算法分割速度快,对自然彩色图像的分割结果优于模糊C均值算法和均值漂移算法。     

SAR图像多尺度配准的小波域等周割方法

研究在同一场景中不同时间和角度的图像配准问题,针对保证配准的精确性,给出了基于合成孔径雷达(SAR)图像小波域等周割多尺度分割的SAR图像多尺度配准方法.为了抑制噪声和配准精度,提出了SAR图像小波域等周割模型并给出模型的多尺度分割算法,以得到较为精确的轮廓特征,结合轮廓修正过程对每个小波分解层进行多尺度配准;并且,配准过程决定了分割中尺度因子的变化程度.小波分解的应用可有效降低搜索空间,在一定程度上加快配准速度,且使用修正后的轮廓特征信息,提高了配准精度.实验结果表明了方法的有效性,为图像配准技术提供了参考.     

融合时空多特征表示的无监督视频分割算法

针对视频分割的难点在于分割目标的无规则运动、快速变换的背景、目标外观的任意变化与形变等,提出了一种基于时空多特征表示的无监督视频分割算法,通过融合像素级、超像素级以及显著性三类特征设计由细粒度到粗粒度的稳健特征表示。首先,采用超像素分割对视频序列进行处理以提高运算效率,并设计图割算法进行快速求解;其次,利用光流法对相邻帧信息进行匹配,并通过K-D树算法实现最近邻搜索以引入各超像素的非局部时空颜色特征,从而增强分割的鲁棒性;然后,对采用超像素计算得到的分割结果,设计混合高斯模型进行完善;最后,引入图像的显著性特征,协同超像素分割与混合高斯模型的分割结果,设计投票获得更加准确的视频分割结果。实验结果表明,所提算法是一种稳健且有效的分割算法,其结果优于当前大部分无监督视频分割算法及部分半监督视频分割算法。     

数字视频监控系统中实时运动检测系统的研究

在数字视频监控系统中,从视频流里捕获出序列图像并进行实时运动检测是一项重要的功能。采用两个进程分别实现视频图像的捕获和运动检测,命名管道作为两个进程之间数据通信的桥梁。提出了一种基于帧差交集快速视频分割法、阈值面积算法结合数学形态学运算提取运动目标区域的数字图像处理算法,然后再进行运动目标的跟踪定位,实现实时运动检测。     

基于图像纹理和小波变换的聚类分割方法

针对纹理图像,本文提出了一种基于图像纹理特征的非学习分割方法。采用小波变换和快速k-means聚类分割算法,减少了整个处理过程的运算量。为了保证分类算法的精确性,运用了总体流量变化最小（Total Variation Flow）[1]非线性去噪方法对图像进行预处理,从而将减小图像噪声污染带来的分割误差。在图像特征的提取上,运用Gabor滤波器原理生成滤波空间,并让图像通过滤波空间而生成特征向量空间。通过制定一个快速寻优策略,从而达到分割图像的目的。     

一种基于贪心搜索的实时多目标遮挡处理算法

提出了一种固定摄像机遮挡条件下的多目标跟踪算法,包括基于区域相关的运动前景分割、基于合并--分裂检测的数据关联和基于贪心搜索的遮挡目标定位三部分. 该算法的主要特点表现在: 1)将遮挡条件下的目标跟踪问题转化为一个已知目标数量和特征的图像分类问题; 2)用贪心搜索和积分图算法快速定位遮挡中的目标,保证了算法的实时性; 3)对目标数量无约束,能够处理多目标相互遮挡下的跟踪问题(发生遮挡的目标数量大于等于2), 且对目标的遮挡程度和目标运动模式无约束,具有良好的可扩展性. 采用手工标定的IBM多人遮挡数据库的测试结果证明了算法的有效性.     

Real-time motion segmentation of sparse feature points at any speed.

We present a real-time incremental approach to motion segmentation operating on sparse feature points. In contrast to previous work, the algorithm allows for a variable number of image frames to affect the segmentation process, thus enabling an arbitrary number of objects traveling at different relative speeds to be detected. Feature points are detected and tracked throughout an image sequence, and the features are grouped using a spatially constrained expectation-maximization (EM) algorithm that models the interactions between neighboring features using the Markov assumption. The primary parameter used by the algorithm is the amount of evidence that must accumulate before features are grouped. A statistical goodness-of-fit test monitors the change in the motion parameters of a group over time in order to automatically update the reference frame. Experimental results on a number of challenging image sequences demonstrate the effectiveness and computational efficiency of the technique.     

基于混沌优化的最佳熵阈值的图像分割

利用目标在图像中所占比例等信息,结合图像熵阈值算法进行图像的阈值分割。并利用混沌优化的方法一次寻找出图像熵的多个极值点,提高了阈值寻找的效率。仿真实验表明,与传统的图像熵阈值法相比较,该方法能够给出更加合理的分割结果。     

基于特征距离的阈值法及其在眼科图象分割中的应用

医学图象的识别与分析能够为临床提供定量比的诊断依据,而图象分割是其中最关键的一步。为提高医学图象侵分割效果,提出了一种基于特征距离的阈值分割算法,并将其与颜色特征分类相结合,来对眼科裂隙灯生物显微镜图象上的角膜充血区进行分割,分割结果可用于角膜充血区的定量体分析,另外,该算法中的样本典型值是通过一种三维直方图分块算法来确定的,实验结果表明,该算法可以有效地分割出角膜充血,其分割效果优于欧氏距离阈值法,且分析数据的精度能够达到临床诊断的要求。     

基于光流场与水平集的运动目标检测

利用光流场信息及运动内极限约束确定运动目标区域的初始分割,提取光流大小与光流方向两个特征构成特征向量,使用K-means聚类算法获得运动目标区域,利用水平集方法对初始运动区域进行进一步分割,通过最小化定义的能量函数驱动代表运动目标的闭合曲线进行演化,曲线演化将在空间梯度较大的位置停止,从而得到运动目标的封闭边缘曲线。实验表明,该方法可有效地从图像序列中检测出完整的运动目标。     

基于分割的三维医学图像表面重建算法

提出了一种基于分割的三维医学图像表面重建算法,它将图像分割与MC(marching cubes)算法有机地结合,这样可以根据不同医学图像的特点,采用适合的分割方法,实现对不同组织的准确分割,并利用分割结果精确地提取等值面,避免了MC只适合于阈值分割的局限性.同时采用一种基于区域增长的立方体检测方法,提高了表面跟踪的效率.实验证明,运用本算法,重建速度和显示效果均有提高.     

求取真实运动矢量的一种算法

针对物体基视频编码与分割应用,提出了求取特征区域真实运动矢量的一种算法。首先,利用运动检测器将图像序列的每一帧分割成静止区域与运动区域。然后只对运动区域进行运动估计。为了克服传统块匹配法的固有缺点,本文算法采用变尺寸块匹配法,大的均匀区用大方块,运动物体的边缘区用小方块;在进行块匹配搜索期间,在易误匹配的区域,为了不遗漏真实的运动矢量,先按照ＭＡＥ准则预选出多个候选运动矢量,尽可能保证真实的运动矢量包含其中,接着再根据相邻块运动矢量的相关性,从多个候选运动矢量中选出一个比较可靠的运动矢量。实验结果表明,该算法产生的运动矢量真实可靠,而且一致性好,可用于识别可靠的运动区域。