显微细胞图像的识别方法研究

提出了一种自动识别显微细胞的方案.该方案首先采用二维阈值化和Canny算子分割方法对图像进行分割,并采用遗传算法将所得结果加以融合.分割之后,对每个细胞进行二值化处理,然后利用一种改进的区域增长法求出二值图像中黑色区域和白色区域的三个区域特征.最后用这些特征值训练BP神经网络,并使用训练好的神经网络来识别未知细胞.     

差分进化计算研究综述

差分进化计算（DE）是继遗传算法、微粒子群算法、蚁群算法之后的又一个成功的智能算法。它有三个算子即变异算子、交叉算子、选择算子。差分进化利用种群中个体之间的差异信息实现向最优解区域的搜索。实验证明,该算法具有较好的鲁棒性和求解效率。针对该算法的基本思想以及当前的部分研究成果进行了分析介绍。最后对下一步的研究进行了相应的说明和展望。     

一种基于核密度估计的图像边缘检测方法

进行图像边缘检测的算法有很多种,其中基于Sobel算子、Laplace算子、Canny算子等的图像边缘检测方法当属经典。但所提方法不同于这些差分算子方法,而是对灰度图像素进行小窗口区域的核密度估计,从而得到一幅核密度图,然后通过核密度图,选择出合适的带宽或阈值来控制图像边缘的检出。实验表明该方法可行且简单快速。     

一种基于纹理算子的图像阴影自动检测方法

阴影在自然图像中是普遍存在的,阴影的自动检测一直是计算机视觉领域的一个重要研究方向。提出一种基于纹理算子的图像阴影检测方法。该方法首先对阴影图像进行分割得到图像的不同区域,然后求出每个区域的纹理算子并根据纹理算子的相似性进行聚类,对得到的聚类结果再根据明亮值差异进行合并得到粗糙的阴影检测结果,最后运用闭合式准则进一步改善阴影检测效果。实验结果表明,该方法无需人工交互就可以有效地实现图像阴影的自动检测。     

混合整数非线性规划问题的改进差分进化算法*

提出一种改进差分进化算法求解混合整数非线性规划问题。该算法利用同态映射方法,解决差分进化算法无法直接处理整数决策变量问题;提出改进的自适应交替变异算子,提高算法的搜索性能;提出一种自适应保留不可行解的方法处理约束条件,并对差分进化算法的选择算子进行改进,提出一种直接处理约束条件的新选择算子。六个常用的混合整数非线性规划问题的实验结果表明了该方法的有效性和适用性。     

图像融合的运动目标检测算法研究

为了改进常用的运动目标检测算法易受噪声和光线变化的影响、易出空洞、阴影和假边缘等现象,提出一种基于连续五帧帧间差分与Surendra背景边缘差分相融合的运动目标检测算法。该方法先采用Surendra自适应背景提取算法建立运动区域模型,通过优化的Canny算子进行背景边缘检测差分运算,再与五帧差分法相融合,通过双向模板填充和后期处理获得完整、准确的运动目标区域并完成背景的实时更新。实验结果表明,该算法快速、准确,能满足实时性检测的要求。     

一种城市道路双黄线识别方法

根据城市道路图像中双黄线区域的特征,用变形Sobel 算子加大双黄线区域纹理,分割出图像中双黄线区域粗略位置;应用最大类间方差和数学形态学方法求出满足纹理条件区域的二值图像,从而得到双黄线区域准确位置。     

基于边缘差分的运动目标检测方法

针对视频序列中的运动目标检测问题,提出了一种新的基于边缘差分的运动目标检测方法.通过改进的边缘检测算法提取视频序列中相邻帧的边缘图像并作差分,采用改进的Otsu法对差分图像进行阈值分割,得到运动目标检测的结果.结合Prewitt算子和Sobel算子改进的边缘检测算法能够获取纹理丰富、细节显著的边缘图像,边缘差分结果更加理想;改进的Otsu法联合类内方差能够很好地抑制噪声,保留更多的纹理细节.实验结果表明,提出的方法能够提取更加完整的目标区域,对背景噪声更加鲁棒.与最近一些同类算法相比,在背景运动和光照变化条件下,该方法具有更加优越的运动目标检测性能.     

改进的差分演化算法在测试数据生成中的应用

针对现有的测试数据生成方法存在的算法复杂、参数设置不易等问题,提出一种基于改进的差分演化算法的软件测试数据自动生成方法。该方法对差分演化算法的操作算子进行改进,解决了差分演化算法生成离散型测试数据的问题。通过具体实验,验证了该方法的可行性和有效性。     

侧扫声纳图像分割中种子区域获取方法

研究了一种基于区域增长的侧扫声纳图像感兴趣区域提取方法。该方法利用边缘检测算子提取侧扫声纳图像的目标影阴区的种子区域,利用阈值分割方法提取目标亮区的种子区域,采用Haralick与Shapiro提出的相似准则进行区域增长,提取感兴趣区域。从处理结果看,该方法对某些类型的侧扫声纳图像的感兴趣区域提取有较好的效果,而且种子区域的引入大大缩短了处理时间。     

基于区域生长的极光图像分割方法

极光卵对于研究磁层结构和能量存储是非常重要的。提出一种基于区域生长的极光图像分割算法。首先根据极光图像的特点,对原始图像进行预处理,根据预处理后图像的灰度特性,选取一组能正确代表目标区域的种子像素;其次,在分析像素邻域灰度特性的基础上,采用最大类间方差法求得自适应最佳阈值,从而代替传统区域生长算法手动选取阈值时造成的系统误差,再采用基于区域灰度差的方法,制定出区域生长的停止条件;最后,利用数学形态学的方法进行分割后修正,消除了由于噪声而造成生长后的区域中出现的空洞和不连续现象。实验结果表明,相对于已有的极光卵分割方法,基于区域生长的方法改善了图像的分割质量。     

基于区域增长和改进分水岭算法的胃腺癌细胞图像分割

提出了一种基于区域增长和改进分水岭算法的胃腺癌细胞图像分割方法。该法具有分割准确，算法结构简单等优点。该方法利用Canny边缘算子提供的边缘信息，采用区域增长法对彩色癌细胞图像进行区域分割并填充颜色。同时得到了区域的周长、面积和形态因子。在此基础上，利用距离函数图标定种子法和等值线跟踪法处理粘连区域，最终得到分割图像。     

基于纹理特征融合的人脸表情识别

局部二值模式(LBP)和韦伯局部描述算子(WLD)是两种图像的纹理描述算子,在图像的特征提取方面有较强的能力。为了更加准确地对人脸表情进行识别与分类,针对LBP在特征提取的过程中只考虑了中心像素点与周围的其他像素点的灰度值之差,WLD仅考虑中心像素点与周围像素点灰度值之间的激励强度与梯度方向关系的问题,提出一种新的特征提取算法—局部二值韦伯模式(LBWP)。首先对图像进行预处理,检验人脸和裁剪有效的表情区域,接着对图像进行LBWP特征提取,在特征提取之后采用SVM的分类器对表情进行识别和分类。该算法在CK+数据集和JAFFE数据集上进行实验仿真,识别率分别达到了97.14%和95.77%。实验结果验证了LBWP算法在表情识别方面的有效性,且丰富了人脸图像特征提取方法。     

转炉炉口序列火焰图像的特征提取

转炉中不同的铜的化学成分对应署不同的炉口火焰特征，本文先是对炉口序列火焰图像进行特征提取．具体过程是每次采两帧，时间间隔是1s．分别求出帧间差图像经过阈值分割出的像素总数和后一幅图像经过阈值分割出的火焰图像像素总数占整幅图像像素总数的百分比，然后融合后一幅图像的主元作为序列图像的特征。实验证明这种特征提取的方法在识别过程中能够得到较理想的识别效果。     

一类图像置乱的快速算法

提出了两种置乱变换，即准逆序置乱和准抖动置乱，针对数字图像的灰度空间，讨论了两种变换的置乱效果，实验结果表明在图像信息隐蔽存储与传输中，这类图像变换具有重大的应用价值。     

基于贝叶斯方法的道路识别

文章提出了一种基于贝叶斯方法的道路检测,该方法能够快速的而且很好的检测出道路。利用颜色信息把位图图像分成路面和天空,树,并根据训练集图片提取每个像素点的RGB值,利用公式计算出灰度和饱和度值,再以整张图像上的像素点为样本,以灰度和饱和度为特征空间,计算出贝叶斯判别函数的参数。针对测试集,先进行特征提取,再利用上述判别函数对位图图像进行判别,标示出路面。实验证明,该软件对于砖路面能正确的检测定位,同时具有很好的容错性与健壮性。     

基于支持向量机的多光谱显微细胞图像分割

文章根据多光谱图像数据维数高的特点,以像素各个波段的灰度值为特征,采用支持向量机(SVM)方法为核心来分割多光谱显微细胞图像。为提高计算速度,在亮度和色度分量上利用阈值分割法进行预处理;同时,对SVM分割后的图像,采用基于区域灰度差的生长准则进行后处理,获得了更好的分割效果。最后把支持向量机(SVM)方法与径向基神经网络(RBFNN)方法进行比较,实验结果表明,SVM分割效果优于RBFNN,是一种精度高、速度快的多光谱显微细胞图像分割方法。     

一种新的指纹图像分割方法

在研究和分析方差法和方向法的基础上，提出了一种指纹图像分割的新方法。对每个指纹图像块，先分别沿平行于块方向和垂直于块方向求取灰度变化，然后针对整幅图像进行归一化处理，以这两个方向上的灰度变化作为判断依据，确定该块是属于前景区域还是背景区域。本算法充分利用了指纹图像特有的方向性和灰度特性，能准确地将背景区域从指纹图像中分离出来，从而取得了良好的分割效果。     

Image segmentation schema for low-level computer vision

This paper describes two distinct approaches to image-segmentation, both of which take the form of so-called region-growing algorithms. This kind of algorithms begin with a seed location and attempt to join neighboring pixels to this growing seed until no neighbors can be joined to it.

In the first approach, each pixel is linked to the nearest neighbor in the sense of the gray level. The second approach is based on a binary relation named relative similarity relation which reflects relative properties in an image. The combined segmentation scheme of these approaches is also presented.     

一种基于条件骨架的拐点检测方法

把原始图像看成一个多边形,则形态条件骨架的延长线一定通过多边形的顶点,通过检测条件骨架中最大圆盘半径为零的点来获得凸点的拐点,并由它的补图来获得凹点的拐点.全部拐点由原图及补图的拐点进行逻辑异或操作获得并可去掉离散化后产生的网格拐点.此方法定位精度高、速度快,易于硬件实现和并行处理.由于先用较大圆盘做初步检测,可以降低噪声干扰.利用两种新的大圆盘,此方法可推广到灰度图像的拐点检测.