保持几何特征的自适应弹性二次曲线模型

物体形状特征的准确提取往往受到图像获取、目标分割等过程中各种因素的影响,因而需要构造一种鲁棒的形状表现来保有其本质特征。揭示弹性二次曲线(EQW)模型中能量权重因子和样条重叠度因子与形状几何特性间的关系,提出一种自适应保持几何特征的EQW形状表现模型,并将该模型与交互式Live Wire算法相结合,应用至图像分割中,对于各种模态图像中的目标进行分割实验。直观上,本文方法能够在去除噪声同时较好地保持目标形状的显著特征;量化结果方面,交互式分割误差保持在较小稳定范围内,引入EQW模型带来的时间开销亦在可接受范围内。     

基于图像内容层次表征的遥感图像 分割方法

提出基于图像内容层次表征的高分辨率遥感图像快速多精度分割方法。首先根据初始分割结果建立区域邻接图(RAG),并将其定义为马尔可夫随机场(MRF);然后引入光谱、形状和边缘等图像特征进行层次合并,通过记录层次合并过程获得图像内容的层次表征;最后根据层次表征中不同层级对象之间的关系快速生成任意不同精度的分割结果,以满足不同应用的需求。利用QuickBird卫星图像进行实验和评价的结果表明,本文方法具有较高的精度和效率。     

均衡化特征匹配的非刚体细胞形态跟踪

提出利用均衡化特征匹配来进行非刚性细胞形体跟踪的方法。采用重启动的随机游走方法建立并求解特征匹配概率模型,利用双向均衡方法对匹配邻接矩阵进行均衡化处理,得到指定目标与待跟踪目标之间的精确匹配,以获得目标的定位跟踪结果。同时利用特征匹配结果进行目标的自动标定,并应用图像分割方法进行目标的精确轮廓跟踪。实验结果表明,将该方法应用于视频中动态背景下的运动细胞形态跟踪时,在背景相似度较高及目标迅速移动的条件下,表现出了良好的性能,与同类方法相比可获得较高的定位精度以及更为准确的目标轮廓。     

近邻自适应局部尺度的谱聚类算法

提出一种在LUV空间中基于多层次化结构Nystrm方法的自适应谱聚类算法。首先引入LUV色彩空间,避免了RGB色彩空间中色彩辨别阈对分割的影响,在纹理、边缘区域取得了更好的分割效果;其次将谱聚类算法中基于多层次化结构的方法和基于Nystrm采样的方法结合起来,有效减少了运算时间、解决了数据量较大时计算过程中内存溢出的问题;最后在K均值聚类中通过对特征间隙(eigengap)的分析,自适应地选择K值的大小,解决了自动确定聚类数目的问题。将提出的方法在LUV色彩空间中和RGB色彩空间中分别进行图像分割实验,结果表明在LUV色彩空间中取得效果更加理想。同时也将提出的算法与基于Nystrm方法的谱聚类算法(spectral clustering-Nystrm,SC-N)进行比较。实验结果表明,该算法在数据运算量、运行时间和分割结果上都优于SC-N方法。     

改进FCM在交互式图像分割中的应用

为解决由于自然纹理的干扰而导致的分割图像边缘模糊问题,对模糊C均值聚类算法进行改进并应用于交互式图像分割中。用户通过输入种子点来获得目标和背景的主要特征,并将输入的种子点作为聚类中心点;提出全局空间相似性度量标准并引入Gabor能量滤波器来计算图像中各点到聚类中心的距离;算法首次引入边缘密度概念定义权重因子,根据图像特点,自适应地计算图像中任意一点的纹理特征和颜色特征在特征空间中所占比例,使得到的特征更加准确地描述图像的本质属性。对具有自然纹理背景的图像进行仿真实验,应用两种性能指标来比较本文所提算法与随机游走算法的分割精度。实验结果表明,本文算法分割精度高于模糊聚类和随机游走算法。     

基于BPCNN的图像分割方法

研究一种双向脉冲耦合神经网络(BPCNN)的图像分割问题.首先将彩色图像量化结果或灰度图像作为BPCNN的外部输入激励,每个神经元根据BPCNN的正向脉冲产生器或逆向脉冲产生器发布脉冲信号,实现对图像的初始分割;然后根据初分割图像的区域距离合并过分割区域,最后提出一种综合多种分割评价准则的分割评价体系,并对分割结果进行了评价.实验结果表明,BPCNN算法在多类图像上均取得较好的分割效果,利用实验数据对比了多种常用分割算法,BPCNN算法在综合评价体系上有明显的优越性.     

基于频率域的图像显著性区域提取方法

针对图像的显著性区域提取方法存在区域边界不明确、分辨率不高、显著性目标不准确等问题,提出了一种使用高斯差分滤波器的组合来保持原图像更多的频率信息,然后在频率域里利用颜色和亮度两个特征来计算显著图,最后用均值偏移方法结合自适应阈值方法从显著图中提取显著性区域。实验结果表明,使用高斯滤波器的方法不仅输出完整分辨率的显著图,而且能准确地突出显著性目标,使区域具有明确的边界,并且分割的查准率和查全率都好于多尺度分析方法和Itti方法。     

基于人工鱼群的淋巴恶性肿瘤细胞分割方法

研究淋巴恶性肿瘤细胞分割的问题,提高淋巴恶性肿瘤多细胞分割的准确率。针对淋巴恶性肿瘤细胞聚合度比较大,传统方式进行细胞分割时,很难根据病变细胞之间的灰度值差异分割聚合在一起的细胞。但是由于淋巴深度癌变的聚合细胞灰度值差异比较小,导致传统方式进行细胞分割的准确率比较低。为了避免上述问题,提出了一种人工鱼群算法的淋巴恶性肿瘤细胞分割方法,根据建立淋巴恶性肿瘤细胞轮廓模型,获取的淋巴恶性肿瘤细胞边界,利用人工鱼群边界聚类方法,对细胞进行分割处理。实验证明,提出的细胞分割方法能够提高淋巴恶性肿瘤细胞分割的准确率,取得了很好的效果。     

精神分裂症脑区磁共振图像分割方法研究

研究精神分裂症人脑皮层脑区图像病变区域的准确分割问题。精神分裂症患者的人脑皮层脑区灰质密度与正常区域存在差异,但病变区域与正常区域血管粘连在一起,病变组织会发出更强烈的信号,在生成的图像中像素亮度极高,高亮度造成二者像素灰度差异过小。传统的基于边沿像素灰度差的图像分割方法,无法避免由于血管粘连造成的像素灰度差异过小的缺陷,分割准确度不高。提出了一种利用像素差值约束算法的人脑皮层脑区磁共振图像分割算法。通过约束病变区域分割的衡量区域标准,从而实现人脑皮层脑区磁共振图像的准确分割。实验证明,改进算法避免了血管粘连造成的像素灰度差异过小的缺陷,提高了图像分割的准确率,为精神分裂症脑区检测提供了依据。     

医学图像中粘连细胞分割方法研究

研究粘连细胞图像的分割问题。针对医学细胞图像中,细胞经常发生粘连,细胞粘连部分由于发生像素灰度混合,造成图像不清晰。传统的应用灰度的分割算法由于不能很好的区分粘连部分的灰度,不能完整的分割细胞的问题。为了解决上述问题,提出了自适应阀值调整的粘连细胞分割方法。通过求得粘连部位的细胞像素的具体特征,运用阀值的自适应变化区分粘连部位像素之间的不同,对像素进行划分,克服了传统方法像素划分不清的弊端。实验表明,方法能够有效的分割医学图像中的粘连细胞,取得了比较好的效果。