基于曲率保持PDE的非线性结构张量

提出了一种基于曲率保持扩散方程的非线性结构张量计算方法。在讨论了非线性结构张量算法必须满足3个条件的基础上,指出了基于散度的非线性结构张量与基于迹的非线性结构张量在提取图像二维结构信息时的不足;将曲率保持正则化方法用于平滑结构张量,使得新的非线性结构张量具有更好的结构估计能力。实验结果表明：该文方法对噪声图像仍能取得较好地局部结构估计结果。     

一种基于粒子对称分布多样性的PSO算法

粒子群算法(PSO)在演化的过程中种群多样性越来越差,容易陷于局部最优。为了克服这一缺点,提出一种基于粒子对称分布多样性的改进PSO算法(sdPSO)。对粒子在空间分布的研究发现,粒子在最优解周围更对称的分布可大大提高算法收敛到全局最优解的概率。提出一种种群多样性函数表示方法,并在标准粒子群算法中引入多样性调节算法。由于种群多样性被不断调整,粒子在空间中的分布在对称与非对称之间反复变换,使得改进算法能搜索到更广泛的区域。通过benchmark函数实验仿真,改进sdPSO算法与标准粒子群算法相比,能达到更高的收敛精度。     

一种改进的活动区域轮廓模型 ——无需水平集重新初始化

基于区域的活动区域模型已经成功应用在图像分割、目标跟踪等领域,较之基于梯度的活动轮廓模型具有很多优点。但是,这些水平集模型在演化过程中,为了保持为符号距离函数,必须对其重新初始化,降低了曲线演化速度,增加了实现复杂度。为了解决重新初始化问题,在测地活动区域模型的能量函数中,加入惩罚项来约束水平集保持为符号距离函数,无需再重新初始化,极大地提高了演化速度。将其运用在纹理图像、脑MR图像分割以及视频跟踪中,实验证明该模型是有效的。     

小波变换在图像纹理分析中的研究进展

小波变换为图像纹理分析提供了一种基于多尺度、集频谱、结构和统计方法于一体的综合分析方法,该方法在纹理特征的提取、分类和分析中的有效性已受到有关研究人员的重视。为了使人们对这一方法有一个较全面的了解,文章对基于小波变换的图像纹理分析的研究与进展情况进行了较系统的论述,首先简要介绍了纹理的定义和主要描述方法,阐述了用小波变换提取图像纹理特征的基本原理和方法,然后从小波分解的实现方法——金字塔结构算法(PWT)和树状结构算法(TWT)两个方面,分析了近年来国内外小波分析方法在图像纹理分析中的应用研究和方法,最后提出了一些看法和建议。     

目标自适应图像分块与小目标提取

针对传统二维直方图方法的难点,提出了采用基于分水岭变换的图像自适应分块的解决方法,新方法能使得每个小目标都被分割在同一个图像区域内,克服了传统图像分块方法采用固定分块,易造成将同一目标分到多个区域的缺点。方法中首先采用了基于标记点的灰度图像重建方法对图像进行预处理,在自适应增强目标的同时也克服了分水岭变换易造成过度分割的影响,在此基础上进一步地对图像采取了基于分水岭变换的图像分块,接着在每一个分块区域中采用引入目标分布信息阈值选取方法,得到二值化的结果。实验表明该方法目标分割结果稳定,适合于小目标的分割提取。