基于关联熵系数的图像分割新算法

图像分割是图像分析的基础,阈值法因简单、快速和稳定而成为图像分割的一种重要方法,在图像处理与识别中广泛应用。针对图像分布具有多样性,本文提出基于随机变量之间关联熵联系的图像分割新算法,该算法通过最大化目标和背景两个概率分布之间的关联熵系数并获得图像分割的最佳阈值。实验结果表明,本文提出的关联熵系数阈值分割方法是可行的。     

基于Itakura-Saito散度的图像分割法

针对Otsu阈值法仅适合图像目标和背景分布呈正态分布且两者像素量和方差要求基本相当的不足,提出了基于Itakura-SaitoS散度的图像阈值化分割新算法。实验结果表明,对有些图像采用Itakura-Saito散度的阈值法比传统Otsu阈值法能够获得较好的分割效果。     

基于局部模糊方差的过渡区提取及图像分割

为取得良好的图像分割效果,利用局部模糊方差区分过渡区与背景区的差异,提出了一种基于局部模糊方差的图像过渡区提取方法并用于图像的分割.首先将利用模糊集构造模糊方差的方法拓展到二维图像的情形,进而利用局部模糊方差构造过渡区.在此基础上通过多阈值的选择方法在过渡区上确定阈值,最后将其用于图像分割.实验结果表明所提方法具有较强的鲁棒性,并能取得良好的分割效果.     

复杂背景下圆孔半径及圆心的图像检测方法

针对刷子插毛生产线的现实问题,本文给出了一种在复杂背景下圆孔的半径和圆心的图像检测方法。首先,根据扫描过程中角度不绝对垂直以及背景木板条纹大小和方向的不确定性,采用图像增强方法提高了对比度;然后,用边缘点检测方法来确定目标范围,用数学形态学的方法提取目标;最后,用平均误差的算法提高精度。使用本方法,可以用图像检测代替用手工标尺的测量。实验结果表明:相对于传统检测方法,本文的方法定位效果好,提取目标效果佳,具有进一步提高目标检测精度的潜力。     

基于Wishart分布和MRF的多视全极化SAR图像分割

提出一种新的多视全极化SAR图像分割方法.将描述多视协方差矩阵的Wishart分布与马尔可夫随机场模型结合起来,利用迭代条件模型法(ICM)求取最大后验概率准则下的分割结果,其中ICM所需的初始分割图由基于Wishart分布的最大似然法获得.NASA/JPL实验室AIRSAR系统多视全极化数据的实验结果表明,与几种常用方法相比,本文方法分割精度更高,分割结果图中孤立像素少,图像连通性好.     

基于肤色分割与Adaboost融合鲁棒人脸检测方法

人脸检测广泛应用到人脸识别、数字视频处理、安全访问控制、视觉监测、基于内容的检索等领域.比较众多人脸检测算法,文章提出了一种改进的基于Adaboost算法的人脸检测算法.该算法的核心是肤色分割结合基于Adaboost算法的人脸检测.首先,对彩色图像进行肤色分割,通过肤色区域的大小和长宽比等规则去除部分类肤色区域,得到可疑的人脸区域.其次,基于Adaboost算法的灰度特征得到最终的人脸.通过大量彩色图像的实验,证实了该方法的准确性和鲁棒性.     

镜头分割在H.264视频压缩编码及视频服务器中的应用

将镜头分割引入H.264编码端,改善其定比率分配帧类型策略,以针对视频内容特性提高编码效果,并提供压缩流的镜头句柄.提出结合时空切片的信息熵度量帧差、以动态阈值探测镜头边界指定为I帧,非边界帧为P或B帧优化编码,并补充闪光灯防误判算法.经验证动态阈值和熵度量法查全查准率比基本方法提高近18%和13%;结合编码psnr提高10%压缩率提高20%.镜头分割准确,有效提高编码性能,对压缩域视频分割和视频服务器也将产生重大意义.     

一种嵌入式颗粒显微图像统计系统的设计与实现

为了对颗粒显微图像进行有效地统计与识别,设计了一种以DSP为核心的嵌入式图像采集处理系统.模拟视频信号由视频A/D转换为数字图像,DSP首先利用中值滤波、自适应阈值分割等算法对图像进行预处理,将目标从背景中分离出来,然后采用扫描标记的算法对目标区域加以标记,最后实现对颗粒的数目及面积等几何尺寸的统计.实验结果表明,系统不仅能够对颗粒进行全面、客观地统计分析,而且简单、方便,具有重要的实用价值.     

Unsupervised Bayesian image segmentation using orthogonal series

This paper deals with the problem of unsupervised image segmentation which consists in first mixture identification phase and second a Bayesian decision phase. During the mixture identification phase, the conditional probability density function (pdf) and the a priori class probabilities must be estimated. The most difficult part is the estimation of the number of pixel classes or in other words the estimation of the number of density mixture components. To resolve this problem, we propose here a Stochastic and Nonparametric Expectation-Maximization (SNEM) algorithm. The algorithm finds the most likely number of classes, their associated model parameters and generates a segmentation of the image by classifying the pixels into these classes. The non-parametric aspect comes from the use of the orthogonal series estimator. Experimental results are promising, we have obtained accurate results on a variety of real images.     

基于图的网格分割

为了简化模型反求过程，提出了一种基于图的网格分割算法，分别以网格中的顶点和三角面片作为图中的元素，生成2种未定向加权全连通图的表达．对于由顶点生成的图把网格顶点的几何信息转化为颜色信息，对曲率计算引入的噪声采用中值滤波和均值滤波的方法滤除，并利用顶点之间颜色的差别作为图中连接相邻元素的边的权．对于由三角面片生成的图，利用相邻面片的二面角作为图中相邻元素的边的权；然后利用一个不相交集合的森林分割图，进而实现网格的分割．结果表明，这种分割方法可以快速、有效地实现网格的分割．