一种基于广义模糊性质集的图像分割方法

本文提出了一种基于广义模糊性质集的图像分割方法，它利用图像的广义隶属函数，把图像灰度转换成广义的模糊集合，通过对图像作多次增强而实现图像分割。实验结果表明，本文提出的方法与Ｏｔｓｕ法、熵函数法和ＦＣＭ２Ｄ法相比，在分割速度和分割质量上，都有下同程度的提高。     

一种无监督的遥感图像分割新算法研究

由于遥感图像中存在边缘混叠和斑点噪声等问题,基于经典的马尔科夫随机场模型的分割算法效果并不太理想.本文针对遥感图像分割中某些像素分类的不确定性,将模糊MRF模型引入遥感图像分割领域,构造了基于MAP-FMRF的分割框架,提出了新的模糊MLL模型,在充分结合空间信息的同时利用灰度和纹理共同构造特征空间,以修正的EM算法结合SA算法获取全局最优解,实现无监督分割,实验对比证明该方法准确率更高.此外,文中还设计了一种新的优化方案以提高分割的效率.     

基于CMOS的医学图象处理系统软件设计

本文选用CMOS OV7640为图像传感器来采集实际图像,利用USB2.0总线接口技术和OpenCV计算机视觉库,以VisualC 6.0作为开发平台设计了基于CMOS的视频采集及边缘检测系统.提出了一种基于数学形态学的多尺度边缘跟踪的算法.该算法在抑制噪声的同时能够有效地检测出图像的边缘,基于OpenCV计算机视觉库编写了视频图像边缘检测的软件.     

模式识别.自动分割图像新方法研究*

提出一种采用非参数Dirichlet过程混合模型实现图像自动分割的算法。该方法在图像分割时不需要对分类数进行初始化,具有在分割过程中自动获得图像分类数的特点。模型中使用有控制参数的随机变量来代替聚类数,通过调整参数来指定聚类数的范围。使用该算法对具有高噪声的自然图像和临床磁共振图像进行分割实验,并与其他分割算法进行比较。实验结果显示本算法抗噪声性能强,且可以抑制磁共振图像分割过程中的偏场效应。准确度分析显示,图像分割结果的Dice相似性系数均高于90%,表明提出的新算法具有很高的精确性和鲁棒性。     

基于概率跟踪的冠状动脉造影图像的血管树提取

采用传统的基于跟踪的方法分割冠状动脉X射线造影图像的血管时,易受血管节点和曲率的影响.对此,本文提出了基于多特征测度的概率跟踪模型和中心线优化算子,该方法能够准确地分割出血管树的骨架并进行中心线优化.实验中,该方法不仅避免了传统方法的弊端,而且具有较低的计算耗时、较高的鲁棒性、全自动性:一次选定跟踪的起点,可以自动提取出80%以上冠状动脉树.     

基于GFO模型的水平集分割算法

众所周知，水平集分割方法由于能克服Snake分割中所要求的初始轮廓必须与目标轮廓相近以及图像结构不应发生拓扑改变这两大难题而深受青睐。然而，其在图像分割遇到的最大困难是解决边界泄漏问题。虽然有许多研究工作均试图解决这一难题，但收获甚微，究其原因主要是：图像的梯度信息不仅被作为轮廓线运动的停止策略，同时也将为零水平集向目标轮廓运动提供吸引力。因此，其不可避免将产生边界泄漏现象。针对这一难题，本文通过采用GFO模型以提供更鲁棒的边界信息和更可靠的停止策略来构造运动驱动力，从而较好地解决传统水平集分割算法所不能解决的大部分边界泄漏难题。     

广义模糊算子法用于图象的浮雕显示

广义模糊算子法是一种用于图象边缘检测的全新而有效的方法。它能与不同的图象预处理方法相结合从而产生不同的图象显示效果。此文提出一种预处理方法，首先对一幅图象进行预处理，然后将广义模糊算子作用于该图象，能得到较好的浮雕显示效果。调整预处理中的参数，所显示的效果也有所不同。     

RCTLS图像恢复中局部线化的优化算法以及正则化参数的自适应选择

关于模糊图像的恢复问题,可采用DFT域中的正则化约束总体最小二乘法(RCTLS)有效地加以解决.该方法的实现是对非凸函数进行求解,尽管采取了一些经典优化迭代算法,仍难以获得高质量的恢复图像,并需要较多的机时.为此,本文对DFT域中的RCTLS算法提出两个具有创新性的解决方案:首先提出了局部线化优化算法进行求解;在此基础上,我们还对正则化参数进行自适应选择,以进一步提高恢复图像的质量.实验证明,采用局部线化方法可以成倍地提高计算速度,明显改善了图像恢复质量;同时,对正则化参数进行了自适应迭代选择不仅提高了工作效率,并且能使恢复图像的质量得到进一步改善.     

基于轮廓的多设备医学图象的刚性配准

提出了一种基于轮廓的多设备医学图象的刚性配准算法。在半自动轮廓搜索的基础上，运用迭代最近邻点方法搜索轮廓间的对应点，最小化代价函数并获得最佳刚性变换，实现图象的精确配准。通过多次选择初始变换的搜索策略，解决了搜索过程中出现的局部极小值问题。实验表明该方法能有效地实现多设备医学图象的配准。