类圆形区域的分割与统计分析

为了对类圆形区域进行统计分析,文章以彩色粘连药片图像为例,提出并分析了一种类圆形图像的分割与统计分析方法。首先,在预处理后,选择合适的图像分割算法,去除阴影噪声的影响,完整分割出类圆形区域是关键;其次,使用数学形态学处理算法,平滑图像边界和分割后的毛刺;最后,连通域标记并计数。实验结果表明,文章方法准确率更高。文末还分析了算法的一些应用领域。本研究可为其他相关研究提供参考。     

一种基于数学形态学的车牌定位与分割方法

本文设计与实现了一种基于数学形态学的车牌定位与分割方法,关键步骤包括:灰度变换、边缘检测、数学形态学处理、基于行列投影的车牌定位、定位后的车牌图像二值化、基于垂直投影的字符分割等。通过在MATLAB上的仿真,验证了方法的有效性。实验结果表明,该方法复杂性低,速度快,适合实时应用。     

一种基于背景提取的视频对象分割算法

提出了一种基于背景提取的视频对象分割算法,其主要是通过对多帧视频序列的比较,提取出视频帧的背景,以后的视频帧序列减去该背景,就得到了运动对象.实验结果表明,该算法可以很好地应用在视频会议等背景变化不大的场合,效果较好且运算量不大.     

基于连续消除的正方形-菱形运动估计算法

在基于搜索起点预测和正方形-菱形算法(SDS)的基础上,结合连续消除算法(SEA),提出了一种新的运动估计算法:基于连续消除的正方形.菱形运动估计算法(SEA-SDS).实验结果表明,该算法以比较小的代价取得了与全搜索算法(FS)相当的效果;在搜索次数和精度方面均优于菱形(DS)和正方形-菱形(SDS)快速运动估计算法.     

医学肝脏图像Gabor小波纹理特征研究

针对肝脏图像自身特点,研究了Gabor小波纹理特征在医学肝脏图像识别中的意义,提出一种基于Gabor小波纹理特征的医学肝脏图像识别方法.实验表明:引进Gabor小波纹理特征能较好地实现医学肝脏图像识别问题;与其它典型图像识别方法对比结果验证,新方法可以取得更高的识别率.     

基于梯度的混合Mumford-Shah模型医学图像分割

针对C-V法的水平集图像分割法缺少局部控制能力等问题，将基于边缘的几何主动轮廓线模型和基于区域的C-V法两者结合起来，提出了基于梯度的混合Mumford-Shah图像分割模型HMSG。给出了HMSG模型的参数设置准则，在分割的初期加大模型中全局特征项的权值，在分割的后期则加大局部特征项的权值，以提高模型的图像分割能力。对合成图像与医学图像的分割实验结果表明，该方法优于C-V方法对于含有噪声和边缘模糊的非二值图像的分割，能够较为准确地提取图像边界，可以有效提高图像分割整体性能。     

一种新的运动搜索算法

根据序列图像中运动矢量的中心偏置分布特性和矢量间的时空相关性，设计了一种基于连续消除的正方形-菱形搜索策略。在此基础上，融合了搜索起点预测和自适应搜索等技术，提出了一种可预测搜索起点的自适应的基于连续消除的正方形-菱形搜索算法（PA-SEA-SDS）。实验表明，该算法以较小的代价取得了与全搜索算法相当的效果，在搜索次数和精度上均优于菱形和正方形-菱形搜索算法。     

灰度共生矩阵纹理特征提取的Matlab实现

图像的特征提取是图像的识别和分类、基于内容的图像检索、图像数据挖掘等研究内容的基础性工作,其中图像的纹理特征对描述图像内容具有重要意义,纹理特征提取已成为目前图像领域研究的热点。文中深入研究了基于灰度共生矩阵（GLCM）的纹理特征提取方法,给出了基于Matlab的简便实现代码,分析了共生矩阵各个构造参数对构造共生矩阵的影响。分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵（GLCM）的特定图像的纹理特征提取等都具有重要参考意义。     

Matlab GUI在低质量指纹图像增强中的应用

低质量指纹通常被定义为模糊、高噪声、低对比度等情况下的指纹。利用人体固有的指纹生理特征来进行个人身份鉴定的指纹识别技术中,图像增强技术是其中一个非常重要的步骤。低质量指纹图像增强效果直接影响低质量指纹图像的识别效果。文中在简介指纹识别过程的基础上,以一种典型的低质量指纹图像增强算法-Gabor滤波增强算法为例,重点阐述了Matlab GUI设计的一般步骤及其在低质量指纹图像增强中的具体实现。对用户开发Matlab GUI应用程序和利用GUI处理图像等相关问题都有一定的借鉴意义。     

基于有效数据网格的Gabor小波纹理特征提取算法

运用医学图像网格划分的方法,提出了一种基于有效数据网格的Gabor小波纹理特征提取算法,给出了算法流程,并进行了实验比较.结果表明,新算法提取的纹理特征能较好地实现医学肝脏图像的识别问题,通过与现有算法及其他典型图像识别方法的对比验证,该方法可以取得更高的识别率.