基于Mean Shift聚类的最大熵图像分割方法

为了有效的分割图像,在考虑了图像的噪声消除和边缘保持等因素的基础上,为解决上述问题,提出一种Mean Shift的图像平滑方法和最大熵的图像分割方法相结合的图像分割方法,Mean Shift对图像进行平滑能有效去除图像中的噪声,同时能很好的保持图像的边缘,克服了以往平滑方法的弱点,再通过基于最大熵阈值对平滑后图像进行图像分割,经过实验证明,与小波平滑等目前其他的平滑方法和最大熵分割结合相比,方法有效的改善了分割效果。     

基于区域分离与聚合的分水岭分割

针对目前采用分水岭变换实现的图像分割容易出现过分割,导致图像分割边缘不明显现象,使得分割之后图像边缘失真.论文提出了一种结合拉普拉斯滤波和区域分离与聚合的改进分水岭变换图像分割方法.仿真结果表明,与传统的分水岭图像分割方法相比,该方法分割出的图像能有效抑制图像的过分割现象.     

基于图论的图像分割算法仿真研究

研究图像分割优化问题.由于图像可以分割为若干个不同的区域,要求分割边缘清晰,速度快.但传统图像分割算法由于计算复杂等原因,造成图像分割分辨率低,清晰度不高,当图像中的信息量非常大时,分割非常耗时等缺陷,提出了图论的图像分割算法.采用图论的图像分割算法是一种全局的分割算法,首先分析图像在不同FRFT域的能量分布特点,通过归一化剩余误差因子p评估和分析FRFT域的能量积聚性和图像所包含的信息,使用最小生成树方法对图像对区域分别进行分割,并最终合并,采用二值化方法对图像进行仿真.结果表明,改进的算法能有效的分割图像,提高了图像分割的速度,是一种有效的新颖的图像分割算法.     

一种改进的车牌图像二值化方法

讨论了图像阈值分割方法，提出了改进的Bernsen图像分割方法，并用VC＋＋进行了仿真，该方法能够有效实现文本图像的分割，可以有效避免字符的伪影以及断裂，适合汽车牌照图像二值化。     

基于小波包和区域生长的脑组织图像分割

对利用区域生长进行图像分割问题进行了研究,提出了一种MR脑组织图像分割的方法。该方法利用小波包对医学图像进行分解,通过对重构后的近似图像采用区域生长法进行分割,降低了区域生长算法对噪声的敏感度,减少了利用区域生长算法分割后图像的空洞和小孔。实验证明了该方法对MR脑组织图像分割可以有效减少分割后的小孔和空洞,取得了良好的分割结果。     

基于最大累积剩余熵的红外图像分割

经典阈值化分割方法是常用的图像分割方法之一,但对于低对比度,低信噪比的红外图像分割效果不理想,将累积剩余熵运用于红外图像分割,即寻求使得累积剩余熵最大的灰度值作为分割阈值,实验结果表明:基于最大累积剩余熵的图像分割方法是一种有效的红外图像分割方法,比起经典的阈值分割方法,分割红外图像的效果要好。     

图像分割复杂性测度研究

基于内容的图像处理与分析技术,其基本前提是确定图像中包含的内容,即具有语义的内容对象。图像分割技术是实现图像内容对象检测的基本方法。对图像分割中的必要性问题进行了相关研究,针对大部分图像分割算法因所分割的图像不具有语义信息而导致图像分割出现无意义情况的现状,提出了一种图像分割复杂性的定义。基于该定义,给出了其实现方法。通过系统的实验结果表明,所提出的新的图像分割复杂性指标可以很好地适应图像目标区域大小,是衡量图像分割必要性的一种合理有效的方法,且能够成为一种重要的图像分割判断指标。     

基于改进的分水岭算法图像分割方法研究

研究图像分割中保真问题,针对目前分水岭算法易产生过分割现象,导致图像分割边缘不明显现象,使得分割以后图像失真较大.为了解决上述问题,提出了一种基于空间模式聚类算法和分水岭算法相结合的图像分割方法.首先对图像采用分水岭算法进行图像分割,然后对产生过分割现象的图像区域采用基于空间模式聚类方案进行合并.仿真结果表明,与传统的分水岭图像分割方法相比,分割出的图像边缘效果明显清晰,有效保证原图效果.     

极限学习机ELM在图像分割中的应用研究

使用极限学习机(ELM)的方法进行图像分割问题研究。针对传统图像分割方法中存在着结构设计复杂、所需时间较长、造成图像分割分辨率低,清晰度不高等问题,提出了一种基于极限学习机的图像分割算法。在确定了最优参数的基础上,建立了基于ELM的图像分割算法。最后仿真实验证明本文提出的算法能快速有效的分割图像,图像分割孤立点少,边缘明显,同时该算法大大的缩短了样本的训练时间。     

一种基于纹理方向场的图像分割方法

提出了一种基于纹理方向场的图像分割方法。根据图像平滑滤波原理构造了高斯滤波器与分块滤波器相结合的平滑方法,利用纹理梯度方向场特征形成纹理梯度图像,以此为基础用分水岭算法对图像进行分割。结果表明,将该方法应用于粘连大米颗粒图像,能有效分割粘连大米图像,较好地解决了分水岭算法的过分割问题,具有较强的边缘稳定性。     

基于深度学习的图像自动标注算法

图像的自动标注是图像检索领域一项基础而又富有挑战性的任务。深度学习算法自提出以来在图像和文本识别领域取得了巨大的成功,是一种解决"语义鸿沟"问题的有效方法。图像标注问题可以分解为基于图像与标签相关关系的基本图像标注和基于标注词汇共生关系的标注改善两个过程。文中将基本图像标注问题视为一个多标记学习问题,图像的标签先验知识作为深度神经网络的监督信息。在得到基本标注词汇的基础上,利用原始图像标签词汇的依赖关系与先验分布改善了图像的标注结果。最后将所提出的改进的深度学习模型应用于Corel和ESP图像数据集,验证了该模型框架及所提出的解决方案的有效性。     

Skew Correction of Document Images Using Interline Cross-Correlation

An efficient algorithm is presented in this paper for correcting skew of text lines in scanned document images. In this method, the cross-correlation between two lines in the image with a fixed distance is calculated. The correlation functions for all pairs of lines in the image are accumulated. The shift for which the accumulated cross-correlation function takes the maximum is then used for determining the skew angle. The image is rotated in the opposite direction for skew correction. The correlation function can be calculated without multiplications for binary images, thus the algorithm can be very efficiently implemented. The method can be used directly for gray-scale and color images as well as binary images. It has been tested on scanned document images with good results.     

图像分割在医学图像处理中的应用研究

图像分割是图像处理中的重要工作,医学图像的多样性和复杂性使其在图像分割中具有较大的难度。阈值法由于高效、简单而成为图像分割的重要方法,但对于复杂的医学图像,其效果并不很理想。Powell法是最好的直接搜索法,利用改进的Powell法可以更好地搜索目标。为此,提出了一种将Otsu法和Powell法相结合的图像分割方法,仿真实验表明,该方法可以快速有效地分割图像,鲁棒性强。     

数字水印对抗几何攻击方法的研究

提出了一种新的基于图像原点矩的几何变换参数估计算法,经实验验证它能有效地估计图像的旋转角度和尺度缩放参数,利用这些参数可以对被测水印化载体图像进行相应校正和水印检测。     

基于广义有限自动机的图像压缩方法

提出一种用确定性的广义有限自动机(GFA)对灰度图像进行压缩编码的方法.对一幅输入的数字化灰度图像,检测其中的自相似性,该图像可以被表示成一个广义有限自动机.解码算法可以非常高效的由确定的广义有限自动机复原图像,且结果图像没有很明显的方块效应.这种方法与传统的有限自动机方法相比具有状态数较少、压缩比高、压缩效果较好的优点.     

基于小波变换的多分辨率图象匹配方法

介绍一种综合运用小波变换、序贯相似性检测和统计相关的图像匹配算法,此算法既可以根据需要的精确匹配图像,又可以达到很高的效率,而且便于硬件实现。     

基于核方法的彩色图像量化研究

彩色图像量化是指将一幅具有N种颜色的图像用K（K<相似文献   

数字图书馆中图像分类技术研究

提出一种支持向量机(SVM)方法,通过图像的颜色和文本内容可有效地对大型图像数据库进行分类.为了评价此方法的性能.将它与人工神经网络中的方法进行了比较.实验证明这种方法比其他的方法更优越.     

基于方向信息测度的非线性扩散图像去噪方法

在研究非线性扩散方法图像去噪的基础上,针对非线性系数扩散问题,提出了应用图像方向信息控制扩散系数的非线性扩散方法,该方法利用方向信息测度来表征图像的区域性质,不仅降低了噪声的干扰,而且克服了其他方法必须先进行高斯卷积的影响,并有效控制了各点的扩散行为。实验结果证明该方法是可行的,该方法在图像去噪的同时保持了图像的重要特征,取得比较理想的效果。     

Image resizing via non-homogeneous warping

Image resizing aims to adapt images to displays with different sizes and aspect ratios. In this paper, we provide a new image resizing approach for efficiently determining the non-homogeneous warp that better preserves the global image configuration and concentrates the distortion in regions of the image where they are least-likely to be noticed. Considering the different properties of large displays and small displays, we design different strategies for upsizing and downsizing. We define a variety of quadratic metrics to measure image distortion. We introduce a patch-linking scheme that can better preserve the global image configuration. We formulate image resizing as a quadratic minimization problem, which can be efficiently solved. We experiment with our method on a variety category of images and compare our results to the state of the art.