基于小波变换的交通图像特征提取

小波是一种用于多层次分解函数的数学工具。作为现代分析学开拓的一个新领域,目前小波变换已经广泛应用于信号处理、图像处理、模式识别、语音识别、量子物理、地震勘测、流体力学、电磁场、CT成像、机器视觉、机器故障诊断与监控、分形以及数值计算等等工程领域。因此,就应用小波变换理论解决交通图像特征提取的问题,做简单的分析。     

电视制导序列图像快速分割及目标特征提取

针对电视制导系统需从包含多个干扰目标的序列图像中快速识别和跟踪导弹目标的要求,提出了一种基于二值图像索引图的序列图像快速分割及目标特征提取算法,在序列图像二值化后,只需由FPGA对其遍历一次就可得到一张含有目标信息的索引图表,再由DSP对该索引图表边遍历边计算就可得到图像所含目标的数量.面积,质心坐标,二阶矩不变量等特征.实验结果表明,该算法并行处理效率高,实时性好,完全可满足电视制导系统的要求.     

基于小波变换的射线图像疵病特征提取方法

本文讨论了小波变换在射线图像疵病特征提取中的应用，通过各尺度图对应不同频段的特性来识别信号的趋势项，并且利用有效信号和噪声在小波变换下的不同规律进行信噪分离，最终达到特征提取的目的，实验表明上述方法具有良好的特征信息提取效果。     

应用分数傅立叶变换方法的水下目标特征提取

针对基于传统时频分析方法的水下目标特征提取方法的缺陷,引入了一种新的时频分析方法——分数阶傅立叶变换（FRFT）方法用于处理水下目标特征提取问题。仿真信号和实际试验数据的处理结果表明,当主动声纳的发射信号为线性调频信号时,分数阶傅立叶变换方法可以使目标的回波能量在分数阶域的对应区域聚集,使目标和混响的分数阶傅立叶变换在分数阶域上不仅呈现明显不同的特征,而且较其他时频分析方法具有抗混响的优点。     

基于离散分数布朗随机场的水下图像目标检测

采用传统图像检测方法存在目标区域定位不准确、目标细节信息丢、目标形状变形等问题,本文提出一种基于离散分数布朗随机场模型的水下图像目标检测方法.该方法根据分形理论和水下图像的特点,以图像中每个像素点为中心取窗口,计算在该窗口内的分形维数均值,将该均值作为中心像素的分形特征,然后根据分形维数分布图确定分割阈值,从而实现对水下图像分割,并且通过将目标表面不同尺度下的灰度差分平均值进行归一化处理,减少了用于表示不同尺度下的平均绝对值灰度差分的数据,从而提高算法检测效率.实验结果表明,该方法对水下成像条件具有一定鲁棒性,是一种有效的水下图像目标检测方法.     

基于 NSCT 域特征和 PCNN 的SAR 图像目标分割

针对 SAR 图像的目标自动分割问题,在分析非下采样轮廓波变换和脉冲耦合神经网络的基础上,提出了一种基于非下采样轮廓波域特征图和 PCNN 的 SAR 图像目标分割算法.对 SAR 图像经过 NSCT 分解后的高、低频图像分别运用不同方式进行处理.对低频图用 PCNN 进行分割以获取目标所在的区域,对高频子带构造了特征图,对特征图利用 PCNN 进行分割以获取目标的精细结构.利用 MSTAR 数据进行了仿真实验,并与基于模糊 C 均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对 SAR 图像目标的分割结果更为准确,同时较其它算法具有更强的抗噪性能,是一种有效可行的 SAR 目标分割算法.     

基于双分支特征提取的轻量级图像分割算法

目的 为了提升彩色图像的分割精度,解决彩色图像分割中存在庞大计算成本和冗余参数的问题,本文提出一种双分支特征提取网络来解决上述问题。方法 双分支特征提取网络主要由语义信息分支和空间细节分支组成。语义信息分支通过在非对称残差模块中设置不同的空洞卷积率来获取输入图像不同尺度的上下文信息。空间细节分支是一个浅层且简单的网络,用于建立每个像素间的局部依赖关系以保留细节。在双分支之后连接一个特征聚合模块来有效地结合这2个分支的输出。结果 在没有任何预训练和后处理的情况下,在单块RTX2080Ti GPU上仅用0.91 M参数在Cityscapes数据集上以97帧/s的速度实现75.1%的分割准确性,在Camvid数据集上以107帧/s的推理速度取得了70.5%的分割效果。结论 通过大量实验证明,本文模型在分割准确性和效率之间取得了较好的平衡。     

基于FCM和图割的交互式图像分割方法

为了提高在前景和背景颜色相似情况下图像的分割效果,提出了一种基于模糊C均值聚类(FCM)和图割的交互式图像分割方法。首先,利用分水岭算法对图像进行预处理,将图像分成多个小区域,用区域代替像素点进行分析。然后,采用模糊C均值算法对用户标记的前景区域和背景区域分别进行聚类分析,挖掘用户交互所提供的隐藏信息。用未标记区域的颜色分量到前景区域及背景区域类心的最小距离表示相似能量,用未标记区域与其相邻区域的相关性表示先验能量。最后,利用最大流/最小割算法求能量函数的全局最优解。与其他方法相比,该文方法具有较好的分割性能,能从前景背景相似的图像中较精确地提取感兴趣的物体,且用户操作简单。     

基于小波变换的交通图像预处理与特征提取

数字图像处理技术运用于交通系统可以不断提高其智能化水平。本文在简要介绍小波变换的交通图预处理基本原理的基础上,分析了几种主要方法,通过比较研究得出相应结论。     

集成模糊特征的Snakes模型分割图像纹理

对纹理图像进行局部一维离散傅里叶变换,把傅里叶变换能反映图像纹理的高频部分的振幅谱作为纹理的特征向量.利用模糊概念定义模糊特征向量,把模糊特征向量集成到Snakes模型.改进的Snakes模型使活动轮廓曲线在曲线内部力场、图像梯度力场和特征向量对区域的模糊隶属度确定大小的曲线法向力场的共同作用下运动.对纹理实验图像和真实图像的进行了分割实验,实验结果说明新的模型能对图像纹理进行有效的分割,模糊特征的融入扩大了Snakes模型分割图像的范围.     

基于纹理特征的水下烟囱图像识别

提出了一种基于纹理特征的水下烟囱识别方法,采用各纹理特征分歧加权对纹理参数的优劣进行区分,有效地克服了水下光照不均带来的图像灰度变化和纹理差异造成的分类困难。实验表明此方法对水下烟囱的识别取得较好的效果。     

摩擦振动时频图像特征提取

针对摩擦振动特征难以有效提取的问题,提出利用连续小波变换（ＣＷＴ）时频谱图像和图像处理技术提取摩擦振动特征参数的方法。运用ＣＷＴ变换绘制６Ｓ５０ＭＣ船用柴油机缸套－活塞环试样摩擦振动信号的时频谱图,再用图像分割技术提取振动特征体及相应的特征参数,探讨特征参数与不同润滑剂润滑条件下缸套－活塞环摩擦振动特性的内在联系。结果表明,随着摩擦磨损过程的进行,摩擦振动信号特征参数出现规律性变化;不同润滑工况下的特征参数呈现出明显的差异,反映了摩擦磨损的状态。振动特征体特征参数能定量刻画摩擦振动信号的特征。     

紫外序列图像中目标的提取

分析了"日盲"紫外ICCD(增强型电荷耦合装置)探测系统所采集紫外图像中噪声和目标的特点,基于紫外图像的特点,提出了一种紫外序列图像中目标提取的方法.该方法首先采用时域递归低通滤波算法对紫外图像进行降噪处理,有效抑制了图像中的随机噪声,提高了图像的对比度.然后运用自适应阈值分割算法对目标进行了提取.实验结果表明,该方法能较好地检测出紫外序列图像中的目标,具有较强的噪声抑制能力.     

用于彩色图像分割的改进遗传FCM算法

本文提出了一种适用于彩色图像分割的遗传模糊C均值聚类(GAFCM)算法.该算法使用Ohta等人提出的彩色特征集中的第一个分量作为图像像素的一维特征向量,并利用由像素空间到特征空间的映射来改进目标函数,从而大大降低了运算量;使用对特征空间结构没有特殊要求的特征距离代替欧氏距离,从而克服了特征空间结构对聚类结果的影响;使用引入FCM优化的遗传算法来搜索最优解,从而提高了搜索速度.实验表明,该算法不但能很好地分割彩色图像,而且具有运算量小、收敛速度快的优点.     

一种适合于多目标检测的图像分割方法

提出一种适合于多目标检测的8邻域图像分割方法,用以获取目标特征量,准确分割图像。在对二值化图像扫描形成目标块的过程中,标记各个目标像素,记录目标的边界点,得出分割目标的面积、周长、质心坐标。利用这些信息,可以选择跟踪一个或多个目标。仿真结果证明了该方法实用可行。     

Neural network classifier and multiple hypothesis image segmentation for dietary assessment using calorie calculator

Nowadays, dietary assessment becomes the emerging system for evaluating the person’s food intake. In this paper, the multiple hypothesis image segmentation and feed-forward neural network classifier are proposed for dietary assessment to enhance the performance. Initially, the segmentation is applied to input image which is used to determine the regions where a particular food item is located using salient region detection, multi-scale segmentation, and fast rejection. Then, the significant feature of food items is extracted by the global feature and local feature extraction method. After the features are obtained, the classification is performed for each segmented region using feed-forward neural network model. Finally, the calorie value is computed with the aid of (i) food area volume and (ii) calorie and nutrition measure based on mass value. The outcome of the proposed method attains 96% of accuracy value which provides the better classification performance.     

一种模糊红外目标边缘和不变特征提取方法

针对红外图像中模糊目标难以分割和识别的情况,提出以小波多尺度滤波分解后的逼近图像作为自适应域值进行图像二值化的方法,由此分割出模糊图像中的目标,提取目标的轮廓边缘.然后,提出一种新的矩计算方法提取目标的不变性特征.实验结果表明,该方法具有很强的抗噪和抗扰性能,能有效提取复杂背景中模糊目标的平移、缩放和旋转不变量,极大提高了运动模糊目标识别的可靠性.     

Improved fuzzy entropy clustering algorithm for MRI brain image segmentation

Magnetic resonance imaging (MRI) brain image segmentation is essential at preliminary stage in the neuroscience research and computer‐aided diagnosis. However, presence of noise and intensity inhomogeneity in MRI brain images leads to improper segmentation. The fuzzy entropy clustering (FEC) is often used to deal with noisy data. One major disadvantage of the FEC algorithm is that it does not consider the local spatial information. In this article, we have proposed an improved fuzzy entropy clustering (IFEC) algorithm by introducing a new fuzzy factor, which incorporates both local spatial and gray‐level information. The IFEC algorithm is insensitive to noise, preserves the image detail during clustering, and is free of parameter selection. The efficacy of IFEC algorithm is demonstrated by comparing it quantitatively with the state‐of‐the‐art segmentation approaches in terms of similarity index on publically available real and simulated MRI brain images.     

一种基于DA-GMRF的无监督图像分割方法

提出一种基于间断自适应高斯马尔可夫随机场(DA-GMRF)模型的无监督图像分割方法.针对MRF模型中的过平滑问题,利用边缘信息构造能量函数,定义了一种DA-GMRF模型.利用灰度直方图势函数自动确定分类数及分割阈值,进行多阈值分割,得到DA-GMRF模型中标记场的初始化,用Metroplis采样器算法进行标记场的优化,实现了图像的无监督分割.实验结果表明了该方法的有效性.     

A novel brain image segmentation using intuitionistic fuzzy C means algorithm

A process of splitting the image into pixel bands is the image segmentation. As medical imaging contain uncertainties, there are difficulties in classification of images into homogeneous regions. There is a need for segmentation algorithm for removing the noise from the medical image segmentation. The very popular algorithm is Fuzzy C‐Means (FCM) algorithm used for image segmentation. Fuzzy sets, rough sets, and the combination of fuzzy and rough sets play a prominent role in formalizing uncertainty, vagueness, and incompleteness in diagnosis. But it will use intensity values only which will be highly sensitive to noise. In this article, an Intuitionistic FCM (IFCM) algorithm is presented for clustering. Intuitionistic fuzzy (IF) sets are generalized sets and their elements are characterized by a membership value as well as nonmembership value. This IFCM has an uncertainty parameter which is called hesitation degree and a new objective function is integrated in the standard FCM based on IF entropy. The IFCM will provide better performance than FCM for image segmentation.