基于商空间理论的遥感图像分割

Sankar K.Pal等最近提出了一种基于"粗糙熵"的图像分割算法,主要是按照目标和背景这两大类对图像进行分割,不足之处在于不能满足多类目标提取的需要。为此,基于商空间的粒度分解和粒度合成原理,综合粗糙集和聚类算法对之进行改进。通过对遥感图像进行分割处理,证明了改进后算法的有效性。     

用于人像提取及半身像合成的生成对抗网络算法

利用生成对抗网络(generative adversarial network,GAN)进行标准上半身人像的合成,从普通人像照片中截取部分区域得到面部对齐后的标准化上半身合成图像,处理后的标准化人像实现了目标主体与背景的分离,可以有效地优化目标识别和分割算法的结果.图像的合成过程分为2个主要步骤,首先利用图像特征识别人脸并截取头部区域,然后以裁切后的头部区域为中心进行上半身人像的合成,得到人脸特征点及头部区域对齐后的上半身合成图像.该算法可以有效地从背景中分离人像区域,利用合成后的图像进行图像分割和评价,可以避免图像背景对于图像识别主体的干扰.通过自有数据集验证了该算法可以改善分割算法的精确度、召回率和F值,最终合成人脸图像的Facenet平均距离及标准差相比现有的人脸图像正则化算法均有减小,通过在CelebA及LFW等通用数据集上的验证测试,显示出算法具有良好的通用性和适应性,该算法可以广泛适用于人像照片的主体提取和人像合成,作为分割和识别等应用的前置步骤.     

基于商空间理论的遥感图像分割

Sankar K．Pal等最近提出了一种基于“粗糙熵”的图像分割算法，主要是按照目标和背景这两大类对图像进行分割，不足之处在于不能满足多类目标提取的需要。为此，基于商空间的粒度分解和粒度合成原理，综合粗糙集和聚类算法对之进行改进。通过对遥感图像进行分割处理，证明了改进后算法的有效性。     

图像分割中区域灰度重叠问题研究

通过对图像不同区域灰度强度重叠问题以及图像平滑与滤波概念差异的分析,发现图像平滑对于无噪声污染图像的分割具有抑制次要目标、加剧区域边界渐变的作用,认为对图像进行平滑处理可以减小区域灰度重叠,产生过渡区域便于图像中特定目标的分割。实验表明图像灰度重叠是实现正确分割的障碍,图像平滑可以消除或减弱它的影响。     

玉米茎切片图像的处理与分析

由图像序列进行三维重建,前期工作应包括图像的获取,灰度处理,二值化、图像的增强,锐化处理,图像的边缘检测和轮廓提取等。本文提出了多阈值分割及图像合成方法,利用多轮廓跟踪技术实现了提取并保存多目标区域轮廓的算法。     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

图像分割的商空间粒度原理

从商空间粒度理论角度分析图像分割概念,研究已有的图像分割方法,提出图像分割的商空间粒度原理．用商空间的三元组（X,f,Г）-（[X],[f],[Г]）来描述图像分割过程,阐述基于商空间粒度计算理论的图像分割原理及基于粒度分层、合成及其综合技术下图像分割的方法,并提出了基于粒度合成原理的复杂纹理图像的分割算法．该算法通过分别提取多纹理图像中纹理区域的方向性及粗细度特征,形成图像的不同粒度,然后根据粒度合成原则,对所形成的粒度进行合成,从而实现对纹理图像的分割,实验表明该算法对复杂纹理图像分割是有效的．     

基于多光谱的宫颈细胞图像迭代分割算法

详细介绍了一种基于显微多光谱宫颈图像的迭代分割方法,该方法将多光谱分析应用到宫颈显微图像分割中。由于显微宫颈细胞图像十分复杂,普通的分割方法不能解决分割问题,该文给出了一个较好的解决方案。算法首先对大量多光谱波段进行筛选,接着利用细胞的多光谱信息并采用迭代分割算法不断优化分割精度,经过大量实验证明算法具有分割速度快、精度高、算法稳定性好等特点。文中的多光谱波段的筛选对于利用多光谱手段进行其他图像分割都有很大的借鉴意义。     

参数化形态学梯度修正的水平集肝肿瘤分割

针对单一水平集算法处理低对比度或边缘模糊肝脏CT图像时,在梯度局部极小值区域或虚假边缘处常常会出现曲线停止演化现象的问题,提出了一种参数化形态学梯度修正的水平集图像分割方法进行研究.首先对图像进行形态学梯度变换,增强图像的对比度;然后以此为基础,在特定邻域内建立结构元素半径与梯度级的函数关系对图像进行梯度修正,增强目标边缘聚合度并去除图像噪声及非规则细节引起的局部极小值,同时减小目标轮廓位置的偏移;最后根据图像梯度信息运用水平集方法实现图像中单个或多个目标分割.实验结果表明,该算法有效地解决了标准水平集分割方法中存在的伪分割问题,能够对肝脏肿瘤进行较准确分割.     

基于最大类间方差的最大熵图像分割

最大熵分割算法对于目标与背景之间界限模糊的图像分割效果较好,但该算法对图像边缘的处理能力较差。最大类间方差分割算法对图像边缘的识别能力较强,但该算法对于目标和背景之间界限模糊的图像分割效果不好。针对上述问题,提出了一种基于最大类间方差的最大熵图像分割算法,该算法既能很好地对目标与背景之间界限模糊的图像进行分割,又能有效地识别图像的边缘。实验结果表明,本文所提算法对目标与背景之间界限模糊的图像的分割效果以及对图像边缘的识别能力均优于传统的最大类间方差算法和最大熵算法,且具有更好的有效性和鲁棒性。     

基于前视声呐的水下目标检测算法研究

水声目标检测就是从水声取目标信息并进行识别,而有效的水声标检测在现代化的海洋开发中有着十分重要的作用;首先,介绍了水声目标检测所采用的设备,以及该设备的工作方式,并搭建试验场景进行水声回波的采集;其次,对水声标检测算法进行了研究,比对不同的滤波算法可知,中值滤波方法的去噪效果更佳;进行了灰度直方图分析,对目标的灰度范围进行了增强处理;对图像分割算法进行了研究,设计了一种自适应迭代分割算法,对比其他方法有着更好的处理效果;对分割后的图像进行连通域查找,目标筛选,从而识别出待检测目标;试验结果验证了该水声目标检测算法在对水下目标的检测识别上的有效性。     

跨媒体信息检索中图像分割技术研究

图像处理和分析的关键步骤是图像分割。本文从图像分割的算法和原理着手,分别介绍了几种常用的图像分割技术:边缘检测法、域提取方法、阈值分割法和结合特定理论工具的图像分割法。并对各种算法进行比较分析,找出各种图像分割方法的优缺点和应用范围。     

一种图像背景更换方法的实现

针对相对复杂图像的背景更换问题,本文先运用模糊C均值聚类算法（FCM）对图像进行模糊分割。再根据模糊分类后的图像,本文设计了一种图像目标提取方法。实验表明,这种方法能还原模糊分类后的图像目标,并使背景部分更换成其他颜色,从而实现图像目标的提取。最后,设计了一种新的数据融合法将两种不同的合成算法结合起来,最终使目标图像与其他背景图像有机的合成在一起,从而实现图像的背景更换。     

一种复杂背景下的目标提取算法

针对目标与背景颜色接近,普通阈值处理算法不能有效实现图像分割的情况,提出了一种基于阈值处理的目标提取算法.首先对图像进行阈值处理得到目标,然后针对剩余像素进行二次阈值处理,最后第三次阈值处理在两次阈值处理后得到的目标总和中去掉被误提取的背景,得到了较好的分割效果.     

图像分割研究进展

至今提出的分割算法有上千种,而新的算法还在不断被提出。从图像分割实际应用的角度,或者从图像分割中使用的特定的理论工具的角度,可以对图像分割进行分类。Otsu算法、基于聚类的图像分割方法、运动分割、基于图论的图像分割方法和基于活动轮廓的图像分割方法是图像分割的主要研究领域,自然计算算法已成为图像分割新的研究热点。     

CBERS-1数据评价及在荒漠化监测中的应用

CBERS-1数据的单波段中存在斑点或条带噪音,可经过降噪处理部分解决;波段数据合成图像主要问题是波段间存在像元的水平位移,位移误差可通过波段配准来解决。通过对具有相似波段的TM数据进行比较,CBERS-1数据像元分辨率高于TM,合成图像对地物的判读更清楚,数据可应用于较大比例尺制图,但CBERS-1数据合成图像的色调不及TM鲜艳。经一定处理后的影像数据,建立解译指标,进行土地利用/覆被信息提取,获得了古浪项目区土地利用和荒漠化现状统计数据,结果表明,古浪县处于中度到重度荒漠化之间。     

基于图像显著性检测的图像分割

图像分割在许多图像处理和机器视觉问题中是一个非常重要的过程,是将一幅图分割成几个显著的区域,然而不能将其中最显著的目标直接分割出来,需要进一步处理。为此本文采用显著性检测的算法实现了对目标的分割。显著性区域检测可以应用于目标检测、图像检索、图像分割等机器视觉问题。使用杨等人提出的基于图论的流形排序算法检测显著性算法得到显著性图,再结合mean-shift分割算法,实现了对视觉显著性目标分割提取,可获得可观的图像分割结果,并将此算法应用到了森林火灾检测中,能对图像中的火焰部分进行有效的分割提取。     

Brovey图像融合在引大灌区土地覆盖调查中的应用

图像融合是目前广泛应用的一种增强图像信息的技术手段,其目标是将不同几何和不同质的图像通过某种数学和物理变换生成相同几何或另一种均质的新图像。以引大灌区土地利用调查为例,针对灌区的土地类型特点以及对空间分辨率的要求,选择SPOT全色波段和TM多光谱波段,利用Brovey图像融合方法进行图像融合,以获得10m空间分辨率的假彩色合成图像。同时,对融合的图像进行精度验证,保证图像应用的可行性。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

序列图像中的目标区域跟踪算法的设计

在测量高炮在基于雷达信号对飞行目标的自动跟踪精度时,采用的是在火炮身管上安装摄像机,然后对所摄取的图像进行处理并最终测算出跟踪精度.此种情况下,摄像机和目标均处于运动状态,对所获得的序列图像,分析了其特点,首先对图像进行滤波降噪,然后对图像进行了分割并使用数学形态学算法修正了分割结果的形态,基于图像中区域的特征,最后设计了一个自动跟踪图像序列中目标区域的算法,给出了判断是否发生误跟踪的标准,并对跟踪错误的情况进行了处理.根据对实际图像序列中目标区域的跟踪结果验证,本算法是可行的.