一种基于模糊聚类的快速图像分割算法

提出一种基于二维直方图加权的模糊c均值图像快速分割算法.通过将原图像和它的平滑图像相结合,构造一个二元组的“广义图像”,广义图像的直方图就是原图像的二维直方图.然后对此二维直方图进行塔形分解得到金字塔的上一层——顶层,相应地称原二维直方图为底层.最后,利用加权模糊c均值聚类算法分别对顶层和底层进行模糊聚类,从而实现对原图像的分割.实验结果与性能分析表明,该算法具有较高的分割速度和良好的抑制噪声的能力.     

一种改进的快速FCM图像分割算法

FCM算法对图像的模糊特征具有较强的鲁棒性,在图像分割方面得到了广泛应用。但FCM算法采用随机初始化聚类中心的方法,使算法在迭代次数上有一定的不确定性。为提高FCM算法的运算效率,提出一种基于确定初始聚类中心的快速FCM图像分割算法。用最大类间方差法多次划分图像的灰度区间,根据区间中像素点的灰度值来初始化聚类中心,以使其尽可能的接近最终分割的聚类中心,减少算法的迭代次数。实验结果表明,与传统的FCM算法相比较,改进后的算法可以通过较少的迭代次数及运算时间分割图像。且该算法可以应用于诸多采取随机初始化聚类中心的FCM相关的算法中,以提高算法的运算效率。     

一种新的快速动态阈值图像分割算法

简要讨论了固定阈值法、局部阈值法,对几种动态阈值分割算法做了分析研究,并提出了一种新的适用于荧光探伤的快速有效的自适应动态阈值分割算法．     

一种基于交互式快速水平集的阴影图像分割算法

因受光源等条件的影响,采集的原始图像常常存在着阴影,用传统的水平集方法分割图像,常把阴影误认为是目标．以带阴影的栗属（板栗）果实图像为例,提出一种交互式快速水平集方法实现图像分割．实验结果表明：该算法能够得到正确的阴影图像的分割结果,具有更佳的图像分割性能．     

一种基于显著特征的图像融合算法

充分利用小波变换的多分辨率分析特性,文章提出了一种基于显著特征的小波变换图像融合方法。首先对待融合图像进行小波分解,得到低频系数和高频系数;然后对低频系数提出了一种基于显著特征——空间频率的融合规则,对高频分量使用系数绝对值选大的规则进行融合;最后对融合后的低频系数和高频系数进行小波反变换得到融合图像。同时探讨了多聚焦图像中存在的虚假轮廓现象并提出了一种简便的定位方法。仿真实验表明,文中算法得到的融合图像在视觉效果上较传统算法及其一些改进算法有所提高,同时熵、标准差和互信息等客观评价指标值也得到了提高。     

一种新的图像分割算法

针对一类普遍存在的图像,采用具有生物学背景的交叉视觉皮质模型进行图像分割.将交叉视觉皮质模型所具有的符合人眼对亮度响应非线性要求的指数衰减的阈值机制,改进为适合图像分割处理的线性衰减的阈值机制,提出了线性阈值-交叉视觉皮质模型.同时采用改进的二维Tsallis交叉熵作为分割准则,可自动地确定交叉视觉皮质模型神经元的分割阈值以及循环迭代次数.实验表明,这种分割算法优于经典的OSTU算法和K-m eans算法,同时基于改进的二维Tsallis交叉熵准则优于基于二维最大Shannon熵准则、传统二维Tsallis交叉熵准则和一维最小Tsallis交叉熵准则.     

一种新的基于图论的图像分割算法

传统的基于图论的图像分割方法计算复杂度大,对图像亮度变化比较敏感,且分割效果有待提高.针对传统算法的不足,提出一种新的基于人眼视觉特征的图像阈值分割算法.该算法基于图论和归一化划分准则,并把对数图像处理模型(LIP模型)应用到图像处理中.同时,该算法综合考虑像素的灰度信息和空间位置信息,具有全局性,使分割目标比现有方法更为准确,且时间复杂度适中.实验结果表明,该算法不仅有效地分割出目标来,而且在图像亮度小幅度变化时,效果稳定可靠.     

一种基于PCNN的图像分割改进算法

为了实现脉冲耦合神经网络(PCNN)在图像分割过程中模型参数与迭代次数的少量化,提出了一种改进的PCNN快速图像分割算法.算法对PCNN模型进行了简化,将传统PCNN模型中恒定的连接系数与神经元所在像素点的像素值联系起来,去除了PCNN分割图像过程中的人工设置参数过程,并根据图像灰度统计特性,将动态阈值转变为恒定阈值,...     

一种生物启发的视觉显著模型

提出一种生物启发式的视觉显著模型,利用初级视皮层中的end-stopping机制来提取角点、边缘交叉点和线段端点等这些表征潜在显著物体轮廓的特征,将其与亮度、颜色和方向特征合并形成最终显著图。模型模拟了视觉信号从视网膜、侧膝体到初级视皮层的处理机制:首先根据视网膜和侧膝体特性,将图像分解为亮度和对立颜色通道;然后通过2D Gabor滤波模拟简单细胞感受野, Gabor响应振幅用于表示复杂细胞响应;最后V1层end-stopped细胞响应通过不同朝向的复杂细胞响应乘积来计算,V1层和侧膝体的输出共同构成自底向上显著图。公开数据集上的实验结果显示模型能够准确地预测人眼注视点,性能达到了自底向上模型的先进水平。     

求解图像分割模型的快速梯度投影算法

针对带约束条件的凸图像分割模型,提出一种快速数值实现算法。该算法在梯度投影算法的基础上结合了快速迭代收缩算法的加速收敛策略,利用正交投影处理不等式约束条件,避免了一般罚函数方法所带来的处罚项的不规则性;同时采用对偶方法来避免全变分项的非光滑性和高非线性性。实验结果表明了所提出算法的有效性和在收敛速度上的优越性。     

基于机器视觉的图像分割算法的研究

提出了一种自适应的局部阈值图象分割的算法,实验表明新算法能够自动而快速地对图像进行分割,该方法在织物缺陷检测应用,瑕疵检测率达到90％．     

足球机器人视觉图像分割算法

为提高机器人在比赛中对多目标提取及识别的准确度和效率,采用离线的自适应阈值颜色分类法,同时识别不同颜色的多个目标物,对颜色的变化有一定的适应性;然后用改进的数学形态学中的膨胀腐蚀算法对颜色分类后的图像滤波,该方法在保证图像处理效率的同时提高分割精度;最后使用种子填充法来实现同时分割和多目标特征提取,减少像素点遍历次数,提高算法效率。实验证明,通过上述方法可以使足球机器人适应一定的光照变化,准确快速地分割多个目标。     

一种基于色彩统计的图像分割算法研究

介绍了一种基于色彩统计的图像分割方法,该方法主要包括两步:色彩量化和区域分割.在第一步中,选择一种基于统计聚类的算法来实现色彩量化.将所有的图像像素以少数对应的色彩标记来代替,进而形成图像级别图.此方法的重点在第二步,对得到的图像级别图做出色彩标记分布和色彩直方图的统计,并据此来寻找种子区域,同时分析图像中的色彩特征,实现种子区域的快速增长和合并.实验结果表明,此分割算法在分割效果和计算时间上均有较好性能,可以将其应用于目前系统稳定性要求和用户需求都较高的图像检索领域.     

一种基于模型的自适应阈值分割算法

为了减少穷举式阈值分割方法中的重复计算，提出了连通域树（CCtTree)的结构与构造算法.在进行新阈值下的分割与连通域标记时，根据原阈值分割标记后得到的结果，结合新出现的连通域，以合并的方式得到新阈值分割下的连通域来减少多余的计算过程.给出了在CCTree中利用树搜索算法进行模型匹配区域搜索的方法.实际的图像库实验表明，在保证同样的模型匹配区域检出效果的基础上，基于CCTree的方法在运行时间上明显优于ETL，并能迅速有效地筛除重叠区域，获得更好的匹配区域.利用CCTree方法可以准确而快速地获得基于模型匹配的阈值分割结果.     

Chan-Vese图像分割模型的快速实现算法的研究

重初始化是水平集方法耗时的一个主要原因,通过将水平集函数与符号距离函数的偏差作为能量项引入C-V模型,以此来约束水平集函数成为符号距离函数,从而去掉了重初始化步骤。在检测多目标时,采用了曲线族代替单曲线作为初始曲线。在数值算法上,利用加性可操作分裂算子(AOS)消除了对时间步长的限制,可以选择大步长,从而加速了演化过程而且绝对稳定。实验结果表明,分割速度相对于经典的C-V模型有了很大的提高,而精度损失可以忽略。     

一种改进的MBNN图像分割算法

提出了一种改进的基于模型的神经网络(MBNN,model-based neural network)图像分割算法.采用马尔科夫随机场(MRF,Markov randomfield)对图像建模,将该模型融入MBNN,应用改进的最大期望值(EM,expectationmaximization)算法估计网络中MRF参数,采用预指定类别数技术减少网络计算量,最终实现图像分割.实验结果表明,该算法能够有机地将先验知识和图像局部统计相关性结合起来,从而有效地完成图像分割.     

一种图像分割算法的选择方法

提出了一种基于模糊联想神经网络图像分割算法的选择方法。通过树型小波变换提取图像特征,再用模糊联想分类神经网络将待分割图像划分为灰度图像或纹理图像,并根据分类结果确定分割算法。     

基于改进Mumfold-Shah模型的图像分割算法

针对传统图像分割方法中由于边缘模糊难以取得理想分割效果的问题,提出了一种基于改进Mumfold-Shah模型的图像分割算法.结合模糊C均值聚类算法对Mumfold-Shah模型进行改进,以提高图像的分割速度和分割的鲁棒性.实验结果表明:该算法具有可行性和有效性.     

一种基于图形界面的快速图像拼接算法

介绍了一个在图形界面中进行照片拼接操作的算法，在传统算法的基础上加入了一些重要的技巧和改进，具有快速、高效、准确率高、可以克服旋转误差的特点。