分形理论在肝脏CT影像分割中的应用研究

针对肝脏CT影像的特点,提出了基于分形理论的分割算法。根据分形维数反映图像复杂程度的定义,通过计算两次突变的分维数,来确定图像的灰度值范围,并利用该灰度值范围确定阈值。并通过实验,表明利用分形维数所得到的阈值进行分割处理较传统方法有较大改进,且该方法计算的肝脏边缘分维数也为今后评价肝脏是否发生病变提供参考数据。     

一种基于数学形态学的分形维数估计方法

对于分形维数的估计是基于分形理论的纹理图像分割算法中最重要的环节。由于使用固定划分的规则网格，常用的基于盒计数的分形维数估计算法及其各种改进方法的误差较大；而传统的形态学维数估计算法虽然在准确性上有一定提高．但其时间复杂度偏高。为此提出了一种基于可变结构元的数学形态学分形维数估计方法(VSEM)。该方法将灰度图像视为一个三维空间中的曲面，使用一组不同尺度的结构元分别度量该曲面．根据度量结果与尺度之间满足的指数率来估计图像表面的分形维数。通过恰当的选择结构元和使用递推技术得到不同尺度下的膨胀结果，新方法成功地弥补了现有算法的不足。本文使用了一组合成纹理和一组自然纹理来评估几种常见的分形维数估计算法。结果显示，本文提出的新方法能够在较小的时间复杂度下，得到更为精确的估计结果。最后，将该方法应用于遥感图像的分割。与其他常用的分形分割算法相比，使用该方法估计的分形维数和图像的临域均值作为特征能够得到更好的分割结果。在对比分析和分割实验中表现出的良好性能说明本文提出的分形维数估计算法可以有效地应用于纹理图像分割。     

骨髓细胞显微图像的分形特征分析

为了更好地完成骨髓细胞图像的分类识别,在对临床血液学及细胞学图谱中的细胞图像进行切分的基础上,提出了一种基于分形维数和图像重心的算法,用来提取每一细胞图像的分维特征.由于图像的纹理不仅表现在图像结构上具有某种统计意义的相似性,还反映在彩色分布方面,因此,可从骨髓细胞的真彩色图像中提取一个新的彩色识别分量图像C,并与HIS彩色空间的饱和度分量图像S一起进行分维特征提取.实验数据表明,由于不同类型骨髓细胞图像的分形参数具有不同程度的差异,因此分形参数对于某些类别的骨髓细胞具有较好的区分能力.     

基于流形学习的彩色遥感图像分维数估算

目的 纹理特征提取一直是遥感图像分析领域研究的热点和难点。现有的纹理特征提取方法主要集中于研究单波段灰色遥感图像,如何提取多波段彩色遥感图像的纹理特征,是多光谱遥感的研究前沿。方法 提出了一种基于流形学习的彩色遥感图像分维数估算方法。该方法利用局部线性嵌入方法,对由颜色属性所组成的5-D欧氏超曲面进行维数简约处理;再将维数简约处理后的颜色属性用于分维数估算。结果 利用Landsat-7遥感卫星数据和GeoEye-1遥感卫星数据进行实验,结果表明,同Peleg法和Sarkar法等其他分维数估算方法相比,本文方法具有较小的拟合误差。其中,其他4种对比方法所获拟合误差E平均值分别是本文方法所获得拟合误差E平均值的26.2倍、5倍、26.3倍、5倍。此外,本文方法不仅可提供具有较好分类特性的分维数,而且还能提供相对于其他4种对比方法更加稳健的分维数。结论 在针对中低分辨率的真彩遥感图像和假彩遥感图像以及高分辨率彩色合成遥感图像方面,本文方法能够利用不同地物所具有颜色属性信息,提取出各类型地物所对应的纹理信息,有效地改善了分维数对不同地物的区分能力。这对后续研究各区域中不同类型地物的分布情况及针对不同类型地物分布特点而制定区域规划及开发具有积极意义。     

Feature selection using correlation fractal dimension: Issues and applications in binary classification problems

Feature selection methods can be classified broadly into filter and wrapper approaches. Filter-based methods filter out features which are irrelevant to the target concept by ranking each feature according to some discrimination measure and then select features with high ranking value. In this paper, a filter-based feature selection method based on correlation fractal dimension (CFD) discrimination measure is proposed. One of the subgoals of this paper is to outline some issues that arise while calculating fractal dimension for higher dimensional ‘empirical’ data sets. It is well known that the calculation of fractal dimension for empirical data sets is meaningful only for an appropriate range of scales. We demonstrate through experimentation on data sets of various sizes that fractal dimension-based algorithms cannot be applied routinely to higher dimensional data sets as the calculation of fractal dimension is inherently sensitive to parameters like range of scales and the size of the data sets. Based on the empirical analysis, we propose a new feature selection technique using CFD that avoids the above issues. We successfully applied the proposed algorithm on a challenging classification problem in bioinformatics, namely, Promoter Recognition.     

基于分形维数的纹理图像分割

纹理图发割过程一般分为特征抽取和特征划分,文中提出一种新的基于分形维数的纹理图像分割方法,在特征抽取上,以分形作为纹理特征,运用图像变换的思想,结合差分盒计数和基于分形布朗自相似模型的分形估计方法。     

基于加权方差的煤矸石X射线图像分形维数最优估计算法

传统方法对于煤矸石X射线图像分形维数估计存在单层次缺陷,提出了基于加权方差的煤矸石X射线图像分形维数最优估计方法。由局域窗口特征检测方法获取图像的二维边缘像素特征分量,取其最大值构成图像采集的像素特征量,实现对图像的特征分解。在此基础上,提取二值化图像边缘轮廓特征量,采用包络轮廓线分割方法超分辨融合煤矸石X射线图像,建立煤矸石X射线图像的模板匹配模型。采用多层次纹理重建方法,获取图像的活动轮廓多层次分布集,结合加权方差获取图像方差和标准差,将图像的分形维数估计方差和标准差输入图像的相关性检测模板匹配函数中,进行图像分形维数最优估计。仿真结果表明,采用该方法进行煤矸石X射线图像分形维数估计的精度较高,自适应性较好,提高了煤矸石X射线图像的识别和检测能力。     

一种基于相邻匹配的分形图像检索算法

分形码用来描述图像内跨尺度相似性冗余信息。通过分形码记录图像特征并将其用于图像相似度判断及图像检索。基于自适应四叉树分割方法,提出了图像快速分形编码方法。所提方法通过邻域内固定块的相似性判别快速提取分形码,减少了图像分割层次,缩短了编码时间并保证了图像解码质量。同时提出了一种新的快速判别图像间相似块的距离公式,提升了图像相似度判断的准确性。实验结果表明,相对于灰度直方图判别法,本算法大幅提高了图像检索的查全-查准率。相比于文献中的分形检索算法,本算法缩短了编码时间并降低了分割块数,从而提高了检索效率。     

基于布朗模型和小波变换的图像分形维数计算

函像分形维数是反映图像纹理特征的重要因素，也是图像分割的主要依据；通常，图像的分形维数多数采用盒维数计算方法来得到．但是避免不了计算时阚值选择带来不精确的问题，本文结合小波变换和布朗模型，提出了一种新的计算方法，并且和盒维数方法计算结果进行比较，结果表明，通过本文的计算方法得到的图像分形维数较准确。     

基于布朗模型和小波变换的图像分形维数计算

图像分形维数是反映图像纹理特征的重要因素,也是图像分割的主要依据;通常,图像的分形维数多数采用盒维数计算方法来得到,但是避免不了计算时阈值选择带来不精确的问题,本文结合小波变换和布朗模型,提出了一种新的计算方法,并且和盒维数方法计算结果进行比较,结果表明,通过本文的计算方法得到的图像分形维数较准确。     

面向对象的遥感影像最优分割尺度评价

遥感影像分割决定了后续分类的精度,鉴于目前分割技术评价的研究缺乏且局限于主观判断的现状,以定量方法确定最优分割尺度。利用Definiens平台面向对象的分割算法,将组成对象的像素灰度值的标准差作为衡量对象内同质性的标准,用与邻域的平均差分的绝对值作为对象间的异质性度量变量,同时考虑面积权重的影响;根据上述3个评价指标,在考虑多光谱影像的基础上,构造了平均分割评价指数;基于该评价指数,以优度实验法对QuickBird多光谱影像进行了研究,并确定了不同地物类型的最优分割尺度。最后,利用平均对象匹配指数对评价结果进行了验证,并对评价方法的可行性进行了探讨。     

一种新的网格重叠差分盒分形模型

分形维数一个最重要的特性是其维数大小与人眼感觉图像表面的粗糙程度有很大的相关性,分形在图像的纹理分析、图像的分割与分类等方面有着很多成功的运用。在基于分形理论提出的分形维数的佑计方法中,差分盒法是一种经常被使用的分形维数佑计技术。研究发现差分盒法对细致纹理的最小二乘法线性拟合度比较好,但是对较为粗糙的纹理其最小二乘法的线性拟合度不够理想,估计出的分形维数往往失真。为了解决这个问题,提出了一种网格重叠差分盒模型,用以计算差分盒的盒子数的网格在一定程度上重叠,计算整个图像统计自相似意义上的盒子数,其最小二乘法的线性拟合度比较好。为了进一步提高差分盒的盒子计数精度,提出了非整数盒子计数法,修正了缩放尺度,试验证明其能更真实地反映纹理的分形维数。     

Selection and Evaluation of the Optimal Scale in Multi-scale Segmentation of Remote Sensing Images

Multi-scale segmentation is the premise and key step of Object-Based Image Analysis (OBIA). The quality of multi-scale segmentation directly affects the accuracy of object-oriented classification. However, scale selection and evaluation remains a challenge in multi-scale segmentation. According to the fact that the optimal segmentation scale of the remote sensing image is closely related to the complexity of the objects of the image, a top-down method to select the optimal scale based on the complexity of segmented objects is proposed. In the top-down segmentation process, image features of each segmented object are extracted to construct the complexity function, and the optimal scale of each object is determined by setting a threshold value and iterating calculation. Then, the segmentation results with the best scale are obtained and applied to the ZY-3 satellite multispectral image and the GF-2 fusion image to obtain segmentation and classification results. Qualitative visual evaluation method, unsupervised evaluation method and supervised classification evaluation method were used to compare them with results obtained by the optimal single-scale segmentation and the unsupervised evaluation method. The experimental results show that the method can accurately obtain the scale matching with the ground targets, and improve segmentation effect and the classification accuracy, it is of practical value.     

Synergistic use of QuickBird multispectral imagery and LIDAR data for object-based forest species classification

This study evaluated the synergistic use of high spatial resolution multispectral imagery (i.e., QuickBird, 2.4 m) and low-posting-density LIDAR data (3 m) for forest species classification using an object-based approach. The integration of QuickBird multispectral imagery and LIDAR data was considered during image segmentation and the subsequent object-based classification. Three segmentation schemes were examined: (1) segmentation based solely on the spectral image layers; (2) segmentation based solely on LIDAR-derived layers; and (3) segmentation based on both the spectral and LIDAR-derived layers. For each segmentation scheme, objects were generated at twelve different scales in order to determine optimal scale parameters. Six categories of classification metrics were generated for each object based on spectral data alone, LIDAR data alone and the combination of both data sources. Machine learning decision trees were used to build classification rule sets. Quantitative segmentation quality assessment and classification accuracy results showed the integration of spectral and LIDAR data, in both image segmentation and object-based classification, improved the forest classification compared to using either data source independently. Better segmentation quality led to higher classification accuracy. The highest classification accuracy (Kappa = 91.6%) was acquired when using both spectral- and LIDAR-derived metrics based on objects segmented from both spectral and LIDAR layers at scale parameter 250, where best segmentation quality was achieved. Optimal scales were analyzed for each segmentation-classification scheme. Statistical analysis of classification accuracies at different scales revealed that there was a range of optimal scales that provided statistically similar accuracy.     

遥感影像多尺度分割中最优尺度的选取及评价

多尺度分割是面向对象图像分析技术的前提和关键,多尺度分割的质量直接影响着面向对象分类的精度,但尺度选择仍然是多尺度分割中的一个难题。针对此问题,根据遥感影像的最优分割尺度与影像上目标复杂度密切相关的事实,提出了一种自上而下基于分割对象复杂度选取最优尺度的方法。该方法在分割过程中,提取每一对象的影像特征构建其复杂度函数,通过设置阈值,经迭代计算来确定每一对象的最优分割尺度,进而得到具有全局最优尺度的分割结果,并将其应用于ZY-3多光谱数据和GF-2融合影像,得到分割和分类结果。并将其与单一最优尺度和非监督评价法的分割及分类结果进行比较,结果表明：该方法能够获取与地面目标相匹配的分割尺度,改善了分割效果,提高了分类精度,具有一定实用价值。     

基于超像素的多主体图像交互分割

目的 为解决多主体图像的交互分割问题,在保证分割效果的前提上,提高分割的效率,达到实时交互修改分割结果的目的, 提出基于超像素的图像多主体交互分割算法.方法 基于图像的超像素构造一个多层流网络,利用用户交互绘制的简单笔画给出多主体分割的指导信息.流网络的边权值保证利用图割算法将图像分割成多个部分后,每个部分代表图像的一个主体.允许用户交互给出标记,实时修改分割结果,直到得到满意的多主体分割.结果 通过实验显示,本文方法能得到的满意多主体分割结果,而且时间效率较高.对分辨率为449×275的图像,算法能在1 s内给出结果,满足实时修改的要求.结论 基于超像素建立的图规模较小,能大大减少图割算法的运行时间,达到用户实时交互添加新笔画信息,交互地修正分割结果的目的.利用超像素的边界信息,用户只需输入比较简单的笔画信息,分割算法就能得到正确的多主体分割结果.     

多尺度分形维的星载舰船显著性检测

目的 星上的舰船检测需要在资源和时间受限条件下实现快速检测,并且对目标的种类和尺寸缺少先验信息的指导,更多时候还需要实现一景图像中不同尺寸舰船的检测,因此,星上舰船检测要求检测方法具有一定的自适应性,从而实现星上多变的检测场景。方法 针对这一问题,提出了一种多尺度分形维的检测方法,可以实现一景遥感图像中不同尺寸舰船目标的检测。首先,针对差分盒算法受盒子尺寸约束的限制使分形维数的计算精度受到影响的问题提出了一种改进算法,改进算法增加了拟合直线的点对数目并引入了拟合误差剔除误差点对,提高了分形维特征计算的精确度。结果 在提高了分形维计算精度的基础上,新算法利用自然物体在不同尺度上具有的自相似性,通过多尺度分形维的计算并借鉴视觉显著性中c-s算子来排除背景对目标的干扰,突出舰船目标。实验结果表明,新算法能够有效检测出一景图像中不同尺寸的舰船,优于双参数CFAR算法的检测结果。结论 本文提出的多尺度分形维的检测算法可以实现对一景图像中不同尺寸舰船目标的检测,在保证一定检测率的同时有效降低了目标检测的虚警率。     

参考1维光谱差异的区域生长种子点选取方法

目的 区域生长法是遥感影像分割中常用的算法,该算法首先选取适当的像元作为生长的起始点（种子点）。现有的种子点选取方法存在种子点数目较多、效率低以及地物细节种子点不足等问题。针对种子点选取存在的问题,提出一种基于1维光谱差异的区域生长种子点的选取方法。方法 首先计算像元间1维（水平、竖直）方向上的光谱差异,然后选取光谱差异的局部极小值作为种子点,最后对种子点进行优选,得到区域生长的起点。结果 应用本文方法选取种子点,对高分辨率的IKONOS遥感影像进行了区域生长。将实验结果与分形网络演化方法及Kernel Graph Cuts方法的分割结果进行了目视对比,并且分别计算了3种方法所得分割结果的基元内部同质性和基元间相关性的评价指数。目视比较的结果表明,本文的种子点选取方法能够为区域生长提供具有代表性的种子点,得到了精细的分割结果。在定量评价上,本文方法也表现出了数值优势,各波段分割质量指数均提高15%以上。结论 提出的种子点选取方法能够为高分辨率遥感图像的区域生长分割提供具有代表性的种子点,产生精细的分割图像,对于地物细节有良好的分割效果,具有较高的实用价值。     

顾及面积和位置差异的高分遥感影像分割质量评价方法

高分遥感影像分割质量对面向对象分类精度有着重要的影响,良好的影像分割质量有利于得到较高的分类精度。对高分遥感影像分割质量进行评价,从而找到最优的分割结果就显得十分重要。通过对比参考对象和分割对象之间的面积和位置差异,提出了一种新的高分遥感影像分割质量评价方法。将该评价方法应用于GeoEye-1高分遥感影像分割质量评价,试验结果表明:该评价方法能客观地评价影像分割质量,所得到的最优分割结果与参考对象边界匹配程度高,有利于影像后续的分类。     

Segmentation of stick text based on sub connected area analysis

A new stick text segmentation method based on the sub connected area analysis is introduced in this paper.The foundation of this method is the sub connected area representation of text image that can represent all connected areas in an image efficiently.This method consists mainly of four steps:sub connected area classification,finding initial boundary following point,finding optimal segmentation point by boundary tracing,and text segmentaton.This method is similar to boundary analysis method but is more efficient than boundary analysis.