基于图论阈值算法的图像分割研究

为了提高阈值分割图像的质量,提出了采用图论阈值算法。首先,构造图论和图像的映射函数关系,每个顶点通过点来映射,每条边通过线来映射。用基于区域属性的图像边缘决策表,不同像素点或不同组像素点之间的灰度特征差作为权重系数,通过基于决策属性权重来构造像素联系图;然后,采用聚类法计算像素到目标类和背景类的相似程度,最小生成树策略解决伪割集问题;最后,给出图像阈值设定以及算法流程。实验仿真表明,本文算法的分割图像效果清晰,消除了图像分割中存在的过合并和欠合并现象,本文算法的信息熵为28.780 3bit,处理时间为1.454 3s。满足分割结果中对执行时间少、信息含量大等要求。     

基于图论最小割集算法的图像分割研究

为了提高图像分割的质量,采用图论最小割集算法进行了研究。首先将图像中的像素点映射为图论节点,节点权值通过平衡因子与共享最近邻节点数的比率计算;然后基于最小化能量方程建立图像最小割集,提取分割块内的灰度值作为块特征向量,用最小生成树对图分割;接着用判定函数判断临近区域是合并或者分割;最后给出了算法流程。结果表明,该算法可以分割出目标信息,并且算法鲁棒性好、峰值内存小。     

基于图论最优二叉树算法的图像分割研究

为了提高分割图像的质量,采用图论二叉树算法。首先建立像素点之间对应图论节点边权值,通过最小生成树边权值确定最优分割阈值,将边长大于最优分割阈值的边断开;然后用两个区域之间的不相似关系函数确定最佳分割区域;接着对分割区域合并判断;最后给出算法流程。实验仿真显示本文算法分割图像效果好,不受外界特性影响,分割后图像区域内部均匀性最大。     

基于图论的图像分割算法的分析与研究

介绍了当前几种主要的基于图论的图像分割方法并加以比较.在已有算法的基础上,提出了几点重要改进用以解决白细胞分割的问题.实验中得到了比已有算法更接近人眼视觉的分割结果并大大减少了算法的运算量.     

基于改进FCM的舌诊图像分割算法研究

针对模糊C-均值（FCM）算法聚类效果易受初始簇心的限制而陷入局部最优解的现象开展了深入研究,提出一种改进的FCM聚类算法,用于彩色舌象的分割。首先用粒子群优化（PSO）算法优化生成初始隶属度矩阵,以便于搜寻全局最优点作为初始聚类中心,其次用闵可夫斯基距离计算样本到聚类中心的相似度,代替欧氏距离作为改进后的目标函数。实验结果表明,所提出的改进算法收敛速度快且聚类效果更好,提高了聚类效果以达到更高的分割精度,比传统的图像分割效果好。     

基于FCM聚类的X光图像分割算法

本文采用FCM聚类算法实现了对X光图像的分割,在分割过程中利用直方图数据简化了运算并设定聚类初始值,根据分割对象的特点,采用一维的灰度特征值实现分割,取得了比较理想的分割效果.     

基于粒度分层技术与FCM算法的图像分割

文章提出了一种高效快速地实现图像分割的方法。该方法采用自适应像素梯度法进行图像预处理,能有效地消除噪声,保留细小纹理,突出图像边缘。该方法基于粒度分层技术与模糊C均值聚类算法实现图像分割,基于粒度分层技术进行粗粒度划分,得到最佳粗粒度层;在此层上进行FCM算法,通过建立目标函数,构建模糊矩阵,确定聚类中心,实现一系列迭代优化;最后进行细粒度划分,并选出最佳细粒度层,达到目标图像与背景分离的分割效果。仿真实验证明分割效果高效且快速。     

基于改进FCM聚类的网孔织物图像分割算法

网孔织物疵点检测的关键在于将网孔从复杂的背景 中完整分割,网孔分割粘连和残缺 都会导致网孔分割正确率较低。针对网孔织物图像对比度低和织物经线交界处存在阴影导致 分割结果中出现网孔粘连和残缺等问题,本文提出一种改进的FCM(fuzzy C-means)聚类分 割 算法。首先,为了解决直方图均衡化算法处理图像后信息熵减少和对比度不足等问题,建立 灰度变换曲线提高图像质量。其次,建立十字滤波器使织物像素点选择性地沿着织物经线方 向取灰度平均值以增加织物经线交界阴影处像素点的灰度值。最后,为了再次提高网孔分割 精度,利用FCM算法提取的隶属度矩阵和双阈值分类法对分割不确定性较高的像素点重新分 类。实验结果表明:本文算法分割效果良好,有效增强网孔交界处像素点的灰度值并解决分 割结果中网孔粘连和残缺等问题,网孔分割正确率约为96%。     

基于改进抑制式FCM聚类算法的图像分割

在抑制式模糊C-均值聚类算法中,由于对隶属度的修正只考虑了隶属度的相对值,而没有考虑其绝对值,影响其聚类效果。针对其不足,提出了一种改进的模糊C-均值聚类算法。算法中,值的选择由所修正的隶属度的大小来确定。实验表明,该算法能获得较好聚类的效果。     

多分辨率图像锥的FCM聚类图像分割算法

模糊C-均值（FCM）聚类算法是一种基于像素分类的图像分割方法，在分割的过程中，仅仅利用了像素点的灰度信息，但在灰度密度丰富变化和图像的对比度不明显的情况下，物体和背景的分布将相互重叠而密不可分，往往得不到满意的分割效果。为了解决上述问题，现提出了一种基于多分辨率图像锥的模糊C-均值聚类图像分割算法。该方法利用多分辨技术产生多分辨率图像锥，将图像从空间信息引入，考虑图像的局部特性，使分割算法局限于图像的子图像中，物体和背景比单纯运用FCM更容易区分，且算法稳定性高，速度快。     

基于核自组织映射与图论的图像分割方法

为了对以特征聚类为基础的图像分割方法进行目标优化并提高分割性能,提出了一种核自组织映射与EGB(efficient graph-based)算法相结合的自适应分割方法。将依据信息理论推导出的核自组织映射应用于图像分割,使得图像经映射聚类后,同一分类内像素的相似度最高且信息熵最大,不同分类间的互信息最小,从而得到最符合图像分割目标的聚类效果。将聚类得到的区域进一步用改进的EGB算法自适应地进行合并,既充分结合了像素的空间特性,又能克服EGB算法的不足,可获得非常准确的分割结果。在综合分析多种图像分割评价方法的基础上,选取了一些量化指标对分割结果进行客观评价。实验及分析结果表明,本文的分割方法准确可靠,其图像分割结果的量化评价指标明显优于EDISON方法。     

基于粒子群算法的图像分割

文章对基于粒子群算法的图像分割进行研究。图像分割是在一个复杂的参数空间寻找最优分割参数。各种智能优化算法可以对复杂的非线性多维数据空间进行快速有效的计算,它不仅可以得到全局最优解,而且会使计算时间大大缩短。智能优化算法用于图像分割的关键是求解最优阈值。最优阈值的选取就是将智能算法作为优化工具,采用迭代的方式计算在某准则下目标函数的最优值,从而求解出分割图像的最优阈值。其中,粒子群算法是经典的智能优化算法之一。     

基于时空混沌的图像分割算法

为了实现图像的自适应多级分割,利用混沌动力学系统对初值的敏感性和时空混沌中全局耦合映像混沌同步的特点,提出了一种新的基于时空混沌的图像分割算法.新算法对每个灰度等级构建全局耦合映像,建立灰度等级间关系矩阵和灰度等级更新模型,通过全局耦合映像混沌同步过程完成灰度等级的自适应聚类.实验结果表明:算法对中间类灰度等级聚类具有很好的鲁棒性,分割过程不需要人工干预,并且具有较强的灵活性,优于阈值分割和边缘检测的图像分割方法.     

基于小世界模型和图论的图像去噪

提出了一种基于图论的偏微分方程(PDE)图像去噪方法。在构造图的拓扑结构过程中,引入了小世界模型,降低图的直径,加快算法的收敛速度。同时,评估了图的权重函数中最优参数的选取。最后,用图的拉普拉斯矩阵和图上的热扩散方程实现图像的去噪。仿真实验结果表明,本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在去噪性能和算法收敛速率上优于其它的PDE去噪方法。     

基于图匹配网络的小样本违禁物品分割算法

自动化安检技术是维护公共安全、提升安检效率的一项有效措施。在实际场景中很难获得充足的违禁品标注样本用于神经网络的训练,并且在不同场景和安全级别下违禁品的类别也有所不同。为解决基于神经网络的违禁品检测方法所面临的样本不均衡问题,以及避免模型在分割新的违禁品类别时需重新训练的现象,文中提出一种基于图匹配网络的小样本违禁物品分割算法。文中模型将测试图像与参考图像并行输入到图匹配网络中,并根据匹配结果从测试图像中分割出违禁品。所设计的图匹配模块不仅从图间节点的相似性考虑匹配问题,并利用DeepEMD算法建立全局概念,进一步提高测试图和参考图的匹配结果。在SIXray数据集和Xray-PI数据集上的实验表明:本模型在单样本分割任务中得到36.4%和51.2%的类平均交并比,分别比目前先进的单样本分割方法提高2.5%和2.3%。由此表明所设计的算法能有效提升小样本X光图像分割算法的精确度。     

结合天空区域分割的图像去雾算法

针对现有去雾算法在天空区域易失真和复原图像整体偏暗的问题,提出一种结合天空区域分割的图像去雾算法.该算法首先利用图像局部香农熵将原图像分割为天空区域与非天空区域;然后对相应的透射率分别进行求取,并利用快速引导滤波对最终的透射率进行细化处理,再采用四叉树搜索算法求取大气光值,最后利用暗原色先验模型恢复出无雾图像;另外对于整体偏暗的复原图像,则利用改进的局部对比度保留的非线性增强方法进行亮度调整.实验结果表明,与其它去雾算法相比,所提算法能更有效地复原图像;复原后的图像无颜色失真和光晕效应,而且清晰度和亮度更佳,整体视觉效果更加符合人眼视觉特性.     

基于遗传算法的图像阈值分割的研究

图像分割是实用性很强的图像处理技术,也是各种图像处理工作的基础。图像分割方法中的阈值分割法能根据一定的阈值选取准则快速、简单地实现图像分割。文中将标准的遗传算法与OTSU法相结合应用于图像分割中,有效解决了传统OTSU法高耗时性的缺点,提高了系统的运行速度,是图像分割问题中一种新而有效的方法。     

基于改进C-V模型的图像分割算法

提出一种新的模型——Chan-Vese模型,该模型是基于曲线演化、水平集方法、局部的统计信息,新模型包括两个方面:局部核心函数和惩罚项.引入局部统计信息后的新模型可以对非同质图像进行有效的分割.另外,核心函数中加入惩罚项,可以有效避免水平集函数初始化,缩短模型演化时间.通过实验的仿真结果发现,新模型在对非同质图像进行分割时得到了良好的结果.