模糊聚类协作区域主动轮廓模型医学图像分割

医学图像分割的研究对于医学影像发展具有重要意义.区域主动轮廓模型(CV)易受目标和背景区域面积比的影响,且对初始位置敏感.针对上述现象,本文提出一种模糊C-均值聚类(FCM)协作改进CV模型的图像分割算法,即FCM-CV算法.首先在CV模型中增加能量权值函数消除面积比的影响,然后用FCM粗分割结果指导设定改进CV模型零水平集的初始位置.实验结果表明,与CV模型和局部二值拟合模型(LBF)相比,FCM-CV算法消除了面积比对分割精度和效率的影响,具有更好的数值稳定性,且对初始位置不敏感,提高了图像分割的准确性.     

基于马尔科夫随机场的纹理图像分割方法研究

本文提出了一种改进的基于马尔科夫随机场(MRF)模型的纹理图像分割方法。利用分数阶微分运算对图像纹理细节和边缘轮廓信息的敏感性,将其引入图像纹理特征提取过程中,以获得完备的图像纹理信息,可以弥补传统算法中MRF特征场对图像纹理信息描述不足的缺陷。此外,为准确划分图像中不同的纹理区域,利用模糊熵准则对分割结果进行进一步优化,以降低噪声干扰、减少区域内错分点。实验证明,本文所提出的改进方法可以完善地提取图像的纹理细节和边缘轮廓信息,有效提高分割的准确性,改善分割图像的视觉效果。     

结合Retinex校正和显著性的主动轮廓图像分割

为了实现对亮度不均匀和含有复杂背景自然图像的快速准确分割,本文提出一种结合Retinex校正和显著性分析的主动轮廓分割模型。通过引入Retinex校正,获取图像中物体本身的反射分量,可以抑制由非均匀光照带来的亮度不均影响;另一方面,经过Retinex校正后的图像更加客观地反映图像的本质,确保了后续显著性信息提取的精确性,使其更具实际指导意义。将显著性信息引入到主动轮廓模型之中,有助于对含有复杂背景的图像进行有效分割。结合Retinex校正和显著性信息,得到新的主动轮廓模型能量方程,运用水平集方法指导曲线演化,达到图像分割的目的。通过实验分析,本文提出的主动轮廓模型可以实现快速、有效及鲁棒的图像分割。在MSRA数据库上平均处理速度为4.277秒/幅,F均值达到0.735。     

基于多尺度水平集的MR图像海马区分割方法

针对MR图像中海马区存在灰度不均匀性,基于区域动态轮廓的C-V模型只利用区域信息无法获得准确的海马区分割问题,结合多尺度边缘约束的演化思想和图像区域的全局信息,提出了一种结合边缘和区域信息的多尺度水平集MR(magnetic resonance)图像海马区分割方法.首先,在C-V模型的基础上采用内部约束能量项,消除水平集的重初始化,提高分割速度;其次,改进水平集函数中外部能量项的图像区域全局信息,解决由于灰度不均匀所引起的分割不准确问题;最后,在水平集函数的外部能量项中加入基于多尺度图像边缘的梯度信息,作为边缘约束停止项,使分割效果达到优化.实验结果表明,该算法对存在灰度不均匀性的图像海马区分割速度快、准确率高.     

一种无监督的遥感图像分割新算法研究

由于遥感图像中存在边缘混叠和斑点噪声等问题,基于经典的马尔科夫随机场模型的分割算法效果并不太理想.本文针对遥感图像分割中某些像素分类的不确定性,将模糊MRF模型引入遥感图像分割领域,构造了基于MAP-FMRF的分割框架,提出了新的模糊MLL模型,在充分结合空间信息的同时利用灰度和纹理共同构造特征空间,以修正的EM算法结合SA算法获取全局最优解,实现无监督分割,实验对比证明该方法准确率更高.此外,文中还设计了一种新的优化方案以提高分割的效率.     

结合概率密度函数和主动轮廓模型的磁共振图像分割

为了提高大脑磁共振图像的分割精度,提出了一种新的图像分割算法。首先,分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点,联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后,利用遗传算法和最大期望算法获取概率密度函数的参数值。最后,利用水平集方法和梯度下降流法,对获得的能量函数进行最小化,从而得到最终的分割结果。与传统方法相比,本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化,能有效区分具有相近灰度值的不同区域,从而提高了大脑磁共振图像的分割精度。     

增强型金枪鱼群优化指数熵的砂粒显微图像分割

砂粒显微图像分割可以辅助地质评估,但因其种类繁多,特征复杂,为分割的准确度带来了挑战。针对该类图像提出一种增强型金枪鱼群优化指数熵的分割方法（ETSO-EXP）,可以有效保留各类砂粒的纹理特征。首先,针对金枪鱼群优化算法（TSO）在全局搜索与局部开发上的若干不足,提出了混沌扰动策略、动态权重策略和余弦干扰策略对其增强,基准函数实验表明ETSO大幅提高了收敛精度,小幅提高了收敛速度。其次,将ETSO用于确定EXP的分割阈值,以分割图像的信息量为标准验证了该方案的可行性。最后,在雅鲁藏布江砂粒显微图像数据集上进行分割实验,与TSO-EXP相比,ETSO-EXP分割的图像在峰值信噪比、结构相似性、特征相似度和寻优速度的评估上分别达到了18.78%,6.85%,4.16%和3.83%的提升,在同类分割方法中性能最优。结果表明,分割方法 ETSO-EXP对于对比度较高、纹理丰富或砂粒碎屑尺寸差异较大的图像都具有较高的分割精度和计算速度。     

基于卷积神经网络的光学遥感图像检索

提出了一种基于深度卷积神经网络的光学遥感图像检索方法。首先,通过多层卷积神经网络对遥感图像进行卷积和池化处理,得到每幅图像的特征图,抽取高层特征构建图像特征库;在此过程中使用特征图完成网络模型参数和Softmax分类器的训练。然后,借助Softmax分类器在图像检索阶段对查询图像引入类别反馈,提高图像检索准确度,并根据查询图像特征和图像特征库中特征向量之间的距离,按相似程度由大到小进行排序,得到最终的检索结果。在高分辨率遥感图像数据库中进行了实验,结果显示:针对水体、植被、建筑、农田、裸地等5类图像的平均检索准确度约98.4%,增加飞机、舰船后7类遥感图像的平均检索准确度约95.9%;类别信息的引入有效提高了遥感图像的检索速度和准确度,检索时间减少了约17.6%;与颜色、纹理、词袋模型的对比实验表明,利用深度卷积神经网络抽取的高层信息能够更好地描述图像内容。实验表明该方法能够有效提高光学遥感图像的检索速度和准确度。     

基于区域划分的多特征纹理图像分割

由于纹理图像的复杂性和多样性,仅依靠传统的单一特征实现纹理图像分割无法满足其对分割精度的要求。本文提出结合区域划分的多特征纹理图像分割方法。首先,依据像素灰度的空间相关性定义多个纹理特征;然后利用区域划分将图像域划分成不同子区域,待分割同质区域由这些子区域拟合而成;通过分别定义多个特征图像的同质区域之间的异质性势能函数和刻画各子区域邻域关系势能函数来定义全局势能函数,并构建非约束吉布斯概率分布,从而建立纹理分割模型;最后,采用M-H算法采样上述概率分布,从而获得最优图像分割结果。分别对模拟纹理图像、遥感图像、自然纹理图像和SAR海冰图像进行了分割实验,并与利用单一特征得到的分割结果进行对比分析,定性和定量的测试结果验证了算法的有效性。     

视觉显著目标的自适应分割

基于视觉注意模型和最大熵分割算法,提出了一种自适应显著目标分割方法来分离目标和复杂背景,以便快速准确地从场景图像中检测出显著目标。首先,通过颜色、强度、方向和局部能量4个特征通道获取图像的显著图;通过引入局部能量通道来更好地描述了显著目标的轮廓。然后,根据显著图中像素灰度的强弱构建不同的目标检测蒙板,将每个蒙板作用于原图像作为预分割的结果,再计算每个预分割图像的熵。最后,利用最大熵准则估计图像目标熵,根据预分割图像的熵和目标熵判断选取最优显著目标分割图像。实验结果表明：本文算法检测的显著目标更为完整,分割性能F-measure达到0.56,查全率和查准率分别为0.69和0.41,相对于传统方法更为有效准确,实现了在复杂背景下对显著目标的有效准确检测。     

彩色遥感图像的亮度直方图局部线性化增强

针对遥感图像能量低的实际问题,提出了一种亮度直方图局部线性化图像增强方法来提高彩色遥感图像的可视效果。首先,对RGB模型描述的彩色遥感图像进行HSI变换,以有效分离H、S和I分量;其次,对亮度I分量进行传统的直方图均衡化,得到均衡化灰度映射曲线;然后,将图像梯度作为目标函数,求出最优的线性化折点位置,对灰度低端动态范围映射曲线进行线性化处理,得到局部线性化的灰度映射曲线;最后利用新的灰度映射曲线对图像进行增强处理。Himawari-8真彩色图像增强实验结果表明,经亮度直方图局部线性化增强后,像素平均梯度由73提高到了147,较传统的RGB域直方图均衡化的123及HSI域直方图均衡化的134高;图像信息熵由5.87提高到6.63,全部优于传统的RGB域直方图均衡化和HSI域直方图均衡化。本文方法有效地改善了彩色遥感图像的可视效果,提高了图像对不同目标的辨识能力。     

多相水平集协同空间模糊聚类图像多目标分割

图像多目标分割的研究对于机器视觉发展具有重要意义。多相水平集模型(Multiphase level set, MLS)对零水平集函数初始位置和噪声敏感,当初始位置不适宜、噪声较大时无法准确分割多目标。针对上述问题,提出一种多相水平集模型协同空间模糊C-均值聚类(Spatial fuzzy C-means, SFCM)的图像多目标分割算法,即SFCM-MLS算法。首先用空间模糊聚类获取图像多目标粗分割结果,然后用粗分割结果定义多相水平集模型的初始水平集函数对图像做精分割。针对人脑磁共振成像(Magnetic resonance imaging, MRI)图像和患有肿瘤的肝脏计算机扫描断层图像多目标分割试验结果表明,与经典多相水平集模型相比,SFCM-MLS算法对初始位置不敏感,提高了图像多目标分割的准确性。     

基于灰度线性建模的亚像素图像抖动量计算

为了解决凝视遥感云场景序列图像的亚像素抖动量求解问题,提出了基于灰度线性建模的亚像素序列图像抖动量计算方法。首先,利用三参数线性模型描述像素及邻域灰度,提出了一种图像灰度的线性建模方法。其次,以序列帧图像相对参考帧图像的抖动量作为线性模型中的优化变量,以参考帧图像与序列帧图像之间的相似性为优化目标,建立了亚像素抖动量解算的最小二乘优化方法,并推导得到了解析计算公式。最后,利用云场景序列图像进行了算法仿真验证。结果表明,该方法抖动量的计算误差小于0.1pixel。将该方法与传统基于特征点的配准算法进行了比较,结果显示该方法具有较高的抖动量计算精度,可应用于遥感图像几何定标、目标定位以及时序图像中目标多帧关联检测等。     

结合目标提取和压缩感知的红外与可见光图像融合

针对红外与可见光图像融合易受噪声干扰从而使目标信息减弱的问题,提出了一种基于目标区域提取和压缩感知的融合算法。首先,在频率域上对红外图像进行显著区域检测得到其对应的显著度图,并在显著图指导下结合区域生长法提取红外图像的目标区域,有效抑制噪声与复杂背景的干扰。然后,用非下采样剪切波变换对待融合的图像进行分解,采用不同的融合策略分别对目标与背景区域的高、低频子带进行融合。针对背景区域提出一种新的基于多分辨率奇异值分解和压缩感知的融合规则,最后,进行非下采样剪切波逆变换得到融合图像。与其他算法的对比实验结果表明,本文算法能更好地突出目标区域,保留图像细节信息,抑制噪声干扰;图像质量评价指标中的信息熵、标准差、互信息、边缘保持度分别提高了3.94%,19.14%,9.96%和8.52%。     

基于区间二型模糊模型的高分辨率遥感影像分割方法

为了解决高分辨遥感影像分割过程中存在的类属和分割决策不确定性问题,提出一种基于区间二型模糊模型的监督分割方法。利用高斯函数建立影像分割一型模糊模型,其模糊隶属度表征像素类属不确定性;为了改善一型模糊模型隶属度对类属不确定性的表达以及增强分割决策的准确性,分别采用均值和方差扩展方法在上述一型模糊模型基础上构建区间二型模糊模型;综合利用一型模糊模型隶属度及二型模糊模型隶属区间等信息实现分割决策。提出算法和经典算法对合成影像、World View-II和IKONOS全色影像进行分割实验,定性和定量的分析结果表明提出算法具有更高的分割精度。     

An in-depth study of tool wear monitoring technique based on image segmentation and texture analysis

We present a new micro-vision system for tool wear monitoring, which is essential for intelligent manufacturing. The tool wear area is divided into regions by a watershed transform, then subjected to automatic focusing and segmentation. The individual pixel gray values in each region are then replaced with the corresponding regional mean gray value. A hill climbing algorithm based on the sum modified laplacian (SML) focusing evaluation function is used to search the focal plane. In addition, we implement an adaptive Markov Random Field (MRF) algorithm to segment each region of tool wear. For our MRF model, the connection parameter value is adaptively determined by the connection degree between regions, which improves image acquisition of more integral tool wear areas. Our findings suggest that automatic focusing and segmentation of the tool wear area by region (within the tool wear area) enhance accuracy and robustness, and allow for real time acquisition of tool wear images. We also implement a complementary tool wear assessment procedure based on the surface texture of the workpiece. The optimal texture analysis window is determined using the entropy metric – a texture feature generated using a Gray Level Co-occurrence Matrix (GLCM). In the best texture analysis window, entropy remains monotonic as tool wear increases, demonstrating that entropy can be used effectively to monitor tool wear. Information from combined measurements of tool wear and workpiece texture can reliably be used to monitor tool wear conditions and improve monitoring success rates.     

高分辨率遥感影像的平原建成区提取

通过分析高分辨率遥感影像中平原建成区的纹理特征和局部关键点特征,提出了基于多核学习、多尺度分割以及多假设投票的平原建成区提取方法。该方法利用MR8纹理特征和尺度不变特征变换(SIFT)算法提取建成区,融合多个特征进行学习和分类,从而加强了分类器的鲁棒性和稳定性,提高了检测准确率。该方法还通过超像素分割和多假设投票将基于图像块的判别结果转化为基于像素的检测结果,完全消除块状效应,使得目标区域具有准确的边缘和形状。在多幅GF-1卫星遥感图像上进行测试,结果显示:提出方法的平均检测精度为80%,平均召回率高于85%,平均F值可达80%以上,综合指标高于其他方法,验证了提取平原地形建成区的可行性和准确性。由于建成区提取结果已精确到了像素级别,同时避免了漏检和误检,提取出的建成区影像很准确。     

基于二维对称Tsallis交叉熵的小目标图像阈值分割

现有的阈值分割方法应用于目标与背景面积相差悬殊的小目标图像时,几乎都失效.为此,提出了基于对称Tsallis交叉熵及背景与目标面积差的小目标图像阈值分割方法.对称Tsallis交叉熵准则能确保准确分割时目标和背景内部的灰度均匀,而背景与目标面积差可抑制均等分割的趋势,二者综合构成了更为合理的阈值选取准则函数.首先导出了一维阈值选取公式;然后经推广得到基于二维斜分对称Tsallis交叉熵及背景与目标面积差的阈值选取公式,给出了其快速递推算法及相应的简化方法.大量实验结果表明:与目前性能较优越的二维斜分Otsu、最大熵、非对称交叉熵阈值分割方法相比,所提出的方法在小目标图像分割效果上具有极为明显的优势.