基于马尔科夫随机场的图像分割算法

该文整合纹理方面的信息,实现了基于马尔科夫场(MRF)的图像快速分割。通过图像纹理特征利用Gabor滤波器数据特征分量,通过马尔科夫算法将像素分类获得分割结果。     

高效的验证码识别技术与验证码分类思想

验证码图片是论坛类网站用以阻止自动化程序恶意行为的重要人机区分技术,其设计和实用安全性直接涉及到互联网的正常使用。为研究国内验证码实用安全性,设计实现一种验证码识别算法模型,对国内的论坛验证码类型进行了实验和分析。实验结果表明,实用中的验证码识别率通常在50%以上,某些甚至达到100%,难以起到对自动化程序的阻碍作用。从实用角度将验证码分为4类,发现最佳的一类基本是空白的,表明验证码实用技术还应做较大改进。     

基于图像片马尔科夫随机场的脑MR图像分割算法

传统的高斯混合模型（Gaussian mixture model,GMM）算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科 夫随机场（Markov random field,MRF）模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图 像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马 尔科夫随机场图像分割模型,对邻域内的不同图像片根据相似度赋予不同的权重,使其在克服噪声影响的同时能 保持图像细节信息.同时,采用KL距离引入先验概率与后验概率关于熵的惩罚项,并对该惩罚项进行平滑,得到 最终的分割结果.实验结果表明,算法具有较强的自适应性,能够有效克服噪声对于分割结果的影响,并获得较高的分割精度.     

基于PIL滤波计算去噪算法的验证码识别

验证码图片是互动应用系统用以阻止自动化程序恶意行为的重要人机区分技术,其设计和实用安全性直接涉及到应用系统的正常使用。为研究国内验证码实用安全性,设计实现一种验证码识别算法模型,对国内的验证码类型进行了实验和分析。实验结果表明,实用中的验证码识别率通常在50%以上,某些甚至达到100%,难以起到对自动化程序的阻碍作用。表明验证码实用技术还应做较大改进。     

基于马尔科夫随机场的改变势函数的SAR图像分割

随着合成孔径雷达(Synthetic aperture radar)技术的发展,合成孔径雷达技术常应用于地表检测、灾害检测、环保检测工作等方面.SAR图像的分割处理也变得尤为重要.因为马尔科夫随机场(Markov Random Field)结合了邻域像素的空间相关性,所以基于MRF的图像分割法在SAR图像方面得到了广泛...     

基于马尔科夫随机场的炉膛火焰图像分割

提出一种基于马尔科夫随机场模型的火焰图像分割算法。将由系统装置获取的原始火焰图像从RGB空间变换到HSV颜色空间,以提取颜色特征。分别对原始图像建立Potts标记场模型和有限正态混合观测场模型(FGMM),结合颜色特征,运用贝叶斯估计和ICM算法,计算最大后验概率(MAP),并完成图像分割。实验证明,该算法可以有效地分割炉膛火焰图像,为之后的工作奠定了基础。     

基于卷积神经网络的图像验证码识别

验证码作为一种安全手段,被广泛应用于互联网领域.本文提出了一种基于卷积神经网络的图像验证码识别方法,通过卷积层级联、残差学习、全局池化、分组卷积等技术手段,在保证识别准确率不受影响的前提下,大大降低了网络的参数量.本文以铁路购票网站验证码和正方教务系统验证码为例来测试模型性能.对于铁路购票网站验证码,实验结果显示本文提出的识别方法参数量最少,对图形和中文词组验证码的识别准确率分别达到98.76%和99.14%;对于正方教务系统验证码,本文方法参数量最少且识别准确率为87.30%.     

基于马尔科夫随机场的改进FCM图像分割算法

针对模糊聚类算法邻域信息与空间信息利用率低,易受噪声影响的问题,提出一种结合马尔科夫随机场模型的改进模糊C均值算法（Fuzzy C-Means,FCM）,即FKMFCM算法。在FCMKM算法基础上添加马尔科夫随机场先验概率,利用先验概率改进FCM算法的目标函数,提高FCM算法抗噪性。为验证FKMFCM算法的性能,选取Bezdek划分系数、Xie_Beni系数、运行时间、迭代次数4个评测指标作为对比实验的评价标准。实验结果表明,FKMFCM算法能有效地提高模糊聚类算法的抗噪性。     

基于形状上下文的复杂验证码识别算法

使用改进的形状上下文方法对复杂验证码进行识别,采用整体识别方法,不对图片进行切割,使用半极坐标圆进行建模的方式,解决2个字符连接处像素点建模互相干扰的问题。设计并实现复杂验证码识别算法,并与简单验证码进行比较。实验结果证明,复杂验证码识别算法能对字符粘连的复杂验证码进行识别。     

结合边界的小波域马尔科夫模型的图像分割算法

针对基于马尔科夫随机场(MRF)的分割算法常存在边界块效应,且对整幅图像进行建模运行效率低等问题,提出了结合边界的小波域马尔科夫模型的图像分割算法,把影像的特征场建立在一系列小波域提取的边界上,并建立相应的边界标号场MRF模型,借助贝叶斯框架和SMAP准则实现分割。利用Matlab GUI实现了分割系统,通过医学图像检验,结果表明:相比于小波域分层随机场模型(WMSRF),该算法在有效区分不同区域的同时很好地保留了边界信息,提高了运行效率。     

基于模糊马尔可夫场的脑部MR图像分割算法

在传统马尔可夫场模型的基础上,建立了模糊马尔可夫场模型。通过对模型的分析得出图像像素对不同类的隶属度计算公式,提出了一种高效、无监督的图像分割算法,从而实现了对脑部MR图像的精确分割。通过对模拟脑部MR图像和临床脑部MR图像分割实验,表明新算法比传统的基于马尔可夫场的图像分割算法和模糊C-均值等图像分割算法有更精确的图像分割能力。     

基于混合高斯模型MRF场的CT图像分割

提出了一种基于混合高斯模型的马尔可夫随机场CT图像分割方法.此方法根据工业CT图像的特点,建立混合高斯逼近的图像灰度统计模型;用混合高斯模型作为Markov随机场的先验模型,提出混合高斯Markov随机场分割模型.实验表明,该方法较单高斯模型有很大的改善,对工业CT图像分割效果好.     

基于深度特征融合的图像语义分割

在图像语义分割中使用卷积网络进行特征提取时,由于最大池化和下采样操作的重复组合引起了特征分辨率降低,从而导致上下文信息丢失,使得分割结果失去对目标位置的敏感性。虽然基于编码器-解码器架构的网络通过跳跃连接在恢复分辨率的过程中逐渐细化了输出精度,但其将相邻特征简单求和的操作忽略了特征之间的差异性,容易导致目标局部误识别等问题。为此,文中提出了基于深度特征融合的图像语义分割方法。该方法采用多组全卷积VGG16模型并联组合的网络结构,结合空洞卷积并行高效地处理金字塔中的多尺度图像,提取了多个层级的上下文特征,并通过自顶向下的方法逐层融合,最大限度地捕获上下文信息;同时,以改进损失函数而得到的逐层标签监督策略为辅助支撑,联合后端像素建模的全连接条件随机场,无论是在模型训练的难易程度还是预测输出的精度方面都有一定的优化。实验数据表明,通过对表征不同尺度上下文信息的各层深度特征进行逐层融合,图像语义分割算法在目标对象的分类和空间细节的定位方面都有所提升。在PASCAL VOC 2012和PASCAL CONTEXT两个数据集上获得的实验结果显示,所提方法分别取得了80.5%和45.93%的mIoU...     

形状上下文在验证码识别中的应用

验证码是近几年发展起来的技术，被广泛地应用在互联网上，用于防止一些网络机器人的入侵。验证码识别一般采用人工智能的方法，但随着验证码技术的发展，其变得越来堪越难识别。本文应用了Serge Belongie和Jitendra Malik在2000年提出的形状上下文理论，对验证码图像进行识别，并取得了很好的效果。     

基于 OCR 技术的图像验证码识别

验证码是一种标准的网络安全技术,它主要用来防止网民或者黑客等对网站的恶意注册和访问,以及发送垃圾文件、暴力破解高价值密码、滥发广告等恶意事件。通过对图片的扫描,可以提取图片中的数字、字符信息等。本文提出了一种基于OCR技术的图形验证码识别技术。通过对验证码图片进行灰度化、二值化、去噪点、圈点填充、直线填充、图像分割、统一大小、图像匹配和存入字库等一系列的操作,进行对验证码的识别实验。本文通过实验对验证码的特点有了充分的了解,这样方便设计出更加安全的验证码,防止被不法分子破解。     

基于验证码破解的HTTP攻击原理与防范

为防止基于表单自动提交的HTTP攻击，验证码技术得到了广泛应用。论文对常见的几种验证码形式作了简要介绍，讨论了验证码的破解原理，实验表明，互联网上相当多的验证码都不具有可靠的安全性。最后结合OCR技术探讨了一些防范方法。     

基于三维上下文的图像几何分割方法

图像分割是计算机视觉中最基本的前期准备工作,也是由图像处理到图像分析的关键步骤。传统图像分割方法得到的结果往往是不具有几何意义的独立区域,而现有的几何分割方法分割准确率较低。本文提出一种基于三维上下文的场景图像几何分割算法,将场景图像的三维上下文信息成功应用到图像的几何分割中。实验表明,利用这种方法对图像进行几何分割具有较高的准确率。     

基于主题模型的图像分割技术研究

研究文字图像中不同区域的分割问题,由于文字图像结构较为复杂,传统阈值方法由于不可避免地会在分割出的目标中留下和目标灰度比较接近的背景区域,难以满足分割效果的问题,提出了一种基于主题模型并利用马尔科夫随机场模型的文字图像分割方法.首先利用PCA和K均值方法在训练数据上提取图像编码本,然后利用编码本对待分割图像进行初始编码,根据主题模型,对编码后的图像各个码字求取概率,最后在马尔科夫模型中,利用所得到的概率构造能量函数进行仿真,结果优化了图像分割.证明无监督学习过程使得训练过程更为简单,主题模型获得的概率更准确,更符合图像生成的物理过程,使得分割的不同区域的边界更为平滑.表明改进的方法可以方便地拓展到其他类型的图像分割和标定等领域.     

基于对抗网络的验证码识别方法

在人机智能交互中,让机器自动识别验证码是机器模拟人的一项基础技术。基于文本的验证码识别一般先对验证码图片进行预处理,然后切割,最后对字符分类识别。字符切割的准确程度直接影响最终识别结果。提出一种对抗学习方法识别文本型验证码。先训练一个Pix2pix网络对验证码图片进行预处理,然后对抗训练出一对分割和识别网络。分割网络不仅能分割粘贴字符,而且可以筛选出难以分割的验证码结果。识别网络采用上下文相关的多通道卷积网络,能有效解决分割过程中因信息丢失而无法识别的问题。实验结果表明,该方法能提高文本验证码识别的准确率。     

基于多层马尔科夫随机场融合的图像分割

由于传统图像分割方法对噪声的敏感性和检测结果的不连续性等问题导致图像分割精度较低,提出一种基于多层马尔科夫随机场模型融合的图像分割方法。首先分别通过模糊C均值聚类(FCM)方法和马尔科夫随机场(MRF)方法得到两个分割效果较差的图像,随后运用多层马尔科夫随机场模型的融合特性将两个传统方法得到的分割结果进行融合。该方法运用多层马尔科夫随机场融合方法引入邻域内像素间相关性和各层间的联系,并且在实验中得出与两个传统方法相比较更细致和精确的结果。实验结果表明,多层马尔科夫随机场模型的融合方法可以将两个传统分割方法的结果较好地融合,并且得到更加精确的结果。