一种基于一致性邻域超图模型的图象分割方法

提出了一种将超图理论与图象的空 -频域特征分析相结合的图象分割方法 .该方法是基于图象的多分辨率小波分析及高斯 -马尔可夫随机场理论 ,在抽取一组反映图象局部空间结构信息的特征矢量基础上 ,根据同一区域的象素具有相似的特征矢量的原则 ,将图象转换为一个关于特征相似性测度的邻域超图 ,再利用覆盖 -选择算法对该超图进行分割的方法 .实验证明 ,该方法具有较好的稳定性和适应性 ,尤其对于一些信噪比较低的图象 ,也具有良好的分割效果 .     

一种基于超图模型的客户行为分析方法

外汇交易中,一些企业由于企业本身特点或从事业务的相近有着相似的交易行为。根据这些天然特征发现具备相似行为的交易并对其分组,有利于发现海量交易数据中的典型交易行为模式,这有助于外汇管理和监督职能的更好实施。本文根据外汇交易行为的特点,用一种基于超图模型的聚类算法来发现不同类型的交易对象。     

一种基于图象分割的增强算法

图象增强作为图象处理常用的工具,目的是为了消除原因图象图象边缘模糊,对比度差等缺点,增强图象的视觉效果和加以后的处理工作提供方便,文中提出的算法基于Ｈａｒａｌｉｃｋ的斜模型和Ｂｅｇｈｄａｄｉ的对比度增强算法。     

基于分形理论的一种图象分割方法

介绍了一种基于分形特征进行人造目标分割的方法.它是用分形模型描述自然场景,基于人造目标和自然背景在分形特征上的差别,并利用概率松弛的思想增强这种差异,从而自适应分割出目标图象.实验结果验证了这种方法的有效性和可行性.     

一种新的结合纹理特征的SVM图象分割方法

本文提出了一种新的结合纹理特征的支持向量机图象分割方法,将纹理特征和灰度特征一起组成训练特征向量,利用支持向量机分类方法进行图象分割.该算法结合了纹理特征在图象描述中的重要意义和支持向量机方法在模式识别领域已表现出的优越性能,实验证明其在图象分割中取得了良好的效果.同时,当需要处理一批内容相似,感兴趣区域具有相同纹理、灰度特征的同类图象时,只需对其中一幅代表性的图象进行SVM训练,所产生的分类模型适用于所有该类图象,无需逐幅进行处理,大大简化了运算过程.     

一种基于分形的金字塔快速图象分割方法

本文在离散分形布朗增量随机场（ＤＦＢＩＲ）的图象模型基础上，利用在图象处理中常用的金字塔技术，通过提取特性参数－Ｈ值和方差，并结合传统的聚类会割方法，实现了图象的快速分割，通过对自然背景中的人造物体进行分割实验，结果表明，这处快速算法不仅能得到较好的分割效果，而且可以将速度将近三分之一倍。     

基于色彩学习的彩色图象分割方法

图象分割是实现计算机图象识别与理解的基础，而彩色是进行图象分割的一个重要手段。本文给出了一种基色彩学习的彩色图象分割算法。     

一种基于HSL概率密度的彩色图象分割方法

本文提出了一种基于色调、饱和度和亮度联合概率分布的彩色图象分割方法。该方法首先将RGB图象转换为HSL图象,并以色调为主要依据对图象进行粗分割。然后,利用亮度和饱和度信息进行细节分割并组合成有意义的区域。实验表明该方法的分割效果是好的。     

一种基于模糊聚类的图象分割方法

模糊Ｃ－均值（ＦＣＭ）算法用于图象分割，是一种非监督模糊聚类后标定的过程，但是，ＦＣＭ算法存在着一些不足，进而限制了它在某些方面的应用，本文提出了一种基于模糊聚类的图象分割方法，较好解决了ＦＣＭ算法所遇到的问题，且本文从数学上和实验上证明了这种方法的有效性。     

一种基于数学形态学的实时车牌图象分割方法

根据车牌纹理及其几何形状的特点，设计了一种基于数学形态学的车牌图象分割方法，该方法在二维形态滤波过程中，能自适应地调整阈值大小，以适应光照强度及干扰强度的变化，同时把基于全像素点数学形态学处理的点运算转化成仅有几十条直线的线运算，以使运算速度和抗干扰能力较其他传统分析方法有显著提高．用该方法对不同照明条件下的一系列汽车图象进行的大量实验结果表明，该方法不仅定位效果好、速度高，而且适于对有噪声及复杂背景的车牌图象进行分割．     

一种基于纹理的图像分割方法

提出了一种基于多进制小波变换的纹理特征提取方法,通过对小波系数的标准差作为纹理测度以生成特征向量,利用模糊c-均值聚类算法进行纹理分割,获得了较好实验结果。     

一种基于区域分割的图像融合方法

提出了一种基于区域分割的图像融合方法.首先,通过对原图像进行小波分解得到其近似子图和细节子图,对细节子图运用分水岭分割法获得每一层的分割子图用于引导融合过程.然后在分割区域中对原图像小波系数的活动水平及匹配度进行度量,并在组合细节子图系数和近似子图系数的过程中分别采用最大值法则和加权平均法则.最后,通过逆小波变换得到最...     

一种基于边缘梯度的图像分割方法

利用Krisch边缘方向算子，实现了对彩色和服图片中的和服边缘检测，同时根据真实边界点处的梯度强度值大于其左右邻域的梯度强度值的特征，获得了边缘细化。在结合边界跟踪技术的基础上，有效地去除了和服中大量的与和服分割无关的花瓣图案，得到了和服的有效边缘。实用的边缘连接技术则成功地实现了和服图片中和服各部分的分割。实验结果表明该方法在和服分割上是一种实用的和成功的方法。     

基于多分辨率特征的图像镶嵌技术

图像镶嵌是IBR研究的热点技术之一,而其核心问题是图像配准。为了配准两帧图像,必须寻找两帧图像对之间的坐标变换。该文提出的基于多分辨率特征的方法有效地实现了图像间的8-参数投影变换模型的估计。该方法经测试效果良好。     

一种改进的期望最大图像分割方法

期望最大算法是进行极大似然估计的一种有效方法,它主要用于观测数据不完全或者似然函数不是解析时的参数估计。文中提出了一种期望最大化和贝叶斯信息准则相结合的图像分割方法。首先,运用K均值方法初始化图像分布;然后,运用期望最大算法估计输入图像参数数据,图像中类的数目由贝叶斯消息准则自动确定;最后,运用最大似然标准将像素归类于最相近的类中。实验中将此方法用于对葡萄叶部病害彩色图像的分割,其结果表明此方法有效。     

基于空间特征的谱聚类含噪图像分割

为克服传统谱聚类算法应用到含噪图像分割时易受到图像中噪声影响的问题,提出一种基于空间特征的谱聚类含噪图像分割算法。该方法利用图像各个像素的灰度信息、局部空间邻接信息及非局部空间信息设计像素的三维特征,通过引入空间紧致性函数建立像素特征点与其K个最近邻之间的相似性,进而利用谱聚类算法得到图像的最终分割结果。实验中采用含噪的人工图像、自然图像及合成孔径雷达图像与空间模糊聚类、规范切谱聚类和Nystrm方法3种算法进行对比实验,实验结果验证文中方法能克服图像中噪声影响并取得较满意的分割效果。     

基于邻域特征与聚类的图像分割方法

提出一种基于邻域特征和聚类的图像分割方法。该方法提取像素点的5维邻域特征,利用渐进聚类方法使同类元素具有较高的相似度、不同类元素相似度差别较大,从而对图像中的像素进行归类划分,实现目标图像的正确分割。实验结果表明,该方法能准确定位图像边缘,具有较强的抗噪性和较高的分割精度。     

基于小波分形特征提取的图象分割方法

提出了一种基于小波分解和分形纹理特征计算的图象分割方法,首先考虑对图象进行小波变换,然后对不同通道的子图象提取纹理的分形特征和能量特征,最后用直方图阈值分割方法实现图象的分割,实验表明,该方法对模拟纹理图象以及多少谱遥感图象的分割都取得了满意的效果。     

基于Matlab 的图像融合方法

利用Matlab的工具箱函数实现数字图像融合。采用手动选取控制点进行图像配准;模拟时域加权函数,提出基于小波变换的归一化Mask方法进行图像融合,体现了时域中不同区域的重要程度。算法易于实现,应用方便。实验表明,融合图像平滑自然。