基于分形特征的自然景物图象分割方法

提出了一种基于分形特征分割自然景物图象的方法。分割的主要目标是找出景物中的人造物体。首先构造了一组分形纹理特征,给出了图象不同部分的粗糙度及纹理基地大小、方向特性的描述,以此为基础进行图象分割。此外,通过对盒维数方法中的参数拟合性能的分析,对维数估计方法进行优化,理论和实验表明,在自然环境中,该方法能够区 的纹理区域及人造目标,达到满意的分割结果。     

基于分形参数的中药材显微图象纹理分析

提出了一种基于分形维数分析中药材显微图象的方法。将中药材显微图象视为灰度纹理图象,依据分形布朗运动性质和功率谱法对4种中药材显微图象进行分维数计算。结果表明:中药材显微图象具有分形的特征,分维数能有效地描述纹理的结构与灰度,不同的显微图象对应不同的分维数,分维数可作为分析图象及进一步识别图象的一个定量参数。     

基于反应扩散的纹理图象分割

纹理图象分割一直是图象处理中非常活跃的一个领域,各种纹理分割算法层出不穷.本文提出了基于反应扩散的纹理图象分割方法.将纹理图象投射到反应扩散介质表面,在各点形成不同的相位分布.激发反应并通过对周期性动态演化的图象适当组合运算,可以将特定的纹理从图象中分割出来.从试验和计算机模拟两个角度出发,结果证实该方法行之有效.本方法不需要先验知识,且运算速度快,对于简单的纹理图象分割效果较好.     

基于分形和多重分形理论的催化剂表面图象分析

本文讨论了催化剂表面ＳＥＭ图象关于多重分形生长过程的分形和多重分形特性分析。分形维数和多重分形奇异谱是描述分形测度的重要的定量参数；它们也是催化剂活性的测试新主本研究为催化剂的设计提供了崭新的手段。     

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。     

基于纹理方向的描述和对具有方向性纹理图象的分类与分割

为进一步进行纹理特征分析，从纹理的方向性入手，给出了纹理方向的数学定义式，合理选择差异函数，构造了具有物理意义的纹理方向描述特征向量，数据处理方面，运用模糊贴近度的概念，结合改进后的属性均值聚类算法，对一类具有方向性的纹理图象进行分类与分割实验，取得了较好的结果，试验表明，该方法对纹理的方向性有很好的描述能力。     

基于纹理基元的图象分割

纹理分割是图象处理的基本问题之一．针对广泛的纹理图象，需要一个高效、鲁棒的分割方法，因此提出了一种基于纹理基元的纹理图象分割算法．首先，以Harr小波为变换工具，得到具有方向性的纹理子图象；然后给出了一种新的纹理基元提取方法，并在此基础上，应用统计方法和矢量场，对纹理区域进行由粗到细的分割．通过这种方法不仅可以对纹理图象进行分割，还可以对同一区域的纹理结构进行描述，从而有利于在这种分割方法基础上，进行更高层次的图象处理．     

空间灰度相关图象纹理分割方法

本文给出了图象纹理分割的空间灰度相关法(SGLDM)中四个描述性强的纹理特征。定义了纹理特征矢量。在此定义基础上,给出了一种新的图象纹理分割方法。最后以四幅分割难度较大的纹理图象实验,说明利用四种纹理特征的方法可以有效地对纹理子图案非随机旋转的图象进行纹理分割。     

基于方向性的多通道纹理图象分析及重构

纹理的各向异性特征（方向性）对于纹理分析有着重要意义。该特征的分析和描述，对纹理表征和图形化建模提供了重要的思路，在对纹理各向异性特征分析的基础上，提出了一种新的纹理图形化建模方法，基于各向同性和各向异性分离的思想，分别从频域和空域研究了纹理图象的方向性及非方向性特征。导出了确定纹理主控方向的有效计算方法，和残余图象的随机场模型逼近，并将分析所得的参数用于纹理的综合，实验结果和性能分析与比较皆证实了该方法的有效性和灵活性，表明能量多通道分析对于方向性纹理的表征和重构是一种行之有效的方法。     

基于动态自适应蚁群算法的MRI图像分割

MRI图像分割在医学图像分析中具有极其重要的理论和应用价值.蚁群算法是一种具有离散性、并行性、鲁棒性和模糊聚类能力的进化方法.对目标边界模糊、目标灰度不均匀及目标不连续等情况的图像(如医学图像)分割,蚁群算法是一个比较好的选择.本文针对基本蚁群算法容易出现早熟和停滞现象的特性,提出了一种动态自适应蚁群算法,通过自适应的初始聚类中心调整策略和动态更新局部信息素浓度,使其收敛性和稳定性有一定的提高.实验证明改进的蚁群算法能够有效地分割MRI图像.     

基于纹理和区域特征的台风卫星云图分割方法

在利用GMS红外卫星云图进行无眼台风自动定位方法的研究中,台风云系的分割是处理中关键的一步,文章提出了一种基于纹理和区域特征的台风云系分割方法。首先利用图像的分形维数和灰度特征对台风云系中的密蔽云区进行有效的识别后,然后启动基于区域约束的区域生长计算得到台风云系。     

基于特征提取的脑部MRI肿瘤自动分割

对脑部磁共振图像中肿瘤的自动分割,有助于了解疾病特征和制定手术方案,评价治疗效果。该文通过提取基于灰度统计、对称性、纹理等的特征,结合AdaBoost方法,利用计算机进行自动脑肿瘤分割。该方法综合利用了磁共振(MR)各加权图像的信息和大脑解剖结构的知识,以及AdaBoost算法的特征选择能力。在20帧带有肿瘤的MR图像上进行实验,得到了96.82%的分类准确率。     

纹理图像的多尺度分割

纹理图像分割最常用的方法就是基于特征的纹理分割,即首先提取出图像的纹理特征,在利用提取出的纹理特征来进行特征划分.通过对纹理特征进行划分来实现纹理图像分割的过程所面对的主要困难可以概括为:效率和效果.纹理图像分割算法大多具有较高的时间复杂度,这一方面是因为纹理特征提取比较费时,另一方面较高的特征维数导致特征划分过程的计算量通常比较大.本文提出基于图像四叉树的多尺度分割算法来实现实时图像的粗分割,实验表明此算法可以在保持分割精度的前提下大大降低时间复杂度.     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

基于K-means和图割的脑部MRI分割算法

为了克服原始图割算法在用户选定的像素种子点较少情况下,目标边界容易出现错分这一现象,本文提出了基于K-means和图割(Graph cut,GC)算法相结合的交互式K-均值图割（K-means and graph cut,KMGC）算法,对脑部核磁共振图像（Magnetic resonance image,MRI） 进行交互式操作,该算法通过K-means聚类,对脑部MRI的灰度不均匀性进行了处理,在此基础上,再使用图割算法进一步对脑部MRI进行细化,从而达到有效地分割脑白质和脑 灰质的目的。本文分别在仿真和真实的脑部MRI数据上进行了大量的实验,分别从定量分析和定性分析两个角度对实验结果进行了分析,并与其他分割算法进行了对比,对比实验结果标明,KMGC算法能够有效地对脑部MRI进行分割,并在分割效果上优于其他算法。     

一种彩色纹理图像的分割方法

纹理分析一直是图像理解和计算机视觉等领域研究的重点和难点,现有的纹理分割方法大多集中于研究灰度纹理图像,文中提出一种基于分形理论的BP神经网络原彩色纹理图像分割方法,该方法将彩色图像由RGB色彩空间转换为HSI色彩空间,根据亮度计算分数维、多重分形广义维数谱q-D（q)和“空隙”等纹理特征,同时加入归一化的色度和饱和度作为另外两个分类特征,采用经过有监督训练的BP神经网络作为分类器,通过对纹理图像的分割实验,结果证实该方法行之有效。     

基于改进FCM的医学图像分割

为解决模糊C均值聚类(FCM)算法在图像分割尤其是医学图像分割中存在的计算量大、运行时间过长的问题,提出了一种改进方法。通过数据约减,即通过对相近的像素进行量化并聚合来减少像素个数,从而降低运算量。该方法用于人脑磁共振图像的分割比传统FCM算法的运算速度提高了50￣100多倍,并且选择合适大小的量化箱不会影响算法的分割效果。     

基于振动特征的纹理图像分割

纹理分割是图像处理领域中的一个典型难题.基于图像分解提出一个新的纹理振动特征,与基于结构张量和非线性扩散获得的其他纹理特征一起构成5维特征空间,并利用非参数估计的活动围道方法对该特征空间进行分割,得到最终结果.通过不同的纹理分割实验验证了此方法的有效性.     

一种基于区域相关性的三维核磁共振图像快速分割方法

本文针对三维核磁共振图像的自动分割问题,结合分水岭算法与SharonE等人提出的SWA分割算法,提出一种基于区域相关性的快速分割算法。该算法的优点是减少了计算复杂核磁共振图像及具有复杂纹理的单张切片图像进行准确的分割 。