改进自组织特征网络的医学图像分割算法

为了提高医学图像分割精度,提出一种改进自组织特征网络的医学图像分割算法。首先采用小波包分解提取医学图像的特征,然后改进自组织特征网络建立医学图像分类器,实现医学图像分割,最后采用仿真实验测试算法的性能。仿真结果表明,本文算法不仅解决了传统医学图像分割算法存在的缺陷,提高医学图像分割的精度,具有较好的实际应用价值。     

基于自组织映射网络的图像分割算法

针对K—Means图像聚类分割算法需要预先知道图像分割数,且对初始聚类中心较为敏感等问题,提出了一种基于SOFM（自组织特征映射网络）的图像聚类分割算法。该算法结合SOFM聚类及合并聚类分析,能够自动确定分割块数并得到有效的K-Means初始聚类中心。实验结果表明该算法具有运行效率高、分割效果好等优点,在实际应用中是可行的。     

A Clustering Method Using Hierarchical Self-Organizing Maps

We describe a method of clustering that uses self-organizing maps (SOMs) in a method of image classification. To ensure that this clustering method is fast, we defined a hierarchical SOM and used it to construct the clustering method (M. Endo, M. Ueno, T. Tanabe, and M. Yamamoto, in Proc. of the IEEE Int. Workshop on Neural Networks for Signal Processing X, 2000, pp. 261–270). We define the clustering method in detail and outline its behavior as determined on the basis of both theory and experiment. We also propose a cooperative learning algorithm for the hierarchical SOM. Experiments on artificial image data confirmed the basic performance and adaptability of the SOM in clustering images. We also confirmed, both experimentally and theoretically, that our method is faster SOM, for the objects used in these experiments, than a method based on a non-hierarchical SOM.     

基于显著性区域的图像分割

在经典的Chan-Vese模型中结合显著性分析,提出了一种有效的目标分割方法.即首先利用频谱残差方法提取图像的显著性区域,针对阈值分割方法的缺点使用改进的自适应阈值分割方法获取目标的大致轮廓,并以此轮廓作为Chan-Vese模型中初始曲线.该方法使得活动轮廓可以从靠近目标物体的位置进行演化,去除复杂背景的干扰.这样就解决了背景复杂时无法得到较为准确的边缘的问题;同时,也减少了CV模型的迭代次数.实验结果表明无论是背景复杂的灰度图像还是医学彩色图像,该算法的分割精度和运行效率都优于CV模型.     

用可变形模板进行基于内容的图像分割算法

 本文提出一种采用可变形模板匹配技术进行基于内容的图像分割算法.通过预先计算出可变形模板沿着变形的正交曲线,并对模板曲线及正交曲线进行离散抽样,建立一基于正交曲线的二维(2-D)可变形模板,针对图像分割问题定义控制可变形模板进行变形的内、外部能量函数,本文采用遗传算法搜索能量函数最小的全局最优解.该新算法比传统的可变形模板匹配方法降低了搜索空间的维数,减少了算法对模板初始位置的敏感.对实际图像及模拟低信噪比图像处理的结果表明,新算法具有良好的分割精度及稳定性.     

使用线性分割和序列合并的视频镜头分割方法

本文提出一种双向帧距离模型,基于帧距离双向对比,采用较低的全局阈值,使用线性遍历的方法对视频内容进行粗镜头划分成碎片序列集合和边界序列集合.然后通过比对每一个边界序列相邻的碎片序列内容的相似度,对粗划分的内容进行再合并,从而实现了用线性方法同时解决突变类镜头切换和渐变类镜头切换的镜头分割问题.     

基于二维Fisher线性鉴别分析和粒子群优化的红外图像分割

二维Fisher线性鉴别分析的图像分割算法,考虑了图像中目标和背景之间类间方差和类内方差在类别分离中的作用,有效地克服经典Otsu阈值法当图像中目标的面积很小(直方图上表现为峰的大小相差很大或者没有明显双峰)时产生的阈值"漂移"现象,是一种有效的图像分割方法.针对二维Fisher线性鉴别分析计算量大的特点,采用粒子群算法来搜索最优二维阈值向量.每个粒子代表一个可行的二维阈值,通过粒子群之间的协作来获得最优阈值向量.实验结果表明,所提出的方法不仅能准确地分割图像,而且计算量大大减少,达到了快速分割的目的,便于实时应用.     

基于自组织网络的SAR遥感图像的多尺度分割

基于多尺度信息特征和混合模型,将自组织混合网络(SOMN)应用于合成孔径雷达(SAR)图像的分割.首先对SAR图像的多尺度序列进行多尺度随机建模,以此进行多尺度特征提取;然后对其建立混合模型,并经过SOMN进行学习研究得到混合模型的参数;最后再利用Bayesian分类器,对SAR图像进行分割.实验结果表明,本文方法能够充分地利用SAR图像多尺度序列中不同类型地形的统计信息,进而明显地改进了图像的分割质量.     

结合图像分割的暗原色先验去雾算法

基于暗原色先验规律的图像去雾算法在进行暗原色通道计算时,用固定区域会造成介质透射率估算的不合理,从而导致最终去雾效果细节不清晰和在较远景深场景模糊的现象。采用基于图论的分割算法来确定取暗原色通道的区域,能根据景深的变化自适应地改变区域大小,避免了固定区域求取暗原色的带来的介质透射率估计不合理问题。通过实验分析和验证,证实了该算法能有效地改善雾天图像的退化现象和提高图像清晰度。     

一种基于Markov过程和证据理论的多源图像融合分割方法

文章从多传感器图像的属性研究出发，提出图像分割的新概念。建立图像邻域系统的Markov过程和基于Markov过程的Dempster-Shafer融合分割模型。并充分利用象素间的空间邻接关系。用证据理论描述图象分类的不确定性，较好地解决了传感器图像分割信息不全的问题，实现了景物图像的准确分割。     

基于Markov随机场K-Means图像分割算法

 传统的K-Means算法在图像分割中只与特征向量有关,从而忽略了像素间的空间位置关系,因而分割模型是不完整的.本文利用Markov随机场描述图像像素间的邻域关系,引入拒绝度的概念到聚类目标函数中的同时,提出了初始类别及初始中心点的确定方法,提出了较为完备的基于Markov随机场图像分割算法.并通过实验验证该分割方法在效果及效率上的有效性.     

基于OTSU的动态结合全局阈值的图像分割

动态结合全局阈值的图像分割方法,在图像灰度分布没有明显双峰及背景复杂的情况下也有很好的适应性.用OTSU方法求得近红外图像的全局阈值s和各子图像的阈值d;利用双线性内插值算法求得与原图像等大的阈值矩阵D.通过调整比例系数k,最后完成阈值矩阵T的构造和图像分割.此方法能有效分割出石化炼油炉的炉管图像.     

Design and Analysis of an Efficient Evolutionary Image Segmentation Algorithm

Evolutionary image segmentation algorithms have a number of advantages such as continuous contour, non-oversegmentation, and non-thresholds. However, most of the evolutionary image segmentation algorithms suffer from long computation time because the number of encoding parameters is large. In this paper, design and analysis of an efficient evolutionary image segmentation algorithm EISA are proposed. EISA uses a K-means algorithm to split an image into many homogeneous regions, and then uses an intelligent genetic algorithm IGA associated with an effective chromosome encoding method to merge the regions automatically such that the objective of the desired segmentation can be effectively achieved, where IGA is superior to conventional genetic algorithms in solving large parameter optimization problems. High performance of EISA is illustrated in terms of both the evaluation performance and computation time, compared with some current segmentation methods. It is empirically shown that EISA is robust and efficient using nature images with various characteristics.     

基于Gabor小波和主元分析的纹理图像分割

提出了基于Gabor小波和主元分析相结合的纹理图像分割算法.首先对纹理图像进行多通道滤波,获得了一系列滤波后的纹理图像.其次,借助于“能量测度”的概念,求解出各象素有效的纹理特征.为了进一步减少特征之间的信息冗余,降低聚类分析的计算负荷,采用主元分析（PCA）对所得的纹理特征进行降维.然后利用K-Mean算法实现纹理图像的分类.最后针对所提算法,进行了仿真试验.     

一种基于互相关匹配的简化PCNN及其图像分割

脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)可有效的用于图像分割,但无法确定最优分割时的迭代次数.针对这一问题,文章从原始图像与分割图像的相似性出发,提出了一种基于最大互相关匹配的简化PCNN图像分割新方法.该算法通过计算原始图像与分割图像的相关匹配系数来确定最优分割.实验结果验证了该方法的有效性.     

隐式曲面两相图像分割的变分水平集模型及对偶方法

本文对曲面上分段常值和分段光滑的两相图像分割的变分水平集模型及其对偶方法进行了研究.图像所在的曲面用静态的符号距离函数的零水平集表达,曲面上图像分割轮廓线用另一动态符号距离函数的零水平集与上述静态的零水平集的交线表达,借助内蕴梯度、内蕴散度的概念平面两相图像分割的变分水平集模型已被推广到隐式曲面上图像分割的变分模型.本...     

基于条件随机场的复杂背景图像文字分割

图像中的文字提取是处理文字信息的关键步骤。提出一种基于条件随机场（CRFs）的分割方法。针对背案复杂的情况,精心选择特征,设计分类器,计算在给定观测数据情况下,像素标签的条件概率分布。这样,有效地避免了计算联合分布所带来的问题（如马尔可夫随机场）。与传统的分类器相比,该方法更加注重像素以及标签之间互相影响程度以及合理性。试验结果表明,与其他方法相比,CRFs的文字分割结果有明显的提高。     

一种基于变差函数的纹理图像分割方法

本文基于变差函数提出一种图像纹理分割的新方法.由于变差函数反映图像数据的随机性和结构性,因而能很好的表达纹理图像的特征.文中算法根据变差函数的这种性质将单步长变差函数值作为图像纹理特征进行分割,实验结果表明它对纹理图像分割与识别是十分有效的.     

多高斯模型特征空间覆盖学习的海洋航摄图像分割

本文提出了一种新的基于多高斯特征空间覆盖学习的航摄海洋图像分割方法.通过分析,发现在RGB三维色空间中,海水背景像素点的分布尽管在不同成像条件下具有不同的分布特性,但其具有的共同特性是具有集聚性,可以被一个或多个椭球所覆盖.因此,本文在色空间中基于贝叶斯最大后验概率和3δ准则对海水背景进行多高斯分布模型覆盖建模,自学习得到其高斯分布个数并建立相对应的多高斯分布模型.最后,根据上述学习结果,从航拍海洋的图像中分离出海水背景,实现航拍海洋图像中背景和目标的分割.实验证明,该方法具有良好的背景学习性能,能够准确有效地得到海水背景多高斯分布覆盖模型.基于该背景学习模型的海洋图像分割,具有较高的正确率和较低的误差,且算法花费的时间较少,具有较好的稳定性和实时性.     

基于自组织稀疏RAM的N-tuple神经网络的人脸识别

本文提出了一种首先采用自组织映射(SOM)神经网络对稀疏RAM的N-tuple神经网络(SN-tuple)的稀疏分布存储器(SDM)的地址矢量根据训练样本进行优化,然后再对SN-tuple进行学习训练的人脸识别方法,在此称为自组织稀疏RAM的N-tuple神经网络。通过大量人脸识别的实验证明,该方法有效的解决了SN-tuple受随机SDM地址矢量影响较大的问题,具有识别率高且稳定的特点。