基于图像频域方向模板的目标检测方法

运用傅里叶分析方法,利用水平方向、垂直方向、45°方向和135°方向直线的频域模板对侧扫声纳图像在4个方向上进行投影分解,根据子图像在4个方向上投影的能量和,设定门限判断有无目标,并粗略估计目标的位置。实验结果证明,该方法对于纹理较强的侧扫声纳图像中感兴趣区域(目标)的检测有较好的效果。     

一种新的基于背景的红外图像分割方法

针对红外图像中目标周围的背景往往比较均匀的特点,文中提出了一种基于背景区域的目标提取方法.首先利用局部熵信息检测到目标的位置,并在此基础上获得一个包含目标的感兴趣区域,最后通过基于直方图搜索的区域增长法来提取感兴趣区域中的背景部分,从而有效地将背景和目标进行了分割,实现了目标完整提取的目的.由于是在感兴趣区域进行提取而且对直方图进行搜索,克服了区域增长法计算量大的缺陷.试验结果证明,该方法能有效且完整地提取目标.     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域，运用阚值分割算法完成初步的图像区域分割；然后利用形态学运算进行精细化处理，结合提出的判断准则，通过人工交互完成了多感兴趣区域的提取；最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

基于模糊连接度的交互式CT图像分割算法

如何准确地从CT图像中提取出感兴趣的组织,是医学图像分割中的难点。提出了一种基于模糊连接度的交互式CT图像分割算法：先根据用户指定的感兴趣区域的灰度范围预分割图像,然后用户从结果图像中选择目标和背景种子点,计算出各像素点与两类种子点的模糊连接度,最后根据连接度大小将像素点划分到目标或背景区域。分割过程中,用户可以通过增设或删除目标或背景种子点,修正分割的结果。实验表明,该算法能准确有效地分割出感兴趣区域。     

微目标遥感图像的感兴趣区域提取新方法

结合微目标遥感图像的灰度、轮廓、大小等信息特征,提出了一种基于视觉注意的微目标遥感图像感兴趣区域提取方法,首先采用形态学Top-Hat变换强化感兴趣区域和抑制背景,利用开运算实现去除噪声和虚假微目标:然后通过阈值迭代法初步分割出感兴趣区域;最后通过人工交互,结合形态学方法进行感兴趣区域提取,进而运用基于小波变换的多尺度边缘检测算法探测出感兴趣区域的边界.实验结果表明:该方法能快速有效地分割提取出微目标感兴趣区域.     

电路板红外图像多目标提取算法

电路板红外图像芯片提取是电路板红外图像故障检测系统中的重要环节,传统的芯片发热区域提取方法或多或少需要人工干预,在芯片较多和热辐射情况复杂电路板中人工参与效果不是很理想．基于电路板红外图像特征提出了一种自适应多目标区域增长算法,将该多目标区域增长算法与GVF—Snake模型相结合用于电路板红外图像芯片提取．利用多目标区域增长算法将每一块芯片的发热区域和辐射区域一并提取,再利用区域增长确定GVF-Snake模型初始轮廓,利用GVF模型进行芯片发热区域提取．实验表明,这种算法能够无人工干预的准确提取电路板红外图像所有芯片发热区域,具有一定的实用性和鲁棒性．     

利用新特征空间的SAS图像目标分类算法

通过分析合成孔径声纳图像中不同目标统计特性参数间的差异,提出了一种利用新特征空间的SAS图像目标分类算法。该算法用马尔可夫随机场分割算法找到感兴趣区域,提取阴影的几何参数和目标的归一化中心矩,并且将目标、阴影、背景之间统计特性的分布参数之差与前两者构成新的特征空间。利用克一均值聚类算法对三类目标进行分类。合成孔径声纳湖试数据验证了算法的有效性。     

基于IDL语言实现侧扫声纳图像可视化及预处理

阐述了IDL(Interactive Data Language)语言的图像处理优点,介绍了侧扫声纳XTF格式数据的特点,利用IDL语言开发了集图像可视化、格式转换、图像校正和预处理于一体的侧扫声纳图像预处理软件。结果表明,该语言面向矩阵的特性和强大的图像处理能力减小了开发的复杂性,缩短了开发周期,对国内声纳图像处理软件开发有一定参考价值。     

基于视觉注意的医学图像感兴趣区域提取*

提出一种基于视觉注意机制的医学图像感兴趣区域提取方法。受生物学启发,该方法模仿人类自下而上的视觉选择性注意过程,通过计算图像中每个像素的全局对比度,构造相应的显著图,并根据显著图,检测出图像中的显著区域。利用多幅医学图像对本方法进行评估,结果表明,该方法能够快速、精确地提取图像中的感兴趣区域,在提取结果和运算速度上均取得了令人满意的效果。     

CT系列图像的三维层次化子块生长分割

准确地从CT系列图像提取感兴趣的组织是手术规划的基础,针对肝脏轮廓分割存在分割不全的问题,提出了基于三维区域生长算法的腹部CT图像分割方法。算法首先由用户选择若干个生长点,然后充分利用CT系列图像层间的相似性,提出基于子块的改进区域生长算法,实现三维的层次化子块区域生长,以更准确提取肝脏区域,其中生长准则由系统分析用户选择的生长点的邻域子块属性获得,以减少用户的干预。实验结果表明,算法能在较少的干预下快速分割出来CT系列图像中的肝脏轮廓。     

基于区域生长法提取二值图像中的连通区域

标记二值图像连通区域是图像处理过程的基本算法,机器视觉和模式识别中常用此方法提取目标和分析目标几何特征。文章以人机交互方式获得初始种子点,增强种子点的可靠性,通过区域生长法提取二值图像中的连通区域。     

侧扫声纳图像的NSCT域模极大值边缘检测

侧扫声纳图像边缘检测较困难,为此,提出一种针对该图像特点的多尺度边缘检测方法。对侧扫声纳图像进行非下采样Contourlet变换(NSCT)分解,根据斑点噪声在NSCT域的分布特点,进行局部自适应去噪。通过各方向子带沿边缘方向的插值和非极大值抑制寻找模极大值点。通过类内方差最小化法自适应确定阈值,由阈值处理得到各子带的边缘。经边缘融合实现完整的边缘图。实验结果表明,该方法具有边缘检测完整、定位准确、伪边缘点少等优点。     

Experiments in segmentation using a facet model region grower

A region growing scheme based upon the facet model (R. M. Haralick, Computer Graphics Image Processing 12, 1980, 60–73; R. M. Haralick and L. T. Watson Computer Graphics Image Processing 15, 1981, 113–129) is presented. The process begins with an initial segmentation which preserves much of the detailed resolution of the original image. Next a region property list and a region adhacency graph corresponding to the segmented image are constructed. Global information is then used to merge atomic regions. The region growing algorithm is based upon extensions of the facet model, but it is a higher-level algorithm which treats regions as primitive elements. The basic algorithm and several variations are described, including a version that uses a threshold on the amount a property vector is allowed to change to control the region growing process. The convergence of this thresholded facet iteration is also proved. Finally, the results of comparative experiments are presented.     

Color Image Segmentation for Multimedia Applications

Image segmentation is crucial for multimedia applications. Multimedia databases utilize segmentation for the storage and indexing of images and video. Image segmentation is used for object tracking in the new MPEG-7 video compression standard. It is also used in video conferencing for compression and coding purposes. These are only some of the multimedia applications in image segmentation. It is usually the first task of any image analysis process, and thus, subsequent tasks rely heavily on the quality of segmentation. The proposed method of color image segmentation is very effective in segmenting a multimedia-type image into regions. Pixels are first classified as either chromatic or achromatic depending on their HSI color values. Next, a seed determination algorithm finds seed pixels that are in the center of regions. These seed pixels are used in the region growing step to grow regions by comparing these seed pixels to neighboring pixels using the cylindrical distance metric. Merging regions that are similar in color is a final means used for segmenting the image into even smaller regions.     

侧扫声呐图像的3维块匹配降斑方法

斑点噪声是影响侧扫声呐图像质量的主要因素,降斑处理对侧扫声呐图像的判别与分析非常重要。针对侧扫声呐图像自身特性和斑点噪声分布特点,提出一种基于3维块匹配(BM3D)的降斑方法。根据海底散射模型,得到侧扫声呐图像斑点噪声的瑞利分布模型,然后通过高斯光滑函数幂变换将瑞利分布的噪声转化为高斯分布,通过对数变换将乘性噪声转变为加性噪声,再进行自适应的BM3D滤波,最后采用逆变换得到降斑图像。实验结果表明,该方法在降噪、边缘和纹理保持等方面均优于空间域、小波域、Curvelet域的一些降斑方法。     

基于蛙人探测声纳序列图像的水下小目标检测算法

针对水下监控系统的小目标检测问题,在分析蛙人探测声纳成像特点的基础上,提出了基于图像二值化和区域生长法的自适应双帧差法.通过将双帧差结果与当前帧的二值化图像进行“与”运算来消除“双影”,然后采用区域生长法消除“空洞”,最后根据检测结果自适应地调整阈值.克服了三帧法和累积帧差法在处理空洞和双影问题时存在较长时延的缺陷,提...     

基于区域分割的红外和可见光图像融合方法

针对红外和可见光图像融合在场景监控中的应用,提出了一种基于区域分割的图像融合方法。首先采用改进的区域生长法对源图像进行区域分割,得到用于融合图像的联合区域表示,然后综合考虑目标灰度和面积的特点将区域划分为目标区域和背景区域,分别采取基于区域能量和区域平均梯度的融合规则得到融合图像。通过对两组不同场景下的图像进行实验,结果表明该方法能够有效地保持源图像特征,融合结果有利于人眼感知和机器视觉。     

An automated pulmonary parenchyma segmentation method based on an improved region growing algorithmin PET-CT imaging

To address the incomplete problem in pulmonary parenchyma segmentation based on the traditional methods, a novel automated segmentation method based on an eight-neighbor region growing algorithm with left-right scanning and four-corner rotating and scanning is proposed in this paper. The proposed method consists of four main stages: image binarization, rough segmentation of lung, image denoising and lung contour refining. First, the binarization of images is done and the regions of interest are extracted. After that, the rough segmentation of lung is performed through a general region growing method. Then the improved eight-neighbor region growing is used to remove noise for the upper, middle, and bottom region of lung. Finally, corrosion and expansion operations are utilized to smooth the lung boundary. The proposed method was validated on chest positron emission tomography-computed tomography (PET-CT) data of 30 cases from a hospital in Shanxi, China. Experimental results show that our method can achieve an average volume overlap ratio of 96.21 ± 0.39% with the manual segmentation results. Compared with the existing methods, the proposed algorithm segments the lung in PET-CT images more efficiently and accurately.