非线性多尺度分析与自适应图像分割

以基于小波变换的非线性多尺度分析为基础,提出了一种新型的图像特征增强算法,该方法可有效地用于图像区域分,文中以光滑尺度函数产生局域平均权值,用光滑差（ｄｉｆｆｅｒｅｎｃｅ ｏｆ ｓｍｏｏｔｈｉｎｇ）小波变换图像以提取图像的局域亮度变化,从而实现了基于尺度－空间对比度增强的自适应图像分,在实验中,以在视觉信息处理中表现出良好性能的高斯函数为尺度函数,通过对尺度－空间对比度取阈值来实现图像信息的增强,     

基于最大类间方差的图像分割算法研究

图像分割算法是当前计算机图像处理的难点之一,由于图像区域内部像素的灰度变化相似度高,而在图像边界上的像素变化不连续。为了将图像分割成不同的区域,实验分析了最大熵阈值分割法和迭代式阈值分割法原理,并在此基础上对比研究了最大类间方差法。实验结果表明:最大类间方差法的峰值信噪比最大,均方根误差,图像分割效果最好。     

遥感图像道路信息提取的仿真分析研究

随着遥感技术的飞速发展,高分辨率遥感图像变得极易获得,而提取遥感图像中道路信息更是具有极大的现实意义。从遥感图像中提取的道路信息是结合直方图阈值分割技术和数学形态学研究出一种半自动的遥感图像道路提取方法。通过观察遥感图像的灰度直方图,选择出合适的阈值并分割出初始道路信息。初始道路会包含大量的颗粒噪声且道路会出现间断等情况。利用中值滤波器能够滤除原始道路图像中的颗粒噪声,利用数学形态学的方法可以消除物体间的粘连和填充道路孔洞。通过仿真分析,验证了研究的遥感图像道路提取方法和有效性。     

基于多阈值算法融合的图像分割

针对一种阈值分割算法很难对不同类型的图像进行有效地分割的问题,提出一种多阀值算法融合的方法.该方法通过不同的算法得到一组阈值,由迭代的方式将它们有机地组合,并定义一个回报函数,来选取最优阈值.实验结果表明,该方法针对不同类型的图像能够选择最优的阈值进行有效的分割,消除了使用者必须具有先验知识的障碍,省去了人工选择分割方法的麻烦.     

基于均值漂移的模糊C均值聚类图像分割方法

本文针对模糊C均值聚类（FCM）算法在分割噪声图像和含有颜色相近区域的图像时存在的不足,提出了一种结合各向异性均值漂移的模糊c均值聚类（FCM）新算法。该算法在传统的FCM算法中引入了均值漂移（MS）算法,分割图像时利用Ms算法可快速找到峰值点和图像空间信息的优点,对颜色漂移区域和细长区域均能保留更多的图像信息,同时具有较强的抗噪能力。     

基于LEP多尺度滤波分解的图像增强算法

为了解决传统图像增强方法不能在多个尺度上处理图像细节的问题,采用一种基于局部边缘保持(Local Edge-Preserving,LEP)滤波器的图像多尺度分解方法对图像进行增强。利用LEP滤波器对图像进行多尺度分解,分解成一个基本层和两个细节层;根据分解后各层的特点和增强的要求,通过保留基本层,对细节层进行S形曲线增强,实现图像细节的增强;最终合成并恢复颜色,得到最终增强图像。采用主观评价和对比度增益、信息熵来评价图像增强效果。实验结果表明,该方法能够有效增强图像细节,提升对比度,避免光晕现象,所得增强图像具有良好的视觉效果。     

基于模糊C均值聚类的纺织品印花图像分割

 针对纺织品印花精度检测的关键技术问题,主要围绕纺织品印花图像的有效分割展开研究工作,提出了基于距离修正和隶属度修正的FCM算法。为了确保FCM算法的有效性和精确性,对其参数的选取和算法结构进行了深入的研究,结合参数的自适应初始化方法和FCM算法的修正方法,最终给出该算法对纺织品印花图像的分割效果图。实验结果表明,该算法对纺织品印花图像有良好的分割效果,并且对由光和织物纹理引起的干扰有一定的抑制作用。     

基于图像分析的大米尺度检测方法

提出一种基于图像分析的大米实际尺度检测实用方法。在实物旁边放置直尺，用小波变换提取刻度，从而求出两像素点间的实际距离；再由二值化后的大米区域与边缘曲线求出大米的平面投影面积、长短轴与周长。根据数字图像的特点，对边缘曲线作适当的抛光处理，使周长的计算接近实际。实验结果表明，所得结果与实物尺寸基本相符，可在大米分类检测中使用。     

空间尺度的创新表达

人从主客观的空间需求入手,不断地对空间尺度进行着创新性理解,使功能性的客观尺度、人享尺度能更好地结合,以做出个性表达的创新尺度设计,并随时代进步,规划出管理社会的有效尺度。     

基于Mean Shift的织物图像分割算法

首先介绍了Mean Shift算法的处理过程,然后以处理织物图像分割为研究对象,将扩展形式的Mean shift算法用于解决织物图像分割问题。新提出的织物图像分割算法包括2个步骤:Mean Shift图像滤波和Mean Shift图像分割,并介绍了各自的原理。分割效果有3个关键参数控制:空域带宽、色度域带宽和最小区域限制。实验结果给出了3个参数的影响和选取分析,最后给出该织物图像分割算法与原CAD处理效果比较图,表明该算法具有可行性、有效性和鲁棒性。     

基于JSEG算法的纺织品印花图像分割

 针对机器视觉对纺织品印花精度的检测问题,提出了利用JSEG算法对印花的纺织品图像进行分割。主要通过对图像的滤波,颜色的矢量化和区域的增长与合并,完成图像区域的分割。通过实验给出了颜色量化阈值和区域合并阈值对图像分割的影响以及选取的方法,最终给出该算法对印花纺织品图像的分割效果图,表明该算法利用颜色信息和区域信息,对包含纹理信息的彩色印花图像有良好的分割效果,并且对由日光引起的一些干扰有一定的抑制作用。     

基于多尺度冗余字典稀疏分解的纸病图像背景补偿方法

对于纸病检测中纸张图像背景不均匀以及图像灰度特征不明显等造成纸病测量精度低的问题,建立多尺度冗余字典,采用正交匹配追踪算法(OMP)对纸病图像进行稀疏分解,并根据纸病背景图像和纸病图像不同形态特征,对背景进行补偿,从而增强纸病特征。实验表明,该方法能够有效地重构并补偿纸病背景图像,突出灰度特征较弱的纸病,提高纸病检测的准确性。     

基于多尺度图像增强结合卷积神经网络的纸病识别分类

针对造纸工业中传统纸病识别分类依赖于特征描述子和分类器的选择问题,提出一种多尺度图像增强结合卷积神经网络的纸病识别分类方法。该方法利用多尺度形态学梯度增强纸病图像的边缘轮廓信息,突出缺陷梯度特征,然后利用卷积神经网络(CNN)学习纸病图像的特征并分类识别,从而实现纸病的准确识别分类。实验结果表明,该方法对纸病识别分类的结果明显优于HOG+SVM、LBP+SVM以及传统CNN方法,在Caltech101、KTH-TIPS以及本课题的数据集上的分类正确识别率分别达到98.44%、99.23%和99.64%。与现有纸病识别分类方法相比,本课题方法不需针对各种纸病进行缺陷特征提取和特征描述,能快速实现纸病的准确识别分类。     

对于卫星遥感图像去薄云薄雾计算机算法分析

遥感图像中存在的薄云薄雾在很大程度上影响着遥感图像清晰度,因此,本文针对含薄云薄雾的遥感图像分别提出了基于高维空间几何信息学的去薄云及基于Retidx算法和色度比的图像增强去雾算法。     

基于多尺度特征融合注意力机制的纸病分类方法研究

针对造纸工业中传统纸病分类算法准确率低的问题,本课题提出一种多尺度图像增强结合注意力机制的方法;采用锐化滤波器和对比度增强操作获得图像对直线信息的响应,同时利用Sobel边缘检测获取图像对边缘信息的响应,然后将这些响应分别放进卷积神经网络(CNN)中提取浅层局部信息后进行特征融合,得到全局信息,最后利用注意力机制,通过关注这些图像中最有特点的部分,进行纸病分类。实验表明,该方法优于HOG+SVM、LBP+SVM以及传统CNN等方法,在自建数据集上,分类准确率可达到96.63%;与现有基于CNN的纸病分类算法相比,所需的数据量更少,分类效果更好。     

基于边缘检测的虹膜图像定位分割算法研究

研究了虹膜识别的定位分割算法。算法主要包括虹膜边缘检测、虹膜内外圆定位、分割眼睑。本算法在利用改进的Canny检测边缘算子对虹膜进行边缘检测的基础上,对虹膜内外圆进行有效而准确的定位,提出了分割眼睑、睫毛等影响因素的方案,并在Matlab软件中进行了仿真实验。     

基于粗糙集与PCA的多聚焦图像融合算法

粗糙集理论是处理不确定性问题的一种数学工具。为了解决含有椒盐噪声的图像的融合问题,采用粗糙集理论与PCA算法相结合的方法对受到噪声干扰的多聚焦图像进行融合。先采用粗糙集理论对源图像进行粗糙增强预处理,再用PCA算法对增强后的图像进行融合,得到融合图像。采用主观评价与信息熵和平均梯度作为图像融合效果评价准则。仿真结果表明,运用该算法得到的融合图像的视觉效果比源图像更好。     

Otsu多阈值分割算法的研究

在图像分割中,确定阈值是关键,但已有选择阈值的方法多是单阈值法,不适用于多目标识别.鉴于此,提出了一种改进的基于一维Otsu的多阈值分割算法.该算法通过对图像多次分类、使用分离变量合并多余的分类、使用松弛变量搜索阈值等方法提高了运算速度.实验效果验证了该算法的有效性.     

基于视觉注意的图像感兴趣区域分割算法

为了更好地对浅景图像和简单背景图像进行分析和处理,进而改善图像的质量和效果,在Itti注意力模型算法的基础上,提出了基于视觉注意的阂值分割算法.该算法主要通过对像素属性的分析提取图像的感兴趣部分,根据像素点与均值的偏离程度对图像进行增强,利用感知学原理使HSI颜色空间所成图像更符合人的视觉要求.实验结果表明,该方法符合生物学的视觉注意机制,在自动检测感兴趣区域时,可以有效减少过分分割,也能较好地提取出较大的感兴趣区域.     

基于上下文分析的SAR图像分割算法

合成孔径雷达(synthetic aperture radar,SAR)是一种主动的微波遥感成像雷达,合成孔径原理的使用可以获得高分辨率的图像,提供丰富的地面信息。同时,特殊的成像原理也产生了新的图像处理问题。文章针对SAR图像的特点设计一种自适应滑动窗口,并将图像上下文信息(邻域信息和边缘信息)应用进模糊聚类算法,可以有效的抑制噪声的干扰,分割的效果有了很大的提高。