双窗口特征的SAR图像丛林区域MRF分割算法

针对固定窗口灰度共生矩阵纹理特征对合成孔径雷达(SAR)图像丛林区域分割存在的局限性,讨论了丛林区域纹理特征值的聚类特性,分析计算窗口大小对分割的影响。基于马尔科夫随机场(MRF)分割方法对SAR图像噪声抑制能力,提出一种基于小窗口纹理特征分割作为初始标记计算初始吉布斯分布,大窗口纹理特征作为样本估计高斯分布的MRF分割方法。该方法经实验验证,能够改善分割噪声和边缘模糊的问题,很好地对SAR丛林区域进行分割。     

基于区域MRF和贝叶斯置信传播的SAR图像分割

 本文通过定义新的势函数,将贝叶斯置信传播算法和区域MRF模型有效结合,提出了一种SAR图像分割算法.考虑到SAR图像丰富的纹理信息,该算法对分水岭分割后的过分割区域提取纹理特征,在得到的区域邻接图上构建MRF模型,并加入区域灰度均值和方差作为区域特征,利用FCM聚类的初分割结果定义区域的关联势函数,并将区域特征引入到置信传播算法中,定义了新的交互势函数.该算法充分利用了SAR图像空间的背景信息,所定义的新的交互势函数能在促进分割结果区域一致性的同时较好保护边缘.实验结果表明,相对于其他MRF模型分割算法,本文算法能取得更好的分割效果.     

基于Curvelet方向特征的样本块图像修复算法

能否保持修复后图像的结构连贯性和邻域一致性决定了修复性能的优劣.为提高现有样本块修复算法性能,本文提出基于Curvelet变换的样本块图像修复算法.首先利用Curvelet变换估计待修复图像的4方向特征.然后利用颜色信息与方向信息共同衡量样本块间的相似度,在此基础上构造颜色-方向结构稀疏度函数.同时根据构造的加权颜色-方向距离寻找合适的多个匹配块,并利用多个匹配块在构造的颜色和方向空间内的邻域一致性约束下稀疏表示目标块,同时根据目标块所处区域特性自适应确定误差容限.实验结果表明提出算法较现有算法可获得更优的修复效果,尤其是在修复富含结构纹理破损类型的图像时.     

基于扩散方程和MRF的SAR图像分割

该文提出了一种基于图像扩散方程和马尔科夫随机场(MRF)的合成孔径雷达(SAR)图像分割方法。在传统MRF算法的基础之中,引入对图像的扩散,用来平滑SAR图像中的噪声,保护图像中的边缘部分,并且加快收敛的速度。首先对输入的SAR图像进行扩散,通过MRF进行统计,得到图像中各点的后验概率,再对得到的后验概率进行扩散。与传统的MRF算法进行比较,该文的方法较好地去除了误分割斑块,减少算法的运行时间。     

基于偏移差值的结构化稀疏图像修复算法

针对基于匹配的图像修复算法中存在线性结构和 重复区域不能良好保持结构连贯性的问题,提出基 于偏移差值的结构化稀疏图像修复算法。首先定义一个新的特征偏移差值,结合图像颜色特 征构造样本块 间相似度项,并利用该相似度项寻找最佳匹配块;然后将偏移差值信息和颜色信息共同作为 稀疏约束项来 构造约束方程,以提高稀疏表示的准确性,从而保证邻域信息一致性。实验结果表明, 文 中方法对线性结 构和重复区域的破损修复能获得更好的效果。     

基于MRF的进化规划算法应用于红外图像分割

在中近程反坦克导弹红外制导系统中,图像分割的结果更注重于目标的位置信息。本文利用马尔可夫随机场(MRF)的局部相关特性,同时结合进化规划的全局优化搜索算法,提出了一种针对简单背景的红外图像分割算法。该算法模拟生物圈种群的竞争进化关系,对可能的目标区域给予较高的适应度,并对其余无关的背景和噪声进行快速的抑制,以达到突出目标和快速分割的目的。试验证明,该算法对简单背景下的中等目标有很好的分割效果,对噪声也有良好的抑制效果。     

基于生成MRF和局部统计特性的红外弱小目标检测算法

红外复杂背景中的弱小目标检测问题可看作是马尔可夫随机场理论框架下红外图像中背景与目标的二元分类标记问题.基于马尔可夫随机场后验概率模型, 提出利用先验的目标信杂比信息和图像局部统计特性构建观测图像后验概率模型的方法, 并采用经典ICM (Iterated conditional mode)方法对图像最优标记结果进行估计.仿真试验结果表明, 算法在保证目标标记结果准确率的同时, 有效降低了背景的误标记概率; 且由于采用局部统计特性进行建模, 算法有效降低了模型参数与标记结果间的关联性, 提高了最优标记估计的收敛速度.     

基于结构保持MRF模型的SAR图像去斑

该文提出一种用于SAR图像贝叶斯去斑的,具有结构保持特性的马尔可夫随机场模型。该模型通过引入一组权重参数建模待处理像素与其邻域点的空间相关性,可有效描述图像中的各种局部特性。准确的参数估计是模型有效运用的关键,借鉴随机松弛算法的思想,通过引入温度变量,实现了迭代过程中权重参数的自适应估计。仿真和实际SAR图像数据的实验结果,验证了所提模型及参数估计方法的有效性。     

一种基于区域的交互式MRF图像分割算法设计与实现

提出一种基于区域的交互式MRF图像分割算法,有效地解决了传统MRF方法中初始参数不易准确估计的问题,并能自动检测和矫正出现的误分割。算法在meanshift预分割得到的过分割区域上进行人工标记,并将图像转化到L*u*v空间,用较简单的欧式距离表达不同像素点之间的差异。同时,分析了误分割可能出现的情况,分类别对误分割现象进行自动检测,然后运用基于区域势能的区域合并方法对误分割进行自动矫正。通过对医学图像及自然彩色图像进行实验,实验结果表明该算法能准确地完成分割任务,并实现对误分割现象的自动检测和矫正,与传统MRF及Graph Cut算法相比,该算法能获得更准确及更平滑的分割结果。     

基于MRF模型和形态学运算的SAR图像分割

针对目标监测分析中的SAR图像分割问题,构造了一种基于马尔可夫随机场(MRF)模型和形态学运算的处理方法.首先利用SAR图像邻域空间上的马尔可夫性以及像素灰度的高斯分布模型,以较少的迭代次数实现了SAR图像的初分割;然后通过形态学运算进行处理,抑制干扰性分割,同时填充目标区域内部空洞,改善分割效果.实验结果显示,该方法...     

基于块结构稀疏度的自适应图像修复算法

现有基于稀疏性的图像修复算法采用固定大小的待填充块和邻域一致性约束,且在全局搜索待填充块的最优匹配块,既降低了待修复区域的结构连贯性和纹理清晰性,又增加了算法的时间复杂度.针对上述问题,根据破损区域特性和块结构稀疏度间的关系,提出基于块结构稀疏度的自适应图像修复算法.根据最大优先权值点的块结构稀疏度值,设定不同参数以自适应选取待填充块大小、邻域一致性约束权重系数和局部搜索区域大小,并通过仿真实验分析讨论了各参数选取.实验结果表明本文算法较文献算法在峰值信噪比上提高0.3dB ～ 1.2dB,并且提高算法速度3～7倍.     

基于MAR-MRF的SAR图像分割方法

该文提出了一种基于多尺度自回归模型和马尔科夫随机场的SAR图像分割算法。算法引入多尺度自回归模型,建立层与层之间以及相邻层的像素点之间的数学关系,并将此模型与马尔科夫分割算法结合,实现了更为合理的多尺度分割策略。通过相邻尺度的依赖关系及同一尺度空间的马尔可夫性,使用多尺度自回归模型的预测结果来引导精细尺度图像分割,不仅使得最细尺度下的分割迭代次数减少;而且去除了最细尺度下多余的误分类斑块;同时还能够分割出清晰、平滑的目标边界,实现了较满意的SAR图像分割。     

基于分形的图像修复算法

 图像修复是目前图像处理领域中的一个研究热点,对于较大孔洞的修复一直是个难点问题,已有算法都未能很好地解决.本文基于分形相关理论,提出了一种新的修复算法,很好地利用了图像的整体信息.论述了分形维数和分形编码序列块大小之间的关系,提出多尺度的分形编码及重构的修复方法.为了强化图像细节信息,进行了分形局部迭代.为了提高图像修复的质量,将图像进行了分形放大,再进行分形插值修复.从实验结果可以看出,新方法取得了较好的修补效果,尤其是对纹理图像和有较大孔洞的图像效果更好.     

一种基于TV-Stokes方程的图像修复算法

讨论使用TV-Stokes方程进行图像修复,通过把等照度线方向传输进入修复区域,用能量最小化模型和零散度条件,获得一个非线性的Stokes方程.一旦构造了等照度线,图像就以等照度线方向修复.     

基于紧支径向基函数内插的图像修复算法

该文提出一种基于紧支径向基函数插值的图像修复算法,该算法将图像看成残缺的三维散乱点集,将图像修复问题转化为三维数据的曲面重建问题。采用径向基函数曲面重建的方法构造出逼近三维点集的隐函数曲面,实现对残缺部分的插值,并对重构曲面采样得到残缺部分的像素值。紧支径向基函数可使求解权系数的线性系统的系数矩阵具有稀疏带状结构,从而降低算法的复杂度。实验结果表明,该算法是一种实用对图像修复算法,可得到良好的修复效果。     

基于马尔可夫随机场的降质光学图像预处理

文本图像等统计规律比较强的图像中存在模糊、笔划不完整等降质问题,基于文本图像在结构和统计规律等方面的特点,建立相应的马尔可夫随机场模型对其进行预处理,以进一步提高后续处理的正确率并减轻后续工作难度.该方法首先通过样本训练建立观测模型以对先验概率进行学习,然后采用模拟退火算法对模型参数优化计算,最后利用前两阶段所得模型进行未知图像处理.实验结果表明,该方法简单有效,可以取得较好的预处理效果.     

具有聚类结构相似性的非参数贝叶斯字典学习算法

利用图像结构信息是字典学习的难点,针对传统非参数贝叶斯算法对图像结构信息利用不充分,以及算法运行效率低下的问题,该文提出一种结构相似性聚类beta过程因子分析(SSC-BPFA)字典学习算法。该算法通过Markov随机场和分层Dirichlet过程实现对图像局部结构相似性和全局聚类差异性的兼顾,利用变分贝叶斯推断完成对概率模型的高效学习,在确保算法收敛性的同时具有聚类的自适应性。实验表明,相比目前非参数贝叶斯字典学习方面的主流算法,该文算法在图像去噪和插值修复应用中具有更高的表示精度、结构相似性测度和运行效率。     

基于样本和线性结构信息的大范围图像修复算法

基于纹理的图像修复算法对于修复破损区域比较大的图像效果较好,但该算法对于含有结构信息的图像修复效果很差.通过新的优先项的计算、平均值补偿及增加惩罚项提高传统的基于样本的图像修复算法的修复效果,结合图像中常出现的直线和曲线结构特征,提出了基于样本和结构信息的大范围图像修复算法.实验表明,该算法易于实现,修复结果能达到令人满意的效果,具有较高的实用价值.