基于目标检测和区域生长的断层图像自动分割

为了实现对序列断层图像的自动分割,提出了基于目标检测和区域生长的自动分割方法.基于待分割目标在相邻层上的相关图和相关度的定义,相关图用于表达目标在相邻断层之间的延续关系.采用目标检测算法计算出当前层上已分割图像和相关图中目标的形状参数,包括目标质心和最小外包矩形等,根据相关度为在相邻层上应用区域生长算法提供有效种子点.实验结果表明,该方法能达到序列断层图像自动分割的目的,而且其效率比基于体素的三维区域生长分割方法提高了近50%.     

引入Harris角点检测的运动图像边缘轮廓提取

对运动目标图像进行边缘轮廓特征提取,提高运动图像的电子稳像性能,从而准确实现运动目标的检测和识别.提出了一种基于Harris角点检测的运动图像边缘轮廓提取算法,对运动图像进行仿射不变闭合区域增强处理,采用Kalman滤波和运动状态相邻帧补偿的方法进行运动图像Harris角点检测,提高相邻两帧之间边缘轮廓的角点检测能力,实现了运动图像边缘轮廓的提取和稳像处理.仿真结果表明,用该方法进行图像边缘轮廓角点提取的准确度高且稳健性好.     

局部背景边缘干扰下运动视频完整轮廓检测方法

针对传统相邻帧差算法在对轮廓检测过程中无法有效解决局部背景边缘干扰的问题,提出基于高速并行细化算法的运动视频完整轮廓检测方法.基于Sobel算子对运动视频轮廓进行粗检测,通过形态学后处理对粗检测获取的运动视频目标轮廓进行腐蚀运算,过滤其中的噪声,使图像边缘向内紧缩;采用两次膨胀处理恢复并增强运动视频目标图像的连通区域,引入高速并行细化算法对图像进行细化处理,采集图像骨架,并获取线条平滑的完整运动视频目标轮廓图像.结果表明,所提方法检测出的运动视频目标轮廓更为完整、清晰,并且检测效率高.     

基于运动检测的自适应降噪算法及实现

提出了基于运动检测的自适应降噪算法.通过计算相邻图像的相同背景区域噪声方差得到噪声强度,根据噪声强度大小设置运动阈值;通过计算图像局部相似度自适应地区分图像运动区域和静止区域,对静止区域采用时域加权均值滤波,对运动区域采用均值空域滤波.Matlab仿真实验结果表明:采用该降噪算法在去除视频序列噪声的同时,也很好地保护了图像的细节.     

一种基于MRF与区域合并的图像分割改进算法

针对现有基于马尔科夫随机场的图像分割算法容易出现过分割、分割结果不理想等问题,提出了一种基于马尔科夫随机场与区域合并的图像分割改进算法。该算法首先基于马尔科夫随机场与高斯混合模型理论的图像分割算法得到初始分割结果;然后利用各个区域间的相邻关系、颜色关系以及边界情况等信息,给出各个区域间的距离;最后按照区域间的距离与区域合并前后的颜色散度变化率对初始分割结果进行区域合并,输出最终的分割结果。使用伯克利标准图像库进行实验仿真,采用Dice系数和Jaccard系数作为评价指标。仿真结果表明,相比于现有基于MRF理论的算法,本文算法具有更好的分割效果。     

自适应分块压缩感知的图像压缩算法

均匀分块压缩感知对图像信号进行压缩采样,无法有效地分离出重要区域和背景区域．为此, 给出一种基于图像内容的自适应分块算法,以图像内相邻像素间的灰度差值作为块大小分割的依 据,利用四叉树算法进行图像自适应块大小的划分;并将分块结果根据相邻像素ＤＣＴ系数的差值 大小分成快速变化块、缓慢变化块和过渡块３类,适时分配相应采样率．实验结果表明：给出的算法 对仿真实验选取的图像重构质量高于均匀分块方法１～３ｄＢ,且重构时间减少２０～４０ｍｓ;在重构 质量近似的情况下,重构时间比基于图像块像素方差的块分类方法减少４０～６０ｍｓ．     

基于模糊逻辑和区域合并的分水岭变换图像分割

通过分析分水岭变换对图像细微变化敏感而产生过分割现象的缺陷,提出一种基于模糊逻辑的分水岭变换区域合并算法。首先使用形态学滤波方法对图像进行平滑降噪处理,并进行分水岭变换。再根据相邻区域的边缘有效性与灰度相似性,通过模糊推理及去模糊化方法获得区域可合并度。最后根据可合并度进行区域合并,获得分割结果图像。实验结果的数据分析表明:该方法在保证了重要轮廓信息不丢失的前提下,克服过分割现象,大量减少无效区域,提高了分割结果对图像中物体轮廓的概括性,较好地达到分割图像的目的。     

图像序列拼接算法的研究

针对利用水平摇动数码相机镜头连续拍摄多幅图像拼接全景图像时需要大量的计算,以及相邻两幅图像亮度不一致,容易造成明显接痕的问题,依据相邻两幅图像之间可以用投影变换表示相对关系的原则,提出了利用Moravec算子提取特征点,对图像进行投影变换,进而拼接两幅图像的算法;同时,算法中还引进了直方图规定化方法,以消除亮度不一致造成的接痕．实验证明,算法避免了迭代计算造成的大量处理时间,有效地去除了重叠区域的接痕,可以无缝平滑地拼接全景图．     

序列图像的快速配准算法研究

基于特征的图像配准算法至今已取得了很多研究成果,然而在现有的计算机性能条件下依然不能实现实时性的结果。针对基于快速鲁棒特征(Speed Up Robust Features,SURF)的序列图像拼接算法中图像配准时间长、计算繁琐等问题,提出一种结合感知哈希算法的SURF图像配准方法。设计了一种快速的搜索算法,对待拼接的相邻序列图像进行重合区域检测,确定有效的拼接区域,对有效拼接区域提取SURF特征点及描述子实现特征的配准。实验结果表明,该方法能够显著提高匹配速度和效率,提取稳定准确的特征点,减少误匹配,与现有算法相比有更好的实时性。     

改进的分水岭图像分割算法

针对分水岭图像分割算法对噪声敏感和易于产生过分割现象,提出了一种基于粒子群和区域生长的改进分水岭算法。该算法将区域生长与分水岭分割算法相结合,依据香农熵构建一个目标函数,确定区域生长参数;利用灰度均值计算区域间的差异度,将比较小的区域合并到与之相邻的差异度最小的区域中;利用粒子群算法对该目标函数进行全局寻优,实现图像分割。实验证明新算法较已有的几种分割算法有了很大提高,并有效地解决了分水岭算法的过分割问题,分割结果更加符合人的直观视觉特性,是一种有效、准确且实用的图像分割方法。