图象分割质量评价方法研究

分析研究了图象分割质量的评价方法,将模糊集合的概念应用到分割评价方法中,引入模糊度测度．提出了一个简单有效的映射函数,可以快速有效地将图象从空间域变换到模糊性质域．对几种具有实际意义的图象分割质量评价参数及模糊度做了分析,提出了一个综合评价函数．实验结果表明：引入的模糊度比较准确地反映了分割图象的质量,其反映的分割图象质量差别与人的视觉效果基本一致．     

图象分割评价技术分类和比较

本文对图象分割评价，特别是评价方法和评价准则的进展，作了一个综述，现已提出的多数分割评价方法可分为直接法和间接法，直接法研究分割算法本身，面间接法根据分割图象来评价算法的性能。直接法和间接法都需要借助一定的评价准则来进行。本文对已提出的各种准则进行了分类与分析比较，并对常用的评价准则进行了实验比较，通过分析其性能表现排出了它们的优劣次序。本研究为在实际中正确地应用不同的评价方法提出了依据并指出了若干进一步研究的方向。     

图象过渡区提取与分割算法评价

对几种基于过渡区提取的图象分割算法进行了较为全面的综合评价,包括分割质量评价、抗噪性评价、运算复杂度评价、目标背景面积比影响及人为参数等方面的评价,评价使用了4种典型的过渡区提取与分割算法,以及两种经典的阈值化分割算法。评价结果表明,过渡区提取与分割算法可以取得优于传统阈值化分割算法的综合性能,是一种值得研究的图象分割方法。     

解压缩图象质量的客观评价研究

指出了峰峰值信噪比ＰＳＮＲ用于图象质量评价的缺点,提出了一个直接量解压缩图象质量的客观指标－细节信噪比ＤＳＮＲ,它能客观反映细节信号能量和噪声对图象质量的影响。实验证明,在相同场景中ＤＳＮＲ能较好地反映ＰＳＮＲ的变化,因而可以用于同一图象的不同压缩图象以及图象序列的评价。     

图象质量评价方法综述

图象压缩编码以及传输的结果，是由图象质量测度来评价的。由于人眼通常是最终的信息接受者，基于视觉特性的客观测度更符合主观评价。近年来，电子成象和编码的技术的飞速发展与应用，使这种质量评价标准成为活跃的研究区域，本文对其研究现状作了综述。     

图象质量评价的发展

图象质量评价的研究已成为图象信息工程的基础技术之一。对目前一些典型的数字图象质量评价方法进行了简要综述,并着重介绍了一种基于视觉兴趣的图象质量评价方法,指出了图象质量评价研究可能发展的方向。     

图象分割的自适应模糊阈值法

该文研究了海面舰船图象的模糊阈值分割问题,首先介绍了模糊阈值分割的基本原理,在讨论了隶属函数的分布特性及其窗宽对阈值选取的影响后,提出了一种在预先给定隶属函数的情况下,利用目标－背景对比度自动选取窗宽的方法,并给出了根据目标与摄像机间的相对距离估计目标－背景对比度的算法,其应用于智能电视跟踪系统,对不同距离、不同对比度的海面舰船图象进行了阈值分割实验,结果表明该方法具有较强的场景适应能力。     

穿甲弹飞行图象分割技术研究

本文针对脱壳穿甲弹高速飞行图象的特点,建立了相应的迭代模型,并且利用概率理论导出了一个新的分割算法,将这个算法应用于穿甲弹飞行图象处理,取得了预期的实验结果。     

基于色彩学习的彩色图象分割方法

图象分割是实现计算机图象识别与理解的基础，而彩色是进行图象分割的一个重要手段。本文给出了一种基色彩学习的彩色图象分割算法。     

图象质量评价方法的历史、现状和未来

图象压缩可以看作是在码率和图象质量视觉感知失真之间的一种折衷。图象质量视觉感知失真的正确评价直接关系到图象压缩编码算法的设计与优化。传统的图象质量评价方法不能有效地反映出对人眼对图象失真的视觉感知。由于人眼是最终的信息接收者，我们在人眼视觉模型（ＨＶＳ）的基础上建立了通用的评价模型，并采用了Ｂ样条小波、误差分割等技术，来反映人眼在二维随机域上幅度非线性衰减、二维视觉敏感度带通和视觉多尺度多方向性的特点。图象质量评价将向视觉生理心理试验、ＨＶＳ模型的简化及通用模型的推广三个方向发展。     

基于最大树法的模糊图像分割方法

本文提出一种新的模糊图像分割方法。根据任一像素点与相邻像素点的关系,计算局部均值均方差向量,并建立像素间的模糊相似关系,采用最大树方法进行模糊聚类分析．在模糊意义下实现图像分割。模糊逻辑下的图像分割,具有刻画视觉系统不精确度量特性的优点。由于待处理图像像素点数目巨大,采用最大树方法分类,能够大幅度减少工作量。因此,用最大树方法进行模糊聚类,实现图像分割,是一种既简便又高效的智能化的处理方法。     

基于模糊隶属度空间约束的FCM图像分割

针对模糊C均值(FCM)算法对噪声较为敏感,提出了基于隶属度空间约束的FCM图像分割方法,该方法将隶属度空间约束关系引入到FCM目标函数,在新的目标函数中,像素点的隶属度不仅仅与FCM标准目标函数有关,还与其领域像素点的隶属度有关。由于融合了图像像素点的空间信息,反映了领域像素点间的隶属度关联信息,因此该算法具有较强的杭噪性能。     

一种改进的模糊聚类图像分割算法研究与仿真

针对相似图像分割过程中,输入像素数据在转换空间上存在的不连贯和幅度变化特征差异很小,像素的隶属关系很难准确界定,导致分割阀值设定过程出现较大衰减,分割误差较大的问题,提出一种改进的模糊聚类图像分割算法.分析了传统的模糊C-均值聚类图像分割算法的弊端,对像素模糊划分矩阵和聚类中心进行推导,将迭代过程中像素数据集对聚类隶属的可能性和不确定性关系融入分割目标函数中,依据可能隶属度和不确定隶属度建立改进分割准则函数,同时对像素聚类进行更新,实现图像分割.仿真结果验证了所提算法的有效性,结果表明,改进后的方法在分割检测过程中,图像误差明显减小.     

图像分割的快速模糊c均值聚类算法

提出了一种快速有效的图像模糊c-均值(FCM)聚类分割方法。该方法一方面通过特征映射减少数据量,另一方面通过调整算法的计算步骤以减少迭代过程的存储量,从而大大缩短图像分割的运行时间。应用于图像分割的实验结果表明新算法在保持原有FCM分割效果的同时大大缩短了CPU时间。     

基于二维直方图的图像模糊聚类分割新方法

基于二维直方图的模糊聚类分割算法可以有效地抑制噪声的干扰。但是,FCM算法用于图像数据聚类时的最大缺陷是运算的开销太大,这就限制了这种方法在图像分割中的应用。该文根据FCM算法和灰度图像的特点,提出了一种适用于灰度图像分割的抑制式模糊C-均值聚类算法(S-FCM)。通过调节抑制因子α来提高分割速度和分类的正确率。实验结果表明,新算法对小目标灰度图像的分割效果优于FCM算法。     

基于训练样本自动选取的SVM彩色图像分割方法

图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容。基于支持向量机((Support Vcctor Ma- chine, SVM)的方法现已广泛应用于图像分割,但其在训练样本的选取上大多是人工选择,这降低了图像分割的自适 应性,且影响了SVM的分类性能。提出一种基于训练样本自动选取的SVM彩色图像分割方法,算法首先使用模糊 C均值(Fuzzy C-Mcans, FCM)聚类算法自动获取训练样本,然后分别提取图像颜色特征和纹理特征,将其作为SVM 模型训练样本的特征属性进行训练,最后用训练好的分类器对图像进行分割。实验结果表明,提出的方法可取得很好 的分割结果。     

基于二维阈值化与FCM相混合的图象快速分割方法

提出了一种将快速二维阈值化与模糊聚类相混合的图象分割方法，以进一步减少快速二维阈值分割中的噪声与错误分割。实验结果表明，利用这种方法分割信噪比较低的图象，能够在很短的时间内得到较为令人满意的分割结果。此外，本文还讨论了这一方法中隶属度函数的选取对分割结果的影响