克服灰度不均匀性的脑MR图像分割及去偏移场模型

为了解决脑核磁共振图像中的灰度不均匀现象,提出了一个基于二相的脑MR图像分割模型,利用图像的局部信息,同时进行脑组织分割和去除偏移场。实验结果表明：该模型能有效的对脑图像进行分割及去除偏移场,和原图像相比,恢复后的图像具有更好的视觉效果。     

一种用于MR脑图像分割的改进区域生长方法

为了达到改善核磁共振脑组织图像分割效果,提出了一种结合最大类间方差法和迭代法来自动获取阈值的区域生长算法.核磁共振脑组织图像经过预处理后,用最大类间方差法和迭代法分别分割图像获得阈值T1和T2,然后根据待分割区域的特征对T1、T2进行处理获得区域生长需要的阈值,最后采用改进的区域生长算法分割图像获取目标区域.经过改进的...     

一种基于模糊聚类的快速图像分割算法

提出一种基于二维直方图加权的模糊c均值图像快速分割算法.通过将原图像和它的平滑图像相结合,构造一个二元组的“广义图像”,广义图像的直方图就是原图像的二维直方图.然后对此二维直方图进行塔形分解得到金字塔的上一层——顶层,相应地称原二维直方图为底层.最后,利用加权模糊c均值聚类算法分别对顶层和底层进行模糊聚类,从而实现对原图像的分割.实验结果与性能分析表明,该算法具有较高的分割速度和良好的抑制噪声的能力.     

一种基于二维直方图的图像分割改进算法

针对基于二维直方图阈值斜分分割算法中斜分区域不定的问题,提出了一种新的二维直方图区域斜分方法,仅通过两条平行线将直方图分成内点区和噪声点区,然后根据图像自身的直方图自适应地确定斜分区域宽度,通过坐标变换,使得待处罂区域减少为原来的3％左右,大大减少了无用计算量,提高了运算速度,并且不影响分割精度。经过和其他算法比较表明,该算法有明显的优越性,可以运用于基于二维直方图的阁值分割中。     

基于二维属性直方图和遗传算法的图像阈值化

给出了二维属性直方图的概念,在此基础上提出了一种基于二维属性直方图和遗传算法的图像自动阈值化方法.该方法对二维阈值进行编码,根据二维属性直方图的Otsu算法确定适应度函数,通过遗传计算确定最佳分割阈值.将该方法用于一种海底小目标图像阈值化,经过240次适应度函数的计算即可得到最佳分割阈值.结果表明,该方法适用于直方图不是理想双峰形状的图像,比基于二维属性直方图的Otsu算法速度更快.     

基于模糊熵的GLLE熵阈值分割方法

图像分割是计算机视觉中基础且重要的一个问题.熵阈值图像分割作为一种有效的分割方法,被广泛应用于模式识别和图像处理中.传统的图像分割方法并不能获得足够有效的图像特征.为解决这个问题且进一步探究熵阈值在图像分割中的应用,引入一种GLLE(Gray Level and Local Entropy)二维直方图改进熵阈值图像分割模型,并提出了基于模糊熵的方法计算所建立的二维直方图模型.通过标准实验数据集上的对比实验表明,基于模糊熵的GLLE熵阈值分割方法可以得到更加准确的阈值,提高了分割精度.同时在处理不同类型图像的表现上优于往常的算法,具有更强的鲁棒性.     

蚁群算法在二维Otsu图像分割中的应用

提出了一种基于蚁群算法和二维Otsu的图像分割方法,利用蚁群算法快速寻优的特点,求出二维Otsu图像分割的阈值分割点,对图像进行分割。根据源图像和邻域平滑后图像的灰度,以及灰度频数进行聚类。通过灰度直方图的峰值点设置精确的初始聚类中心,解决了蚁群算法运算次数多、计算量大的问题;针对具体应用,对聚类半径、信息激素和启发引导函数进行了修正。实验表明该算法速度快、划分特性好、抗噪声能力强,可以准确地分割出目标。     

蚁群算法在二维Otsu图像分割中的应用

提出了一种基于蚁群算法和二维Otsu的图像分割方法,利用蚁群算法快速寻优的特点,求出二维Otsu图像分割的阈值分割点,对图像进行分割。根据源图像和邻域平滑后图像的灰度,以及灰度频数进行聚类。通过灰度直方图的峰值点设置精确的初始聚类中心,解决了蚁群算法运算次数多、计算量大的问题;针对具体应用,对聚类半径、信息激素和启发引导函数进行了修正。实验表明该算法速度快、划分特性好、抗噪声能力强,可以准确地分割出目标。     

基于直方图的模糊最大指数熵图像分割方法

针对最大熵阈值分割算法的计算缺陷,提出了一种基于直方图的模糊最大指数熵阈值图像分割新算法．该算法把模糊性指数、模糊熵概念应用到图像分割中,结合基于灰度图像直方图的模糊最大熵阈值图像分割理论,给出了模糊最大熵的新定义,同时引入了指数熵的概念．该算法能较好地完成图像分割,较传统分割算法具有更强的抗噪能力,为后续的图像处理提供了良好的基础．通过对真实目标灰度图像的分割和对比实验,表明本文新算法分割准确,性能优越。     

基于区间值模糊集熵的图像阈值分割算法

提出了一种新的区间值模糊集的模糊熵,并将其用于图像的阈值分割.根据图像直方图确定模糊化因子,选择适当的主隶属函数实现图像的区间值模糊集表示.利用新的区间值模糊集的模糊熵研究了图像的阈值分割算法.仿真实验表明,新的基于区间值模糊集模糊熵的阈值分割算法在处理模糊图像及具有噪声图像方面均比经典图像阈值分割方法更有效.     

基于改进Graph Cuts的印刷电路板CT图像分割算法

基于锥束CT的印刷电路板(PCB)无损检测是近年来出现的新的PCB检测手段,但是CT图像中普遍存在的金属伪影容易导致PCB图像的错误分割。为了抑制金属伪影对PCB图像分割的影响,文章提出了一种基于图割的交互式分割方法。利用受金属伪影影响的PCB图像灰度分布特点设计了新的权值函数,并进一步利用了用户输入的信息,将用户选取的种子点信息作为计算区域项权重的重要参数。通过对多组印刷电路板图像进行分割实验比较,结果表明与经典的Graph Cuts和Grabcut等算法相比,文章方法在准确性方面有明显提高。     

基于DSP与FPGA的靶标动态检测跟踪技术

针对靶场目标测试面临的测量目标小、距离远、目标与背景对比度低等实际问题,提出了基于DSP（Digital Signal Processing）与FPGA（Field Programmable Gate Array）的数字视频图像信息进行目标动态检测跟踪的方法。该方法采用了图像分割检测方法与目标跟踪算法,精确并快速地定位靶标十字的中心,从而实现复杂环境下运动靶标检测跟踪,提高了检测效率和精度。     

自适应脑组织影像分割

提出一种支持二维及三维MR脑影像的脑组织分割方法。首先采用改进的C-V模型去除脑脊液对灰质分割准确性的干扰。其次通过采用结合C-V模型的带标记区域增长算法,去除脑壳并提取脑室。最后结合覆盖背景的方法提取灰质及白质,从而实现了脑组织的自动分割。对该算法进行了仿真与实验验证,结果表明,该算法具备良好的准确性、通用性与实用性。     

一种改进的HSV颜色空间量化方法及其应用

随着图像数据的海量增长,图像检索效率逐渐成为研究热点.为了提高图像检索的准确率,提出了一种改进的HSV颜色空间量化方法,细化色调H的分类,使量化结果更接近人类感知,并在此基础上采用分块策略进行仿真实验.实验结果表明,提出的方法能更好地描述图像的颜色特征,效果令人满意,具有一定的实用性.     

基于属性直方图的图像分割方法及其在声呐图像分割中的应用

图像分割是图像识别中的主要问题，同时它又是一个经典难题；声呐图像恶劣的品质使图像的分割变得更为困难，属性直方图概念是直方图概念的推广；Otsu阈值化方法是一种性能良好的方法，本文将属性直方图概念应用于Otsu法中，提出了一中基于属性直方图的图像分割方法，文中阐述了这种方法的原理，并以声呐图像分割作为实例说明了这种方法的可行性。     

一种基于DGKAD模型的FTP搜索引擎索引算法

为解决FTP资源快速定位问题,提出了基于双字母倒排索引和引入地理位置信息的Kademlia模型（DGKAD）。在Kademlia（KAD）网络中加入了地理位置信息,弥补了KAD网络的层叠网逻辑拓扑和物理拓扑不匹配的问题,提高了网络通信效率;同时,鉴于FTP搜索引擎的检索对象是文件名,使用双字母倒排索引可以避免分词,提高了检索精确率。模拟实验表明,与基于中文分词的标准KAD（CKAD）相比,该算法的资源定位时间减少了约50％,检索查全率提高了约30％。     

一种基于偏微分方程的文本图像版面分割方法

为了能有效分割版面复杂的文本图像,提出了一种新的文本图像分割算法。该算法先采用Hough变换来进行文本倾斜的检测和校正,再根据本文提出的投影直方图法自适应地确定文本行的间距,之后应用偏微分方程方法对文本图像进行分割。最后通过实例阐明了该算法的有效性。     

采用COLDIST色差的一种图像检索方法研究

在基于内容的图像检索方法中,颜色相似度的计算主要采用欧氏距离。然而,欧氏距离不符合人眼的色彩识别特征,导致检索准确率偏低。本文提出了一种采用COLDIST色差公式的组合特征检索方法。首先计算图像的颜色直方图作为颜色特征、灰度共生矩阵和灰度行程矩阵作为纹理特征、泽尼克矩作为形状特征。然后采用COLDIST色差公式计算颜色相似度,并结合纹理、形状特征的相似度计算图像相似度。利用图像数据库Corel10000对本文提出的方法进行仿真测试。结果表明该方法具有更好的检索性能,有效地提高了检索的准确率。