基于像素相似性与Graph-Cut的图像自动分割

采用Graph cut的图像分割分为交互式分割与自动分割,为了弥补交互式分割需要用户的参与、分割结果依赖种子点的选取与模型的建立、需要用户的进一步修正才能得到满意结果等不足,介绍基于相似性的自动图像分割。该方法采用Mean-shift平滑图像、转换成YCbCr空间后将图像分割成若干区域块等方法,建立合适的能量函数后利用最大流/最小割定理求最小割。并通过实验证明,该方法在自动性、准确性、时间效率方面都获得较好结果。     

一种基于可变形模型的图像分割算法

提出了一种新的基于可变形模型的图像分割算法。该算法在模拟气球膨胀法的基础上，对内外部力场进行了改进。并通过控制力场的方向，使Snakes不断向图像内部收缩分裂，最终完成对图像的分割。对合成图像和实际图像的实验表明，这一方法是行之有效的。     

一种用于声带振动图像自动分割的自适应可变形模型

提出采用基于迭代算法的分级自适应可变形模型,用于声带振动图像的自动分割．该模型由基本可变形模型和高阶可变形模型构成二级模型,基本可变形模型由２ 条描述声带内壁的样条曲线组成,依据声带振动目标形状的先验知识定义及初始化．高阶模型通过提高每条曲线的阶次,增加控制点数来捕获目标的精细边缘,以得出精确的声带形状分割结果．本文模型充分利用了有关声带形状的先验知识及全局特征,增加了图像分割的正确性及稳定性．     

基于仿射不变的分段可变形模型的图像分割

提出了一种用于图像分割的分段可变形模型,并在模型的能量函数中引入了仿射不变量信息．将模型轮廊进行层次化的分段变形能够保持标记点移动的相关性,改进的内外部能量函数定义减少了计算量,试验表明与传统方法相比,本模型运算速度快,抗噪声和避免陷入局部极小值的能力较强,对医学图像的分割有较好的效果。     

基于统计模型组的Markov SAR图像分割

该文首先介绍SAR图像分割的概念,分析了其地物数据的统计特性,在此基础上利用多种模型构成的统计模型组来匹配大幅SAR图像中各类地物的直方图分布,给出了衡量实际地物直方图和假设已知模型匹配程度的检验统计量,以此来选取最优的统计模型组;并提出了基于统计模型组的Markov随机场的SAR图像分割算法,利用Radarsat的实测数据验证了算法的有效性,给出了性能评估结果,并与其它分割方法做了比较。     

基于可变形模板的视频对象分割

提出一种基于原型的可变形模板进行图像分割的算法，从而可以将感兴趣的视频对象从静止的复杂背景中提取出来，首先定义一个原型模板来特征化感光趣的视频对象，得到一个先验概率密度函数的一个将运动信息与边缘方向结合起来的似然函数，然后应用贝叶斯准则将两者结合起来，得到后验概率密度函数。求它的最大值，从而确定对象的位置。     

用可变形模板进行基于内容的图像分割算法

 本文提出一种采用可变形模板匹配技术进行基于内容的图像分割算法.通过预先计算出可变形模板沿着变形的正交曲线,并对模板曲线及正交曲线进行离散抽样,建立一基于正交曲线的二维(2-D)可变形模板,针对图像分割问题定义控制可变形模板进行变形的内、外部能量函数,本文采用遗传算法搜索能量函数最小的全局最优解.该新算法比传统的可变形模板匹配方法降低了搜索空间的维数,减少了算法对模板初始位置的敏感.对实际图像及模拟低信噪比图像处理的结果表明,新算法具有良好的分割精度及稳定性.     

基于红外图像统计模型的分割方法

提出了一种新的红外图像的统计模型,它是由高斯和广义Gamma分布复合产生的,对太阳散射、背景热辐射以及闪烁影响都可以进行准确的描述。该模型可以推导出统计矩的闭合表达式,而且取特定的参数值,模型可以变为几类常用的简单模型。模型的参数可基于统计矩估计得到,然后再根据模型实现对图像的合理分割。     

基于增强型EM模型重叠区域图像分割算法

针对图像大规模重叠区域的有效分割一直是一个难题,传统的Log算子、Sobel算子、Canny算子以及梯度算子等算法解决大规模像素重叠问题时,模型会陷入不收敛的境地,导致分割效果较差,为了解决这样问题,提出一种增强型EM模型解决重叠区域图像分割的问题,利用curvelet变换在curvelet域内提取图像的边缘特征,并定位特征curvelet系数.通过增强特征curvelet系数,增强边沿特征对比性,分割多尺度多结构元素形态学检测的边缘图像,消除重叠带来的干扰.仿真实验结果表明:分割的边缘更为完整准确,取得了令人满意的效果.     

一种基于模糊C均值的图像超像素分割方法

在分析现有图像分割算法基础上,提出一种基于超像素的模糊C均值分割算法.首先利用像素间灰度和距离定义像素间相似度,从而循环迭代出图像的超像素;然后进一步提取每个超像素的小波能量特征并利用模糊C均值算法对该特征进行聚类.大量实验表明,提出的图像分割算法对噪声有一定稳健性,分割准确率高,并能有效抑制孤立点的影响.     

基于局部复杂度的图像过渡区提取与分割

传统的图像过渡区提取算法基于梯度算子，算法对噪声敏感且受剪切值Llow与Lbigh的限制．通过对过渡区像素属性的深入分析，提出基于局部复杂度的过渡区直接提取算法．局部复杂度的滤波作用提高了算法的抗噪性，直接提取则使算法摆脱了对Llow与Lbigh的依赖．实验结果表明，局部复杂度方法优于传统的基于梯度算子的过渡区间接提取方法．     

基于分水岭-谱聚类的SAR图像分割

由于谱聚类是基于图论的、以相似性为基础的聚类方法,需要计算图像中每对像素点之间的相似性.当图像很大时,计算相似性矩阵和求解相应的特征值、特征向量是很困难和耗时的.为此,针对合成孔径雷达(SAR)图像的特点,提出了一个两阶段的图像分割方法,首先采用分水岭算法对图像进行过分割,然后再用改进的谱聚类算法进行聚类.新方法不仅可以减少噪声对分割结果的影响,很好地保持图像边缘,而且对时间要求较高的应用也具有一定的参考价值.为了验证新方法的有效性,将其用于SAR图像分割,取得了较优的分割结果.     

基于高精度端元的混合像元线性分解模型研究

从理论上阐述了混合像元的产生机理和混合像元线性分解模型,研制了一套地面成像光谱实验系统,直接获取了高精度的端元光谱数据,通过像元合并的方式构造混合像元,针对不同丰度的非立体空间混合像元端元,分析了根据线性分解模型加权计算得到的光谱与实际混合光谱的误差,进而论证了线性分解模型的精度.     

基于霍夫变换和眼睑弹性模板的眼睛特征提取

提出一种将新颖的眼睑弹性模板与霍夫变换相结合实现眼睛特征的自动提取的方法,即自动定位眼球并自动提取眼睛轮廓．与其它用弹性模板提取眼睛特征的方法相比,本方法可以处理对比度较低、下眼睑模糊的图像,提取特征准确度更高,且改进的能量函数和保守能量下降算法大大简化了经验参数的选择．经过百余幅眼睛图像的实验处理,验证了该方法的有效性．     

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好干与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.     

基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

一种基于N-gram模型和机器学习的汉语分词算法

汉语的自动分词,是计算机中文信息处理领域中一个基础而困难的课题。该文提出了一种将汉语文本句子切分成词的新方法,这种方法以N-gram模型为基础,并结合有效的Viterbi搜索算法来实现汉语句子的切词。由于采用了基于机器学习的自组词算法,无需人工编制领域词典。该文还讨论了评价分词算法的两个定量指标,即查准率和查全率的定义,在此基础上,用封闭语料库和开放语料库对该文提出的汉语分词模型进行了实验测试,表明该模型和算法具有较高的查准率和查全率。