一种改进的模糊连接度图像分割方法

本文对模糊连接度的理论框架进行了扩展,在框架内引入了图论中的有向图和森林等概念。把图像定义为一个有向图,有向图的结点是图像的像素点,有向图的弧是相邻像素的边,树的根结点是人工给出的种子点,所有像素点到种子点的模糊连接路径组成了模糊连接森林,模糊连接森林给出了图像的分割。实验结果表明本文方法比相对模糊连接度方法得到更好的结果。     

基于图割和模糊连接度的交互式舰船红外图像分割方法

针对舰船红外图像分割中的低对比度、边缘模糊和目标灰度不均匀问题, 提出了基于图割和模糊连接度的交互式图像分割方法. 交互方式为矩形笔刷, 选择目标和背景种子点. 分割方法为基于图割的图像分割方法, 引入模糊连接度来计算图割的似然能, 给出了模糊连接度权重的自动确定方法, 提出了基于直方图分解的高斯混合模型(Gaussian mixture model, GMM)成分个数和参数估计方法. 仿真结果表明, 新方法可实现各种复杂环境下舰船红外图像目标的有效分割.     

基于模糊连接度的图像分割及算法

提出了一种基于模糊连接度图像分割的方法,在模糊连接度分割的基础上增加了最优路径(即与种子点的所有路径中连接度最大的路径)上各点相对于种子点的属性相似度的检验,使之能在待分割对象边界比较模糊的情况下取得理想的分割结果.同时提出了一种基于图像扫描机制的算法,它以种子点为中心,逐个计算邻居点相对于种子点的模糊连接度,该算法充分利用模糊连接度和属性相似度的性质,能简单、快速地找到两点间的最优路径.实验结果表明,该方法快速、有效地提高了图像分割的质量.     

基于贪心算法的快速模糊连接度图像分割

提出一种基于Dijkstra的贪心算法来实现模糊连接度的快速计算方法。每次寻找全局最优解,并从两个方面减少迭代次数来加快运算速度。首先,通过统一根节点模糊连接度的方式,去掉原始Dijkstra算法的更新操作,每个像素点一次即可完成模糊连接度的计算。其次,每一次迭代可以实现多个像素点模糊连接度的计算。通过真实医学图像测试表明,与其他改进算法相比,其分割速度明显加快,且不影响其分割精度。     

基于注意计算模型的医学图像模糊连接度分割

用模糊连接度分割图像时,种子点多以聚类分析方法自动给定,本文分析了传统聚类法存在的问题,在人类视觉活动机制的启发下,提出新的完全不同于聚类方法的视觉显著点注意引导下的图像分割方法.将图像特征显著点的定位转化为概率密度估计问题,引入新的注意计算模型并结合Mean-Shift处理得到关键特征点.注意模型的特征地图采用图像灰度的对比度构成,迭代计算高斯邻域显著度.从密度估计的角度定位显著点,克服以往偏生理注意模型对定量描述的能力不足,尤其适用医学模糊图像.新的方法能完全自动地定位种子点,有效地分割模糊医学图像,提高准确率.     

基于模糊连接度的交互式CT图像分割算法

如何准确地从CT图像中提取出感兴趣的组织,是医学图像分割中的难点。提出了一种基于模糊连接度的交互式CT图像分割算法：先根据用户指定的感兴趣区域的灰度范围预分割图像,然后用户从结果图像中选择目标和背景种子点,计算出各像素点与两类种子点的模糊连接度,最后根据连接度大小将像素点划分到目标或背景区域。分割过程中,用户可以通过增设或删除目标或背景种子点,修正分割的结果。实验表明,该算法能准确有效地分割出感兴趣区域。     

基于模糊连接度的近邻传播聚类图像分割方法

针对现有近邻传播聚类图像分割方法分割精度低的问题,提出一种基于模糊连接度的邻近传播聚类(FCAP)图像分割算法。针对传统模糊连接度算法不能得出任意点对间模糊连接度的不足,结合最大生成树提出了全模糊连接度算法。FCAP算法先使用Normalized Cut超像素技术进行超像素分割,这些超像素可以看作数据点以及它们之间的模糊连接度;然后使用所提出的全模糊连接度算法计算超像素间的模糊连接度,根据模糊连接度和空间信息计算超像素的相似度;最后使用近邻传播(AP)聚类算法完成分割。实验结果表明,FCAP算法明显优于超像素处理后直接使用AP聚类算法进行分割的方法,并且优于无监督图像分割方法。     

一种基于模糊连通度的图像阈值分割算法

提出一种新的图像阈值分割方法。该方法给出模糊连通度定义,采用图像划分测度作为区分目标和背景的阈值分割准则,在计算图像划分测度时,采用基于灰度级的权值矩阵代替常用的基于像素的权值矩阵来描述图像中各像素之间的关系,从而减小算法实现的复杂性,提高算法运算速度。仿真实验结果表明,与大多数模糊阈值分割方法相比,该方法更具优越性。     

模糊连接算法在虚拟人图像分割上的应用

为实现对数字虚拟人彩色切片的分割，提出了一种基于竞争机制的相对模糊连接分割方法。首先计算所有像素与分割目标的模糊连接度，在分割结果出现过度分割时，则利用相对分割目标加入对感兴趣区域的竞争，自动重新确定各像素的连接度。采用虚拟中国人数据集的切片进行实验，结果表明，该算法能在待分割对象边界比较模糊的情况下取得理想的结果。     

基于模糊连接度的交互式活动轮廓模型

由于活动轮廓模型能量函数是非凸的,图像分割的结果易于陷入局部最优.为了克服该问题,提出一种基于凸活动轮廓模型的交互式彩色图像分割方法.该方法的新能量函数不仅充分利用边缘信息和颜色信息,还包含一种新定义的空间位置信息.通过模糊连接度构造空间位置信息,将其自适应地融合到活动轮廓模型中.在数值优化过程中,采用分裂Bregman方法获得新模型的全局最优解.针对多幅彩色自然图像作对比实验,结果表明新方法能够准确、快速地得到理想的分割结果.     

线段障碍Voronoi图的离散生成

Voronoi图是以两点间线段的长度作为距离,对平面的一种分割。然而,在地理环境中,存在着许多自然的或人为的障碍,使得从一点到另一点不能直线到达。为了扩大Voronoi图的应用领域,本文对传统的Voronoi图进行扩充,给出了障碍Voronoi图的定义、性质,以及离散生成线段障碍Voronoi图的方法。     

基于Voronoi图和GIS的设施区位配置研究

Voronoi图是一种基本的几何构造,是解决相关几何构造问题的有效工具.它正好满足了区位配置中设施定位求解中所遇到的一些问题.在讨论Voronoi图与区位配置模型的关系基础上,从设施配置应用需求的角度,总结与分析了Voronoi图的基本性质,着重介绍了基于Voronoi图的GIS区位配置方法与模型,并指出了进一步的研究与发展方向.     

线段加权Voronoi图的离散生成算法的研究与实现

线段加权Voronoi图是对普通Voronoi图在生成元以及权重两方面加以推广而产生的.给出用离散的方法来生成线段加权Voronoi图,无须复杂计算,容易实现.另外利用其解决绿化问题,会达到良好的划分及可视效果.     

基于不完全树结构小波变换及模糊聚类神经网络的纹理分割

提出了一种新的不完全树结构小波变换用于纹理特征提取,给出了一种一人类视觉过程相一致的多分辨率多通道纹理分析方法,它由：1）特征提取：使用不完全树结构小波变换抽取纹理特征;2）基于模糊神经 网络的特征粗分类：①基于样本分布密度的模糊Kohonen聚类网络权植初始化,②使用缩减的特征向量对网络进行训练,得到粗分割结果;3）细化粗分割结果等几部分构成。实验结果证明了其有效性。     

MARKET AREA ANALYSIS AND INTELLIGENCE THROUGH GEOWEB MAP SEGMENTATION

Segmentation is of particular interest in market area analysis and intelligence. A generalized Voronoi influence model provides a flexible framework for segmenting diverse business cases and market tessellations. In this article, we propose a Voronoi influence model–based computational framework for mining various user-supplied business and market data sets from a GeoWeb model, in particular from Yahoo Local. The market area analysis and intelligence provided by the generalized Voronoi model can be effectively used for various market intelligence and strategy decision support. The advantages of using this computational model from the GeoWeb framework is the access to enormous amounts of participation-driven information on businesses and services available on the Internet. The proposed model supports weighted analysis, order-k analysis (k-nearest neighbor analysis), various metrics modeling different scenarios, complex modeling data types representing complex real-world situations, and obstacles modeling real-world barriers through a series of generalized Voronoi diagrams. We provide a series of cases studies that demonstrate the usefulness and practicability of the proposed model.     

弱非均匀Voronoi图细胞面积／体积的快速近似算法

本文针对弱非均匀Voronoi图,介绍一种计算细胞面积／体积的新型快速近似算法．该算法引入一组或多组“虚拟流场”,利用流体力学连续方程的差分近似,得到Voronoi细胞间的递推关系．该算法的优点是复杂度低,递推公式简单,容易在计算机上实现．通过算例研究了各种情况下的误差大小,采用单虚拟流场已经可以得到可以接受的误差范围,而采用双虚拟流场更能进一步减小此误差．本文的目的旨在提供一个全新的思路,通过连续的微分方程来近似考虑离散的图论问题．     

医学图像自动分割的混合聚类方法

医学图像的分割效果和自动化程度对计算机辅助诊断和可视化等方面有重要影响。针对医学图像低对比度、噪声影响大的特点,提出一种混合聚类方法:在预处理图像之后,将每个像素的邻域特征向量送入自组织特征映射网络SOM(self-organizingmap)中进行训练;作为初步聚类的结果,SOM的输出典型向量根据命中图(Hits-Map)过滤,再由层次合并聚类方法进一步处理。在比较了一种聚类评价指数和两种图像分割评价指数之后,采用图像分割量化指数来确定聚类的最佳类别数;再通过后处理得到最后分割结果,分析表明这个方法是有效的。同时,也指出其不足之处和进一步研究的方向。     

基于模糊和多分辨分析的骨肿瘤X光图像分割

根据骨肿瘤Ｘ光图像的局部区域特性,采用多分辨图像处理和模糊聚类方法对它进行分割,分割由以下几步来完成;（１）将图像分成相互交叠的子图像块;（２）采用基于模糊连接的多分辨图像处理算法对各子图像进行处理;（３）对各子图像的处理结果利用模糊聚类方法选择阈值,该方法应用于临床骨肿瘤Ｘ光图像,获得了良好的分割。     

基于隐马尔可夫链的广播新闻分割分类

提出了使用具有模拟随机时序数据良好能力的隐马尔可夫链来完成广播新闻分割分类的算法，首先使用含隐藏语义状态的隐马尔可夫链把原始广播新闻粗略分类成开始/结束和语音两部分，其次应用3个隐马尔可夫链，按照最大似然概率法把语音片段预识别为主持人介绍、广告和天气预报，最后由语义变化速率识别出新闻现场报道，完成广播新闻的精细分割分类任务。     

一种汉语分词方法

本文对现有的汉语分词方法作了概述，然后，提出了一种新的汉语分词方法－－单扫描分词方法，并对单扫描汉语分词方法的时间复杂度作了分析。分析表明，单扫描分词方法的时间复杂度为２．８９，比现有的分词方法的时间复杂度１２．３２小得多。单扫描分词方法无论在理论，还是在实践上都有重大的意义。