基于过分割的多目标阈值图像分割算法

提出一种基于过分割的多目标阈值图像分割算法。使用分水岭算法获得待分割图像的过分割区域和分割边界,将类间方差函数和熵函数作为优化目标函数,采用多目标阈值算法对区域的代表点及分割边界上的像素进行划分,再将区域代表点的划分结果扩展到各区域中,以获得整幅图像的分割结果。在多幅Berkeley图像上进行分割测试,并以分割准确率作为算法性能的评价指标,结果显示,新方法在大多数情况下能够获得高于最大类间方差法和最大熵法的分割准确率,此外,由于图像区域信息的使用,使得图像目标能够较为完整地从背景中分离出来。     

格式塔理论视角下古诗歌连贯的认知解读

汉语古诗是高度意合的语言,重在意境,缺少必要的衔接手段,为其语篇连贯分析带来了困境。运用格式塔理论中的同型论、整体论以及＂格式塔＂的几种组织原则来探究读者获取连贯语篇的心智过程,为诗歌连贯研究寻找一个可行的视角。     

基于快速区域建议网络的图像多目标分割算法

针对传统方法在语义分割中存在大量冗余、结果重叠,造成图像分割算法的结果正确率、鲁棒性较差等问题,提出一种基于快速区域建议网络的图像多目标分割算法。使用选择性搜索(selective search, SS)算法给出初始候选框;采用快速区域建议网络从初始候选框中分类出初始分割框;使用图割算法(GrabCut)从初始分割框中分割出多目标。为了验证本研究算法,采用ImageNet上预训练的VGG16模型,分别使用COCO数据集和CityScapes数据集的训练数据对VGG16模型微调,使用测试数据进行语义分割和多目标图像分割。与YOLO(you only look once,)算法相比,本算法在两个数据集上的平均正确率分别提高了2.16%和1.55%。GrabCut算法在快速区域建议网络的初始分割框上,对多目标的分割更精确,鲁棒性更强。本研究构建的算法通过区域建议网络的得分筛选多目标分割的候选框,保留高得分的候选框来提升图像多目标分割的精度,在多目标的模式识别场合中拥有广泛前景。     

基于格式塔理论的太阳跟踪仪界面设计

根据格式塔理论关于人的视觉系统的特点以及整体与部分的关系,遵循交互关联、简洁连续、方便操控和"扁平化"的设计原则,在LabVIEW软件平台下,为双模式高精度太阳跟踪仪系统设计了一款简洁实用的用户使用界面。在LabVIEW软件平台下,简洁合理地安排系统所需的输入与显示部分,使得设计的界面更为实用。     

基于图像预处理分类分割的盲道分割算法

高准确分割率的盲道分割算法是实现高性能导盲系统的重要保障. 提出一种基于颜色直方图支持向量机方法,将盲道预分类为颜色盲道或纹理盲道,采用对HSV颜色空间的多参数融合的改善OTSU分割方法处理颜色盲道分割,采用基于纹理增强的K均值聚类方法处理纹理盲道分割. 通过有效的预处理分类,可以针对性地根据盲道的颜色或纹理特征进行识别,同时由于采用了改善的颜色和纹理分割算法,极大地改善了对不同种类和环境下的盲道的适应能力. 测试证明,该方法对于测试库图片平均分割准确率可达到90%以上.     

基于金字塔连接算法的彩色图像分割

根据金字塔连接算法的特性，提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关，将彩色图像从RGB空间变换到HSV空间，然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割．通过合并得到最终分割结果．试验表明，这是一种计算高效的自动分割算法，     

基于深度学习的CT影像脑卒中精准分割

为解决脑卒中病变的人工定位和定量分析耗时且缺乏一致性的问题,提出了基于多尺度U-Net深度网络模型,从非增强计算机断层扫描影像中分割脑卒中病变的高密度征,同时使用Dice损失函数训练模型以对抗数据中类不平衡问题。实验数据表明:该模型可端到端的以数据驱动的方式自动学习高密度征显著特征,有效地分割脑部小病灶区域。     

基于提升格式小波变换和Snake模型的红外目标边缘增强与分割算法

针对红外图像对比度差、信噪比低的特点,将提升格式小波变换和Snake模型相结合,提出了一种红外图像边缘增强与分割算法。该算法先采用提升格式小波变换对原图像进行增强,以提升图像中目标与背景的对比度;而后再利用Snake模型对目标的边缘进行提取,最终实现目标的边缘分割。实验结果验证了这种算法可有效地对红外图像的对比度进行提升,从而提取出更为精确的目标边缘。     

基于直方图判别的细胞图像分割

最优阈值的选取是细胞图像分割中的核心问题，单一的分割方法往往不能适用于各种疏密不一的细胞图像。针对传统的阈值分割方法不能有效地解决稀疏细胞图像分离的问题，该文利用图像直方图的统计特性，提出了一种极小阈值点的搜索方法。并在对直方图进行统计分析的基础上，自动选取恰当的(方法来对不同类型的细胞图像进行分割。实验表明，通过这种方式处理的细胞图像分割效果较好。     

基于数学形态金字塔分解和流域分割的骨髓细胞图像分割

提出了一种基于数学形态金字塔分解和流域分割的骨髓细胞图像分割方法。根据形态金字塔的分解方法,将细胞图像经过形态金字塔分解后,先在低分辨率图像上进行流域分割,然后对低分辨率图像的分割结果进行复合得到原始图像的分割结果。实验结果表明,使用该方法能够获得较好的分割效果,并可提高分割算法的运算速度。     

最大熵阈值的红外图像人体目标分割方法

为了有效地分割红外图像中的人体,提出了一种基于最大熵阈值的红外图像人体目标分割方法.对红外图像进行滤波处理消除噪声干扰,分别计算图像的目标熵和背景熵,最大化目标与背景熵的和,在目标和背景的分布中获得最大信息,以此为准则选择分割阈值.利用形态学方法进行后处理进一步消除噪声干扰.实验结果表明:与经典的阈值分割方法相比,文中方法效果更好,且运算速度快.     

基于边缘检测的颈动脉CT图像分割技术研究

在传统图像分割算法的基础上,提出_『基于改进边缘检测的颈动脉CT图像分割方法．首先利用Canny边缘检测算子对CT图像进行边缘检测,然后利用数学形态学方法进行后续处理,并提取各种目标的轮廓．实验结果表明,该方法能有效实现目标与背景的分离,为正确诊断提供了指导信息,大大降低了工作量．     

基于可拓检测的医学图像分割

颅内血肿尤其是急性颅内血肿是危害人生命健康的颅内损伤之一.准确分割颅内血肿区域具有重大的临床应用价值.血肿区域医学图像分割技术是实现颅内血肿三维重构及体积计算的关键技术,分割中的难题是如何提高分割精度.本研究建立了颅内血肿医学图像物元模型,提出了将可拓检测物元聚焦与模糊C均值聚类算法相结合的研究方法,解决了模糊C均值聚类算法在颅内血肿医学图像分割中容易陷入局部最优解的问题,从而有效地提高了分割精度.     

航空图像中基于DSM的多尺度树冠分割

提出了一种基于数字表面高程模型（DSM）和多尺度权聚类图像分割的算法。首先通过DSM选择需要分割的候选树冠顶点,利用航空摄影测量的方法将树冠顶点投影到航空相片作为种子点;然后对树冠进行分割,其方法是在一个全局分割测度的约束下,利用代数多网格的数值计算方法,逐步进行权聚类,形成多尺度的分割图像,通过不同的选权参数,获得有意义的分割区域,从多尺度的分割图像中,根据种子点所在位置和分割图像大小确定分割的树冠。经过实际图像验证,此算法能对不同角度投影的树冠进行有效分割。     

一种基于边缘检测的时空视频对象分割算法

提出了一种基于边缘检测的时空视频对象分割算法。首先提出一种基于高阶统计量的帧间差分图像处理方法,然后运用边缘检测得到空域分割结果和用累计差分与对称差分得到时域分割结果,综合时空域分割结果得到运动目标的边缘,最后对边缘图进行区域填充与数学形态学处理,得到运动目标掩模图像。实验结果表明本文算法能够得到较准确的分割结果。     

基于分维的遥感影像最佳分割尺度研究

针对面向对象的遥感技术中对象最优分割尺度难题,提出了基于分维的定量确定最优分割尺度算法。算法通过分析分维值变化规律和最优分割尺度之间的定量关系,发现分维值变化稳定区间与遥感对象最佳分割尺度范围相对应,因此可以通过对象分维-尺度关系,确定遥感对象的最佳分割尺度,一定程度上解决了最优分割尺度难于确定的难题。     

基于SFCM及水平集方法的溢油图像分割

传统的单一模糊聚类算法（FCM）适用于无噪声图像的分割,而对于具有噪声、特殊点值及瑕疵的图像分割则无能为力。本文提出了应用嵌入空间信息的模糊聚类算法（SFCM）与水平集方法的结合,对海洋溢油污染的合成孔径雷达（SAR）图像进行分割处理,得到了优于其它算法的分割图像。通过对SAR溢油图像分割的数据分析,验证了算法的有效性。