基于两阶段搜索自适应正交投影分解的图像分割方法

针对应用于图像分割的自适应正交投影分解方法的具体算法的实现问题,提出了一种基于两阶段搜索的实现算法。该算法首先通过粗略搜索得到图像直方图中高斯分量的均值和标准差的大致取值范围,再采用0.618法精确搜索来得到准确的均值;然后将直方图投影到若干合适尺度的基函数上来得到多个匹配值,再利用曲线拟合方法估计出分量的标准差和权值,进而计算出最优阈值,以用于图像分割。理论分析和实验结果表明,基于两阶段搜索自适应正交投影分解的图像分割算法不但计算开销少,而且对图像直方图的描述具有良好的性能,并可以获得较好的图像分割效果。     

一种基于MAS的自适应图像分割方法

复杂图像的全自动分割是极具挑战性的问题．提出了一种基于MAS的自适应图像分割方法．通过属性和行为描述Agent个体，通过合作竞争描述了Agent间的交互．MAS系统在Agent反复自适应过程中达到平衡，同时完成图像分割．通过分割复杂的医学图像证实了该方法的有效性，MAS在图像分割领域具有应用价值．     

一种自适应的多目标图像分割方法

图像分割是数字图像处理中的一个重要问题。提出了一种自适应的多目标图像分割方法。该方法改进了传统的最大类间方差法(OSTU方法)，并使用方差分解的方法自适应地确定图像中的最佳目标个数。采用遗传算法优化了阈值的求取。对样本图像的分割结果显示，此算法在分割速度和效果上都取得了较好的结果。实验证明，此方法能有效地对多目标图像进行分割。     

基于图像局部梯度L0范数正规化的图像分解算法

针对基于梯度L0范数正规化的变分泛函最优化分解图像时误判噪声梯度为边缘梯度的问题,提出一种基于图像局部梯度的L0范数正规化的图像分解算法。该算法构造了一个由保真函数和正则项构成的适用于图像分解的变分泛函,其中正则项用图像的局部梯度的L0范数进行估计,进而通过求解泛函的最小值,以分解出图像的结构信息(即图像的边缘)。与直接基于图像一阶梯度的L0范数的分解算法相比,该算法可以去除噪声梯度的干扰,从而使分解出的图像边缘中不含有噪声。实验结果表明,该算法在分解图像结构和纹理时,既能很好地把边缘保留在图像结构层中,也可把噪声分解到图像结构层外。     

一种自适应的图像边缘检测方法

边缘检测是一项基本而重要的图像处理技术。本文设计了一种基于局部小窗口的自适应门限方法,可以快速而精确的确定局部门限,从而将小窗口内的边缘像素点和非边缘像素点区分开来。     

基于主观对比度的变分图像融合方法

局部对比度在图像融合领域中扮演着重要角色.图像融合的目的是将原图像中的重要信息保留到融合结果中去.韦伯定律告诉我们不同背景下的同样的灰度变化给人的干支是不同的,所以一个理想的图像处理算法必须考虑视觉原理.本文考虑了人类视觉系统(HVS),将量化的主观对比度从源图像保留到融合结果中.利用临界可分辨率(JND)作为量化度量,多通道图像的感知对比度作为融合的目标.构造了一个泛函极值问题来寻找融合结果,使得融合结果的主观对比度尽可能接近我们的目标.使用变分法可以得到Euler-Lagrange方程,然后利用梯度下降的迭代算法来求解.试验结果表明,本文的方法具有很好的主观感知效果.     

S．L．Peng自适应分解算法的研究与探讨

介绍S．L．Peng的基于瞬时频率和局部窄带信号的自适应分解方法,对两类局部窄带信号分解方法进行分析与研究。这种算法选取局部窄带信号作为基信号,通过构造奇异线性算子,从其零空间中提取局部窄带信号,从而实现信号的自适应分解,并通过与NP算法的比较,给出这两种算法的内在联系。     

图像平滑的自适应保真全变分模型

提出一种自适应保真的全变分平滑模型,证明其解的稳定性。结合各向同性和全变分的优点,利用扩散系数构造保真项,从而增强图像边缘,该模型根据图像的梯度信息确定门限值进而选择合适的图像平滑方法。在去除噪声和保持边缘的同时避免了“阶梯”效应,实验结果表明,该模型能有效地去除噪声,提高图像的峰值信噪比。     

基于多尺度图像局部结构分解的人脸特征提取方法

为了有效提取人脸图像的全局和局部特征以提高人脸识别的性能,提出一种基于多尺度图像局部结构分解的人脸特征提取方法。该方法首先通过多尺度分析构建人脸图像金字塔,然后对于金字塔中每一层的图像应用脊回归度量图像局部窗口内中心宏像素与其近邻宏像素之间的结构关系从而刻画出图像的局部结构信息,再根据得到的局部结构信息将图像分解为若干个子图像,最后将这些子图像均匀下采样和归一化后连接在一起形成一个特征向量。实验结果表明,与Gabor、LBP和IDLS等方法相比,该方法具有更好的识别性能。     

一种基于自适应参数的图像加密算法

现有的图像加密算法对选择明文攻击安全性较低。针对该问题,提出一种基于自适应参数的图像加密算法,对图像重心公式进行改进,将计算所得的重心坐标作为自适应参数,协同用户密钥输入四维超混沌系统产生混沌序列,进行图像加密,通过可逆数字水印技术将自适应参数保存到加密图像中。实验结果证明,该算法密钥管理方便,能够抵抗选择明文等攻击。     

基于局部极值的保边缘图像分解算法

针对非线性图像滤波算法保边缘能力不强的问题,提出一种新的保边缘图像分解算法.该算法采用局部极值差定义图像的边缘,在此基础上利用加权平均的方法调整极值,通过优化算法得到原图像的基图像,实现图像的多尺度分解.实验结果表明,与同类算法相比,该算法在实现图像平滑的同时保边缘能力更强.     

基于局部特征的自适应快速图像分割模型

基于区域的活动轮廓模型如Chan-Vese(CV)模型等以其能较好的处理图像的模糊边界和复杂拓扑结构而广泛运用于图像分割中.然而基于灰度分布均匀假设,该模型对于含灰度不一致性的目标分割结果较差.此外,纹理是周期性重复出现的细节,依靠灰度信息无法正确检测.针对这些问题,提出一种基于局部特征的自适应快速图像分割模型.一方面,利用两种区域项检测卡通部分和纹理部分的特征信息,在自适应的局部块中提取局部统计信息以克服卡通部分的灰度不一致性;另一方面,利用自适应的局部块中的纹理特征来计算背景和目标区域的Kullback-Leibler(KL)距离以检测图像的纹理部分.进一步,基于分裂Bregman方法对该模型进行快速求解.分别对医学和纹理图像进行了实验,准确性和时效性都有显著提高.     

综合自适应阈值与多尺度的TV图像修复方法

基于TV模型的图像修复算法具有较好的修复效果,但其对参数的选取较敏感,且运算量较大。该文提出了一种综合自适应阈值与多尺度的TV图像修复算法,该方法不仅可以提高TV图像修复模型的修复稳定性,还可以进一步压缩运算量,提高修复速度。     

小波构造变正则参数变分模型在带噪图像恢复中的应用

在利用正则化方法构造变分模型进行图像去噪时,其正则参数往往选择为恒定值．文中利用小波分解的层次性和带噪图像中噪声所具有的时频特点,构造出变正则参数的变分模型．在不同的小波分解层,通过选择不同的正则参数从而达到自适应去噪的目的．     

基于自适应正则化的全变分去噪算法

Stanley Osher和Martin Burger提出的基于Bregman距离的迭代正则化全变分去噪算法运算速度较快,但是应用于图像去噪时,没有考虑不同区域的灰度分布特性,从而容易导致纹理等重要信息丢失或模糊的缺陷.针对这一现象,提出了一种基于自适应正则化的全变分去噪算法.论文对Osher的去噪模型中的全局正则化参数进行改进,给出了一种根据图像中不同区域的灰度分布特性,自适应选取正则化参数的方法.该算法可以保留图像的边缘和纹理细节信息.实验结果证实了所提算法的有效性,其信噪比较原有方法至少提高1.0 dB以上.     

基于对偶范数的自适应图像分解模型

提出一种减少阶梯现象的图像分解模型。该模型所表示的结构成分的能量介于全变差正则化和各向同性光滑化之间,纹理成分所表示的能量介于Meyer的G范数和H-1范数之间,它们在Legendre-Fenchel变换的意义下是对偶的,根据图像的局部信息自适应地调整。实验表明,新模型能很好地避免在光滑区域出现的阶梯现象,有效保护图像的边缘和纹理信息。     

自适应方法在遥感图像处理中的应用研究

自适应方法为解决遥感图像处理发展中产生的新问题提供了有力的工具。自适应方法的算法、理论已经在遥感图像处理的降噪、分类、目标识别与跟踪、信息融合等诸多领域开始应用。经过试验与仿真分析,证明这些方法都取得了良好的效果。本文探讨了自适应方法在遥感图像处理中应用研究的新进展,对发展趋势作了展望。     

基于自适应局部阈值的彩色图像分割

使用基于图论的最小生成树方法进行图像分割,能够获得全局的分割效果及良好的运行效率,但是图中边的数目太多,而且使用固定阈值合并的最小生成树不能适用于所有彩色图像。本文针对这一问题,结合分水岭方法,先将分水岭变换产生的初始分割区域转变成图论中的顶点和边,再用最小生成树合并,通过分析局部信息变化,得到自适应局部阈值。实验表明,基于自适应局部阈值的最小生成树分割效果比基于全局阈值最小生成树的分割效果要好。