一种基于分形的金字塔快速图象分割方法

本文在离散分形布朗增量随机场（ＤＦＢＩＲ）的图象模型基础上，利用在图象处理中常用的金字塔技术，通过提取特性参数－Ｈ值和方差，并结合传统的聚类会割方法，实现了图象的快速分割，通过对自然背景中的人造物体进行分割实验，结果表明，这处快速算法不仅能得到较好的分割效果，而且可以将速度将近三分之一倍。     

基于分形特征的自然景物图象分割方法

提出了一种基于分形特征分割自然景物图象的方法。分割的主要目标是找出景物中的人造物体。首先构造了一组分形纹理特征,给出了图象不同部分的粗糙度及纹理基地大小、方向特性的描述,以此为基础进行图象分割。此外,通过对盒维数方法中的参数拟合性能的分析,对维数估计方法进行优化,理论和实验表明,在自然环境中,该方法能够区 的纹理区域及人造目标,达到满意的分割结果。     

基于小波分形特征提取的图象分割方法

提出了一种基于小波分解和分形纹理特征计算的图象分割方法,首先考虑对图象进行小波变换,然后对不同通道的子图象提取纹理的分形特征和能量特征,最后用直方图阈值分割方法实现图象的分割,实验表明,该方法对模拟纹理图象以及多少谱遥感图象的分割都取得了满意的效果。     

一种基于图象分割的增强算法

图象增强作为图象处理常用的工具,目的是为了消除原因图象图象边缘模糊,对比度差等缺点,增强图象的视觉效果和加以后的处理工作提供方便,文中提出的算法基于Ｈａｒａｌｉｃｋ的斜模型和Ｂｅｇｈｄａｄｉ的对比度增强算法。     

快速分形图象编码

提出了一种新的快速分形图象编码方法。该方法通过自适应的图象分块,相似块集的矩分类,相似块和图象块的正交分解以及象素递增的动态搜索等４个步骤来加快分形图象编码的过程。实验结果表明,提出的方法和缩短编码时间方面确有其效,特别是对于细节丰富的图象,效果尤为明显。     

基于矢量失真测度和自适应四叉树分割的彩色图象分形压缩方法

在Ｊａｃｑｕｉｎ分块分形图象压缩方法的基础上,提出了一种基于矢量失真测度的自适应四叉树分割彩色图象分形压缩方法。该方法充分利用ＲＧＢ彩色空间２４位真彩图象的三彩色分量间相关性,实验表明该方法比分别对三彩色分量使用分块分形压缩方法在 重构图象质量方面有很大的改善。     

一种基于一致性邻域超图模型的图象分割方法

提出了一种将超图理论与图象的空－频域特征分析相结合的图象分割方法,该方法是基于图象的多分辨率小波分析及高斯－马尔可夫随机场理论,在抽取一组反映图象局部空间结构信息的特征矢量基础上,根据同一区域的象素具有相似的特征矢量的原则,将图象转换为一个关于特征相似性测度的领域超图,再利用覆盖－选择算法对该超图进行分割的方法,实验证明,该方法具有较好的稳定性和适应性,尤其对于一些信噪比较低的图象,也具有良好的分     

基于色彩学习的彩色图象分割方法

图象分割是实现计算机图象识别与理解的基础，而彩色是进行图象分割的一个重要手段。本文给出了一种基色彩学习的彩色图象分割算法。     

一种基于HSL概率密度的彩色图象分割方法

本文提出了一种基于色调、饱和度和亮度联合概率分布的彩色图象分割方法。该方法首先将RGB图象转换为HSL图象,并以色调为主要依据对图象进行粗分割。然后,利用亮度和饱和度信息进行细节分割并组合成有意义的区域。实验表明该方法的分割效果是好的。     

一种基于模糊聚类的图象分割方法

模糊Ｃ－均值（ＦＣＭ）算法用于图象分割，是一种非监督模糊聚类后标定的过程，但是，ＦＣＭ算法存在着一些不足，进而限制了它在某些方面的应用，本文提出了一种基于模糊聚类的图象分割方法，较好解决了ＦＣＭ算法所遇到的问题，且本文从数学上和实验上证明了这种方法的有效性。     

基于分形理论的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好对其进行分割,文章将SAR图像的特点和分形理论相结合,提出了一种新的SAR图像分割方法。该方法首先对原始SAR图像每个像元为中心取两种不同窗口,计算在该两种窗口下基于区域自选的分形维数并求均值,将其作为分形纹理特征。然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像分形纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果分析表明,该方法是一种有效的SAR图像分割方法。     

基于分形特征纹理图像分割方法

基于地毯法估计分形维数,提出了图像局部分形维数的最优估计方法。然后利用边缘信息和区域增长的方法,对自然场景的分形维数图像进行分割。仿真实验表明该方法分割效果很好,优于基于Hurst变换分割方法。     

一种基于笔划宽度的印鉴分割方法

印鉴分割是正确识别真假印鉴的关键问题，本文给出了一种新的印鉴图像分割算法。该算法基于样本章（印鉴）和待验章（印鉴）在具有相同的笔划宽度时，分割效果最佳，最利于真假印鉴的识别。选定一定范围的灰度值作为可能的阈值，从中选 出使待验章和样本章的笔划宽度相差最小的阈值作为最佳阈值。对位于待验章和样本章的交集中的边缘点分别在待验章和样本章中求水平和垂直方向上的笔划宽度，并且仅取宽度差最小的一个方向上的宽度差，很好地避免了印泥的浓淡、盖印时用力的深浅、印泥污染、笔划断裂和分裂带来的干扰。实验和实践证明，该方法分割效果好，并具有很好的稳定性，在识别真假印鉴的实践中得到了很好的应用。     

基于预测模型的分形图象缩编码方法

给出了一个基于ρ图象模型的预测模型，用来预测分形图象编码中图象子块编码匹配成功的可能性以及匹配搜索空间的有效范围，并以此模型为根据提出了一种基于预测模型的分形图象压缩编码方案，大大减少了分形图象编码中不必要的尝试匹配搜索计算，实验结果表明该方案能够提高分形图象的编码速度，具有很高的实用价值。     

基于粗糙集理论的图像分割

图像分割是数字图像处理中的重要问题,阈值分割法是图像分割的典型方法,其中阈值的选择是影响图像分割质量的一个重要方面。为了提高分割的准确度,该文将粗糙集理论应用于分割阈值的确定。将图像基本直方图确定为粗糙集的下近似,而将Histon直方图确定为上近似,由此计算出粗糙度,进而得到有效的分割阈值。实验结果表明,该算法和传统直方图阈值分割法相比,具有较高的分割准确度。     

一种基于粗糙集理论的神经网络图像分割方法

神经网络用于分割图像时需要大量的训练数据,由于数据量大,计算速度相当慢。不适合实时数据处理。基于此,将粗糙集理论与神经网络相结合,提出基于粗糙集的神经网络图像分割方法。利用粗糙集理论中的约简的计算方法,从图像属性中获取精简的规则,根据这些规则构造神经网络各层的神经元个数,并根据粗糙集理论中的属性重要性来修正神经网络的权值。实验结果表明,该方法抗噪能力强,提高了精度,在大大缩短网络训练时间的同时改善了分割效果。满足图像处理的实时性要求。     

一种基于Fuzzy ART的层次化彩色图像分割算法

针对传统彩色图像分割中出现的单纯利用颜色空间,只考虑图像的全局分布,或是只考虑图像的局部区域和边缘信息等问题,提出了一种基于Fuzzy-ART模型的层次化彩色图像分割算法。该算法有效地利用图像的亮度空间分布、细节信息以及颜色空间信息,对图像进行分级特征提取,利用Fuzzy-ART模型基于人类视觉特性的稳定、快速的在线学习和记忆能力,对图像进行层次化的区域划分,形成对图像的分层表达方式,从而达到良好的分割效果;将其与FFCM算法进行比较,取得了较好的结果。     

一种基于分形图像编码的数字水印新技术

以不降低图像质量而提高水印鲁棒性为目的,提出了一种利用图像中存在的局部自相似性嵌入水印的数字水印新技术.对数字图像进行传统的分形编码后,选取一定数量的值域子块作为"水印块",根据水印信号对"水印块"进行分形编码参数修正,从而实现水印嵌入.计算机仿真实验和数据分析表明,与传统方法相比,方法对图像质量几乎没有影响,而且在抗剪切处理、抗噪声干扰、抗低通滤波和抗JPEG压缩方面有更好的鲁棒性.仿真结果证明了自相似性分形图像编码理论在数字水印技术中的成功应用.