具有结构化方向信息和特征点检测的指纹分类算法研究

针对大型指数数据库中的匹配难点,基于异常点检测及其相互位置关系和结构化方向信息,提出了一种针对指纹图像质量较差环境下的分类算法。实验结果表明,该算法具有良好的特性,满足实用要求。     

基于改进遗传算法的图像分割技术

提出一种基于遗传算法的进化类图像分割方法。遗传算法是一种全局搜索的算法,但是它在解决多峰复杂问题的时候会出现局部收敛的现象,出现这个现象的主要原因在于在搜索空间中群体多样性的降低导致了搜索的停滞。基于这个原因,提出一种改进的遗传算法,改进的方法通过控制遗传算法的变异概率来平衡群体的多样性程度,改进后的方法能够在解决多峰复杂问题中较多的搜索到全局解的区域。通过将改进的算法应用于图像分割的实例验证了改进算法的有效性以及算法在收敛速度及求解成功率上的优势。     

利用遗传算法在遥感图像分割中的应用探讨

计算机在处理遥感图像的过程中产生的误差会影响到遥感图像的处理和识别效果,如何使这些误差最小是使计算机视觉达到实用化的重要要求.遗传算法是完全可以胜任的,目前己在遥感图像恢复,遥感图像边缘特征提取,几何形状识别等方面得到了应用.     

一种改进的Graph Cuts交互图像分割方法

本文提出了一种改进的Graph Cuts交互图像分割方法。Graph Cuts交互图像分割方法首先由用户选定部分像素作为对象和背景，其余像素为未知区域；然后根据以像素为顶点，以像素相邻关系为边，构造一个图；最后通过图的最小分割方法将图像分为对象和背景两部分。此方法分割图像的结果直接受到用户选定对象和背景像素操作的影响，对象和背景边界的像素容易被分割错误。我们分别对对象区域和背景区域进行腐蚀操作，使分割错误的像素重新变为未知区域（对于在对象或背景内部被错误划分的像素，可以利用类似画笔的工具，直接将其标为对像或背景），然后重新进行一次Graph Cuts分割。由于这次选定了大部分的对象和背景区域，实验结果表明，最后分割结果正确率明显提高了。     

灰度值频数和遍历八方向的指纹图像分割算法

提出基于灰度值频数和遍历八方向的指纹图像分割算法。对于脊谷线灰度值相差较大的,利用灰度直方图上出现频数较多的两个灰度级的差值大小,判断是否为指纹前景区;脊谷线灰度值相差不大的,利用纹线的方向性,通过八个方向的模板计算在各个方向上灰度差值的大小,确定是否为指纹前景区。该方法的阈值可以根据图像自然决定,避免了人为选择阈值的困难和不准确性。对脊谷线灰度值相差较大、不大、较小的指纹图均能容易而准确地分割,只求出指纹的边界而不改变指纹图。实验表明,与常见的分割方法—方向图、方差法相比,该方法的平均误分概率大大减小,比方差法降低5.7875%,比方向图法降低5.6625%,且对指纹图像脊谷线的对比度和方向性要求不高,鲁棒性更强。     

DNA遗传算法的改进二维最大熵图像分割

传统的二维最大熵图像分割算法在求解阈值时将二维直方图的噪声和边缘区域近似为零,降低了分割精度。针对这一问题,本文提出了一种基于DNA遗传算法的改进二维最大熵快速图像分割算法。利用梯度-均值灰度直方图得到有用区域,并以改进的二维最大熵作为优化函数,采用DNA计算遗传算法得到二维最优阈值。实验表明该算法对图像分割去噪能力强,分割效果好,以及快速有效处理能力。     

基于最优模型残差的指纹方向校正法

指纹的方向信息是指纹图像处理中非常重要的信息,指纹方向场的获取以及校正直接影响指纹自动识别的性能。本文提出了一种基于指纹方向场数学模型的方向校正方法,根据指纹中的奇异点性质和分布,建立起与对应指纹方向场的最优方向场模型;然后,根据模型与实际指纹方向场的残差对指纹方向进行校正。由于算法利用指纹整体的拓扑信息对指纹噪声方向进行校正,具有很强的抗干扰能力,较适合劣质指纹图像处理。     

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法。将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出了一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验证明,这种新的图像分割算法与并行遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显比并行遗传算法的Otsu双阈值医学图像分割快。     

遗传算法和最大方差法在图像分割中的应用

图像分割是图像处理中的重要问题．也是计算机视觉研究中的经典难题。文章首先介绍了最大类间方差法,并结合遗传算法的快速寻优的特点,提出了一种利用最大方差法和改进的遗传算法相结合的图像分割的新方法。实验仿真结果表明,该方法可以有效地提高图像分割的计算速度,大大缩短寻找最优阈值的时间,提高图像处理的实时性。     

一种仪表图像整体阈值分割方法

通过对仪表图像特征的研究，介绍了利用计算机图像处理与模式识别技术，进行机器识别过程中采取二值化分割的一种基于Otsu算法的方法，并指出了其存在的不足以及应进一步研究的问题。     

Image Segmentation of Brain MR Images Using Otsu’s Based Hybrid WCMFO Algorithm

In this study, a novel hybrid Water Cycle Moth-Flame Optimization (WCMFO) algorithm is proposed for multilevel thresholding brain image segmentation in Magnetic Resonance (MR) image slices. WCMFO constitutes a hybrid between the two techniques, comprising the water cycle and moth-flame optimization algorithms. The optimal thresholds are obtained by maximizing the between class variance (Otsu’s function) of the image. To test the performance of threshold searching process, the proposed algorithm has been evaluated on standard benchmark of ten axial T₂-weighted brain MR images for image segmentation. The experimental outcomes infer that it produces better optimal threshold values at a greater and quicker convergence rate. In contrast to other state-of-the-art methods, namely Adaptive Wind Driven Optimization (AWDO), Adaptive Bacterial Foraging (ABF) and Particle Swarm Optimization (PSO), the proposed algorithm has been found to be better at producing the best objective function, Peak Signal-to-Noise Ratio (PSNR), Standard Deviation (STD) and lower computational time values. Further, it was observed thatthe segmented image gives greater detail when the threshold level increases. Moreover, the statistical test result confirms that the best and mean values are almost zero and the average difference between best and mean value 1.86 is obtained through the 30 executions of the proposed algorithm.Thus, these images will lead to better segments of gray, white and cerebrospinal fluid that enable better clinical choices and diagnoses using a proposed algorithm.     

基于并行遗传算法的Otsu双阈值医学图像分割

传统遗传算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,提出了一种基于并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。100次阈值计算实验结果表明,提出的分割算法与传统遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显优于基于单种群的遗传算法的Otsu双阈值医学图像分割。     

基于生化反应速率的图像阈值分割算法

提出了一种改进的DNA遗传算法,以解决遗传算法用于图像分割时收敛速度慢、易早熟的缺点。利用碱基互补的DNA编码方式增加种群多样性,防止陷入局部极值;设计了基于DNA分子操作的置换自适应交叉算子和密码子变异算子,从而提高遗传算法的搜索能力,有效加快了算法的收敛速度和效率,并将此算法用于寻找二维Arimoto熵的最佳阈值,最后对图像进行分割。普通图像和医学图像的分割结果验证了改进DNA遗传算法用于图像分割的有效性。     

基于免疫密母算法的图像分割

密母算法具有全局和局部搜索能力,但其具有对参数敏感、个体学习计算复杂度高的缺点.为了克服密母算法的缺点,本文提出了基于免疫密母算法的图像分割(IMAIS)方法.该方法对图像分割时采用了两个种群,并分别用密母算子和免疫克隆算子对这两个种群同时进化,加快种群收敛速度.实验结果表明了本方法的可行性和有效性.     

一种基于正则化和Watson视觉模型的图像指纹算法

大量多媒体应用的发展使得数字图像很容易地被非法操作和篡改,提出一种基于图像正则化和视觉特性的图像指纹算法,可以有效地实现图像的认证和识别.首先对图像进行正则化预处理,消除几何形变对图像的影响,然后对图像进行分块DCT变换,利用Watson视觉模型对DCT系数进行处理,增大人眼敏感的频域系数在计算图像特征时的权重,经过量化形成最终的指纹序列.在图像指纹序列生成过程中,加入密钥控制,提高了指纹的安全性.实验结果表明,该方法的冲突概率在10-7数量级,对JPEG压缩、旋转、缩放等操作具有较好的稳健性.     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.     

基于区域MRF的SAR图像快速分割算法

针对受相干斑噪声影响较严重的合成孔径雷达(SAR)图像,提出了一种基于边缘保持(EPR)的区域MRF快速分割算法.基于EPR的SAR图像表示方法包括各向异性扩散的相干斑降噪算法和分水岭变换两部分,该方法在存在相干斑噪声的情况下,能够有效地抑制过分割和在区域边界进行目标边缘的准确定位.将基于EPR的表示方法和区域MRF相结合,能够大幅减少优化过程的搜索空间,获得准确的分类结果和统计特性,同时减少了计算量和分割错误.将提出的算法用于一幅添加了各种不同噪声水平的合成图像和SAR海冰影像的分割中,实验结果证明了该算法的有效性.该算法与现有的区域MRF相比,实验结果证明新算法能够节约计算时间50%,同时提高了分割准确性,尤其是在相干斑噪声较强的区域.     

红外车辆目标的自动模糊分割

针对红外图像的特点,提出了一种基于遗传算法的自动模糊分割红外车辆目标图像的方法.首先选取图像的感兴趣区域以加快运算速度;然后对感兴趣区域图像进行模糊增强,借助于二维OTSU方法对增强后的感兴趣区域进行阈值分割,为了加快分割算法的速度,先限定一个最佳阈值范围,再利用遗传算法在此阈值范围内自动搜索最佳分割阈值;为了弥补单独利用二维OTSU方法分割的不足,采用缩短模糊边缘宽度的方法来提取感兴趣区域红外车辆目标图像的边缘.最后把二维OTSU方法分割的图像与模糊边缘提取得到的边缘图像进行或运算后进行填充以得到最终的车辆目标分割图像.实验结果表明,对于红外车辆目标图像,一维OTSU和二维OTSU算法只是基本分割出了红外车辆目标的主体,而本文提出的自动模糊分割技术不仅准确分割出了红外车辆目标的主体,而且对于坦克的模糊炮塔亦得到了完整的分割.     

改进樽海鞘群优化K-means算法的图像分割

目的 针对樽海鞘群算法寻优精度低、易陷入到局部最优,以及K-means算法进行图像分割容易被初始聚类中心干扰等缺点,提出改进樽海鞘群优化K-means算法的图像分割。方法 首先利用Circle映射来对樽海鞘种群进行初始化;其次引入莱维飞行到领导者和追随者位置更新公式中,使得樽海鞘种群的多样性得到提高,克服算法陷入到局部最优。最后,对改进樽海鞘群算法先采用8个基准函数进行性能测试;再将改进樽海鞘群算法优化K-means进行图像分割。结果 改进算法在寻优精度、稳定性、收敛速度以及跳出局部最优的本领得到了提高。同时,改进樽海鞘群优化K-means算法进行图像分割,有效地提高了图像分割质量。结论 改进算法改善了原始樽海鞘群算法的寻优精度低、易陷入到局部最优的缺点,很好地优化了K-means算法对图像进行准确分割,在图像分割领域具有一定的参考意义。