基于小波变换的墙地砖缺陷图像分割

目的改进原有的图像分割算法在分割图像时的精度和准确度，进一步准确地研究墙地砖缺陷图像的基本特征，提出一种有效的图像分割方法．方法根据墙地砖表面的纹理特点，采用Daubechies小波对原始图像进行处理．结果仅保留图像的近似信息，从而有效降低了纹理特征对缺陷分割的干扰．同时，图像数据量减少为原始图像的1／4．因此，在有效提取近似信息的基础上提高了系统的实时性，便于图像分割应用．该方法增强了缺陷纹理图像。能抑制背景纹理对缺陷纹理检测的干扰，并通过减运算有效地实现了缺陷纹理和背景纹理的分割．结论基于小波变换的墙地砖缺陷图像分割方法能够对随机纹理图像进行可靠、有效、快速的分割，尤其适用于具有随机纹理的墙地砖缺陷实时检测．     

基于羽毛图像纹理分割的毛杆提取方法

为了有效地从羽毛图像中提取毛杆,在对比各种分割方法的基础上,提出基于小波纹理分割方法．考虑羽毛的特点,为去噪和加深纹理特征,对图像进行恢复和增强．经过二层小波分解后提取各细节子图的特征,形成特征向量,并由聚类法进行分类分割．实验结果表明,该方法能较好地提取毛杆．     

基于小波变换的医学图像分割

医学图像分割是图像分割的一个重要应用领域,也是制约医学图像在临床上广泛应用的题.对医学图像分割技术进行了综合研究,在此基础上提出了一种新的基于小波变换的医学图像分割方法.首先利用小波变换提取边缘信息,然后采用C均值聚类法把原有灰度信息和边缘信息进行聚类.仿真试验证明该方法能有效地解决过分割问题,提高了分割效率.     

利用模糊特征改进Snakes模型的图像分割

利用模糊特征自适应地控制曲线法向力场改进参数主动轮廓模型,改进后的模型可以对弱边缘、无边缘区域和纹理图像进行分割。曲线法向力场加速了曲线收敛到目标区域边界,改进了抓取范围和提取凹区域的能力。对弱边缘图像、医学图像和纹理的分割实验表明,新方法具有良好的性能。     

基于LBP驱动的区域围道纹理分割模型

纹理分割是图像处理的难点之一。针对此问题,提出了一种基于局部二进制模式(localbinary pattern,LBP)驱动的区域围道分割模型。该模型首先将均匀模式的思想用于LBP/C算子,使纹理模式的数量减少了77%,明显降低了提取纹理特征所需的时间;其次对无边缘活动围道模型进行了改进,使其能用纹理特征来演化曲线或曲面分割纹理图像;然后用多级分层的策略对提出的模型进行了延拓,可用于分割多类目标的图像,避免了多相位模型初始围道难以选择的问题,提高了模型收敛的速度;最后运用AOS(additive operator splitting)算法以改善模型求解的效率,进一步提高了图像分割的速度。对合成纹理图像和遥感图像的实验结果说明,提出的分割方法具有分割速度快、精度高的优点。     

基于SVM的SAR图像分割方法

先去噪再分割的SAR图像分割方法会损失有用的纹理信息,因此本文给出了一种直接对含噪SAR图像进行分割的方法.首先利用小波变换提取SAR图像的纹理特征,计算图像的灰度均值作为图像的灰度特征,然后用完全无监督的聚类算法进行分类,最后将特征值与类别标记作为支持向量机的训练样本,用训练后的分类器对图像进行分割.实验结果表明:本文所给出的方法在分割的准确性和抗噪性方面都优于几种有代表性的分割方法.     

一种图像分割算法的选择方法

提出了一种基于模糊联想神经网络图像分割算法的选择方法。通过树型小波变换提取图像特征,再用模糊联想分类神经网络将待分割图像划分为灰度图像或纹理图像,并根据分类结果确定分割算法。     

结肠镜图像自动分割技术研究

提出了一种融合颜色、亮度、空间距离和纹理等特征的彩色结肠镜图像分割新算法.纹理特征采用一组Gabor滤波器对原始图像滤波后计算得到的分形维特征.利用基于元素问相似性的随机聚类方法对特征空间进行聚类.通过对图中的切割进行采样,自动获得最佳的类别数目,算法复杂度较低,其随机特性使得它具有抗噪声的鲁棒性.对多幅结肠镜图像进行分割实验,结果证实了该算法的有效性.     

抗纹理噪声干扰的纺织印染图像分割技术

针对纺织印染图像存在主要套色数少,且受纺织“纹理噪声”干扰这两个特点,提出了一种基于上下文模型的多尺度最大后验概率分割方法.在提取印染图像的基本套色以及能代表纺织纹理特征样本图像的条件下,从底层进行粗粒度分割,随着尺度的增加,应用上下文模型对上一尺度下的分割结果进行修正,直至最精细尺度.在计算机模拟实验中,用基于上下文模型的多尺度方法对一些彩色纺织印染图像进行分割,并与mean-shift算法、基于四叉树结构的多尺度块分割算法进行比较,实验结果表明,该算法针对彩色纺织印染图像能达到较好的分割效果,并且分割后图像具有光滑边缘.     

数学形态学在储粮昆虫图像识别中的应用

充分分析了储粮昆虫图像分割在图像模式识别中的必要性,然后提出一种基于数学形态学的改进的图像分割方法.与一般的将物体从背景中分割出来的分割方法不同,这种基于数学形态学的改进的图像分割方法,不仅可以将储粮昆虫的足和触角分割出来,而且很好的保留了各个部分的边缘细节特征.