基于特征学习的建筑物自动识别算法研究

针对单幅航拍灰度图像的建筑物自动识别问题,给出了一种基于类特征学习的算法结构.利用建筑物顶部的高亮度特性,采用基于灰度的OTSU方法实现图像的粗略分割;然后采用二阶高斯马尔可夫随机场（GMRF）模型描述已分割图像,得到目标/背景类的6维特征向量;以此特征向量及粗分割的类标记为训练集,训练支持向量机（SVMs）分类器学习两类特征,再用训练过的分类器重新分割图像;最后采用基于先验知识的规则对分割区域进行建筑物/非建筑物判定;理论分析和实验结果表明了算法的有效性.     

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。     

基于视觉的无人机着舰中红外合作目标的分割方法研究

针对基于视觉的无人机着舰中红外合作目标分割的需求背景,提出一种组合分割方法。相关研究发现随着待分割目标所占图像中比例变化,Otsu算法在分割时效果亦随之改变。当目标比例较小时可能会造成不同程度的误分割,而最大熵分割算法在实际处理中又含有较多噪点。本文首先根据图像的能量信息找出包含合作目标的感兴趣区域,同时在原图运用双Otsu算法进行分割,最后对两者的结果进行逻辑＂与＂运算得出最终分割结果。大量实验结果表明,本文的组合分割方法与Otsu算法和最大熵算法相比分割效果有明显改善。     

小波域自适应滤波的红外弱小目标检测

针对红外弱小目标检测,在图像自适应阈值降噪的基础上,提出了一种小波域自适应滤波的检测算法.该方法利用图像小波分解后高低频分离的特点,采用基于Context模型的自适应滤波器对含有目标的高频系数进行处理,最后采用自适应门限进行二值化图像分割以检测出目标.实验结果表明,与Top - hat滤波相比,该方法能够更有效地检测出...     

发动机部件CT图像特征提取与区域生长算法

针对工业计算机层析成像(CT)图像中金属伪影和噪声会干扰部件分割提取的准确性和精度问题，提出一种基于标准差权重阈值和区域生长的工业CT图像特征提取算法。采用标准差权重的二维最大类间方差和二维最小交叉熵阈值分割方法去除图像背景，利用图像的邻域均值实现多种子点区域自动选取，添加Scharr算子计算梯度改进生长准则完成对部件特征的提取。实验结果表明：该算法相对于其他区域生长法，精确率提高了9.1%,准确率最大接近1,相似性系数提高了5.3%,交并比提高了4.1%最大；该算法部件提取效果更好。     

一种基于Wiener滤波的海天背景红外目标检测算法

针对海天背景红外目标信噪比低且容易受到海面杂波、云层背景干扰的问题,提出了一种基于Wiener滤波的海天背景红外目标检测算法。首先,采用Wiener滤波器实现红外图像的背景估计,利用方向梯度算子估计海天线,确定目标的潜在区域。然后,采用自适应阈值分割的方法确定目标位置。最后,根据多向梯度特征剔除虚假目标。实验结果表明,该算法具有较好的鲁棒性,且对云层边缘、海杂波有较好的抑制能力。     

一种基于小波变换的电视图像分割方法

研究了一种基于B样条小波变换的自动阈值分割算法.提出基于灰度统计特性的直方图移动平均法,从而有效地消除噪声对图像的影响,使图像直方图更加光滑.运用B样条小波变换快速算法,大大减少了计算量.基于小波变换多分辨分析的策略,提出一种多尺度小波变换分割方法,进一步提高了分割精度.通过对算法仿真研究,验证了本算法的可行性及有效性.     

基于梯度图像法的激光雷达图像融合滤波算法

为了有效消除激光雷达图像斑点噪声的干扰,针对单一滤波算法的不足,提出一种基于梯度图像法的激光雷达图像滤波融合算法。分析激光雷达图像的噪声特点,综合Lee滤波和小波滤波的优势,该算法利用图像的梯度图像来判断斑点噪声隶属于信号区域还是边缘区域,在边缘点采用小波阈值滤波的结果,在信号区域选择Lee算法的结果达到最好的滤波目的。仿真试验的结果表明:该算法具有很强的散斑噪声抑制能力,能够在噪声滤波和图像信息保持2个方面都能达到很好的效果。     

一种基于局部能量的自适应图像融合方法

文中提出了一种基于局部能量的自适应图像融合方法.首先对原始图像进行小波分解,得到低频和高频子图像.然后分别计算高频子图像的局部能量,再根据不同图像的相应局部能量,计算局部能量熵,根据值局部能量熵赋予其不同的加权系数,从而实现自适应的信息融合.最后通过小波反变换,得到完整的融合.实验结果表明该方法有较好的融合效果.     

基于小波变换的活动轮廓分割技术

图像分割是图像处理中的一项重要工作．活动围道分割方法在实际工作中得到了广泛应用。根据几何活动围道模型的特点结合小波技术．提出了一种复杂物体边缘定位算法．能对具有尖角特征的物体轮廓进行快速、准确地提取。对多种图像的分割实验证明了文中方法的有效性。     

基于ICT 的引信图像分割算法

针对传统图像分割方法在引信图像分割上的不足,提出一种能够兼顾类内方差和类间方差的改进二维Otsu算法。介绍二维Otsu算法,分析比较原系统分割算法与自适应二维Otsu图像分割算法的优劣。实验结果表明:改进二维Otsu算法既能保证目标和背景的最大离散度,又能使目标和背景的内聚性最好,分割效果明显优于传统方法。     

基于颜色和形态学的交通标志检测技术的研究

通过利用交通标志的颜色特征,采用基于RGB空间的彩色分割方法进行图像分割.对分割出的图像进行灰度增强处理,比较和分析了不同边缘检测算子和阈值分割的方法,使用固定阈值分割方法对图像进行二值化,使目标区域突显.利用数学形态学腐蚀算法对图像进行轮廓提取,并通过形状特征对交通标志进行形态学分析.通过MATLAB软件仿真实验,说明算法具有一定实用性.     

一种新的舰船红外图像分割算法

舰船红外图像分割是红外成像制导反舰导弹目标跟踪的关键技术。为较好地分割出舰船目标,提出了一种新型的舰船目标图像分割算法。根据均值移动算法去除图像噪声,采用梯度增强、拉普拉斯变换、直方图迭代、形态学算法得到舰船及背景的二值化图像;采用投影技术和Hough算法得到舰船存在区域,分割舰船存在区域得到较准确的舰船图像。仿真结果表明此算法具有较好的分割效果。     

基于最小能量的图像分割算法

文中对图像分割进行了研究,将图像分割过程看成一获取信息的过程,通过最大化此信息量,导出一分割图像的能量泛函,最小化能量泛函即可得到分割结果。在最小化能量函数时,运用最陡梯度下降法导出一曲线进化方程,并用水平集方法来表示此曲线,利用快速水平集方法来进行数值求解。最后的仿真结果表明该算法很有效。     

基于数学形态学的snake模型图像分割

基于数学形态学的snake模型图像分割算法,先用数学形态学得到形态学图像的梯度,再对其进行二值化处理得到snake算法的初始轮廓,然后用Greedy algorithm进行图像分割.试验证明该方法可提高图像分割的运行效率,又可取得较好的图像分割质量.     

基于图像边缘和USAN区域的角点检测方法

在景象匹配技术中,利用角点来建立特征空间越来越受到研究者的亲睐.本文提出了一种新的基于图像边缘和USAN区域的角点检测方法:首先用二维Gabor小波提取图象的边缘,然后再利用基于同值分割吸收核(univalue segment assimilating nucleus)区域角点检测模型进行角点提取.此算法很好地解决了噪声对角点提取的干扰,同时该算法也为存在较大角度旋转的图象进行匹配提供了高质量的特征空间.     

基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法

滚动轴承出现损伤时,采集的振动信号呈非平稳性,采用一般的时域和频域分析方法不能准确提取出振动信号的故障特征。根据小波包多分辨、精细化的分解特性,提出一种基于小波包能量谱与主成分分析（PCA）方法的滚动轴承故障诊断算法。将振动信号进行小波包分解,得到重点频率段信息的能量谱,提取能量谱作为特征向量;利用PCA方法对特征向量降维并减小噪声信号的干扰,获得增强的故障特征;利用层次聚类方法和改进的模糊c均值聚类算法对不同类型的滚动轴承故障进行识别,两种聚类方法都准确地识别出了不同的故障类型。实例验证结果表明,所提方法能够有效地提取振动信号中的有用故障特征,实现轴承故障类型的精确诊断。     

基于一维最大类间方差和形状连通性的图像分割新算法

提出了一种新的基于一维最大类间方差和形状连通性的图像分割算法。它首先选出未经平滑的原始直方图的所有极小值,并用一维最大类间方差法选取出类间方差较大的灰度值;然后再对这些灰度值进行形状连通性值（shape connectivity,SC）的计算。选择SC值最大的一个作为最终分割阈值。文中还在将边缘像素点划分为目标或背景点的方法上也做了一些改进．即使用二维的阅值准则对其进行划分．进一步减小了误分割发生的可能性。理论分析和实验结果都表明：该新算法较一维最大类间方差和基于形状连通性的分割算法都优越．且运算速度快、划分效果好。     

基于图像边缘和USAN区域的角点检测方法

在景象匹配技术中，利用角点来建立特征空间越来越受到研究者的亲睐。本文提出了一种新的基于图像边缘和USAN区域的角点检测方法：首先用二维Gabor小波提取图象的边缘，然后再利用基于同值分割吸收核(univalue segment assimilating nucleus)区域角点检测模型进行角点提取。此算法很好地解决了噪声对角点提取的干扰，同时该算法也为存在较大角度旋转的图象进行匹配提供了高质量的特征空间。     

基于全散度的自适应鲁棒图形模糊聚类算法

针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。