基于最小生成树的图像分割方法

图像分割是数字图像处理的重要分支,它研究的是将图像中感兴趣的部分准确、快速分割,以便于后续利用,它是从图像处理到图像分析的关键步骤.图像分割的好坏直接影响图像分析的精确度.由于图像的直观、可视性等特征,图像可以较准确地还原物体,许多领域的研究可以转变为对图像的研究.介绍了图像分割的基本概念及常见的几种图像分割方法,重点介绍了基于最小生成树的图像分割原理,并对最小生成树图像分割的优缺点进行分析,针对其缺点提出了改进的意见,并就图像分割的应用前景进行了简单的阐述.     

基于图论的图像分割算法仿真研究

研究图像分割优化问题.由于图像可以分割为若干个不同的区域,要求分割边缘清晰,速度快.但传统图像分割算法由于计算复杂等原因,造成图像分割分辨率低,清晰度不高,当图像中的信息量非常大时,分割非常耗时等缺陷,提出了图论的图像分割算法.采用图论的图像分割算法是一种全局的分割算法,首先分析图像在不同FRFT域的能量分布特点,通过归一化剩余误差因子p评估和分析FRFT域的能量积聚性和图像所包含的信息,使用最小生成树方法对图像对区域分别进行分割,并最终合并,采用二值化方法对图像进行仿真.结果表明,改进的算法能有效的分割图像,提高了图像分割的速度,是一种有效的新颖的图像分割算法.     

基于最小生成树的图像分割

基于最小生成树思想,给出了一种利用改进的最小生成树进行图像分割的方案,减少了最小生成树的构建过程,对初分割的结果利用NNG算法进行合并。该方案节约了分割时间,并且对分割后的图像进行了有效的合并,达到了较好的分割效果。     

一种基于连通域标记的矿井巷道灯识别方法

针对本次项目中每帧视频图像中出现多个矿井巷道灯区域和标示牌区域．提出一种基于连通域标记的矿井巷道灯识别方法。此算法能很好地标记出图像的所有连通区域．并且通过计算各个连通区域的面积特征,很好地把目标识别出来,为下一步机车定位与跟踪打下了基础,此算法满足实时性要求。     

一种基于连通域标记的矿井巷道灯识别方法

针对本次项目中每帧视频图像中出现多个矿井巷道灯区域和标示牌区域,提出一种基于连通域标记的矿井巷道灯识别方法。此算法能很好地标记出图像的所有连通区域,并且通过计算各个连通区域的面积特征,很好地把目标识别出来,为下一步机车定位与跟踪打下了基础,此算法满足实时性要求。     

基于压缩域的图像检索技术

图像检索技术是多媒体应用中的关键技术，现有的基于内容图像检索技术大都是基于非压缩域的，对于目前普遍存在的压缩格式图像，采用这种技术必须先解压再检索，不但计算量大，而且需占用较多的中介存储空间，所以严重影响了检索系统的实时性和灵活性，同时各种压缩标准(如JPEG，MPEG，JPEG2000等)的推出与普及也促使人们寻求可以直接在压缩域操作的检索技术，该文对现有的压缩域图像检索技术的发展进行综述，并讨论了未来可能的研究方向。     

基于多阈值融合的图像分割

提出了一种基于知识的多阈值融合图像分割新方法．首先利用一组多阈值分割结果建立连通域生长树．然后判断树叉对应的连通域合并是否合理,为此提出了连通体元、体元生命期、体元体积等概念,结合灰度均匀性定义出通用合并准则．最后将图像各位置的最佳连通域组合为最终图像分割结果．该算法充分利用了目标的灰度和空间属性,对灰度平稳和渐近变化的多目标图像分割非常有效．此外,该算法可以有效融合具体应用的先验知识,具有很高的智能性。     

结合Ostu阈值法的最小生成树图像分割算法

基于最小生成树的图像分割算法是一种全局最优的算法，然而会出现图像细节的处理不甚理想的问题，即分割结果出现不同程度的过分割和欠分割的现象。针对这一现象，根据图像全局和区域间的最大类间方差（Ostu），将Ostu阈值法与最小生成树（MST）算法相结合，提出了一种基于MST的Ostu阈值法图像分割准则。该图像分割算法是一种MST的优化方法，将区域合并判决条件取决于相互合并的两个区域的Ostu阈值，又考虑到较小的区域包含在较大的目标区域中或者背景区域中，再次使用Ostu阈值进行区域合并。该方法通过实验证明，可以有效地减弱图像的过分割与欠分割比例，减少了误分割率。     

基于Mumford-Shah理论的最小生成树图像分割方法

基于最小生成树的图像分割方法虽然具有较快的分割速度,然而这类方法的结果较为粗糙、冗杂.结合Mumford-Shah理论,提出了一种优化的方法.通过考虑图像中区域间的结合程度以及各区域的几何性质,计算区域间基于结合度的权值并将之加入到最小生成树图像分割方法的区域合并判断公式中,使相互结合较好的区域更易于合并.该方法能够在保留目标区域间较弱边缘的同时,很好地合并目标区域内部结合较好的区域,并得剑简洁平滑的轮廓.     

基于压缩域的JPEG图像检索技术

目前大部分图像都以压缩的形式来存储和传输,其中以JPEG格式更为流行.检索时对JPEG图像进行完全解压会相当费时.为此,本文提出了一种基于压缩域的JPEG图像快速检索的技术方案,从图像的主要DCT(离散余弦变换)系数中提取关键信息进行计算得到图像的特征向量,并与目标图像的特征向量比较后得出差异度较小的图像作为检索结果.这种检索方法缩短了检索的时间,图像的匹配精度较高.     

基于压缩域显著点的图像检索方法

给出了基于DCT压缩域显著点的快速图像检索方法,该方法直接利用少量DCT非零系数快速计算图像显著点,不需要完全解压缩,降低了计算复杂度,并且具有较强的鲁棒性。实验结果表明,基于显著点提取的图像特征表征能力强,适于图像检索。     

一种基于凸壳的压缩域运动对象快速分割算法

目前在H.264/AVC压缩域分割领域中现有的方法存在时间复杂度高,且分割运动对象不完整的问题,提出一种新的基于凸壳的压缩域运动对象快速分割(CHSTF)算法。该方法主要利用码流中的运动矢量场信息进行分割,即首先利用后向迭代累积对MV进行归一化处理,再利用时空域滤波(STF)算法对运动矢量场进行滤波得到稳定MV场,然后对滤波MV场求解凸壳并对其进行区域填充,最后对其进行优化掩膜达到分割运动对象的效果。本方法着重于快速求得整体运动对象,并获得较好分割精准度。实验表明,通过本方法能够较好地解决上述问题,并且在运动场严重缺失的环境下,相比传统方法,本方法能获得更好的效果。     

一种基于压缩域的穿戴式心电信号直接特征提取与分类方法

压缩感知是实现可穿戴式健康监测系统低能耗工作方式的一种有效途径,而现有基于压缩感知的心电信号分类方法大多需要在进行分类之前,先使用重构算法恢复出原始心电信号,这可能会导致较高的计算复杂度高,不适合于具有实时性需求的可穿戴式系统。提出一种基于压缩域的穿戴式心电信号的特征提取与自动分类方法。跳过信号重构步骤,使用改进的主成分分析法在压缩域上直接对压缩后的心电信号进行特征提取,并基于最小二乘支持向量机半监督学习方法实现心电信号的自动分类。实验结果表明,相较于在非压缩域上的分类方法,该方法在保证分类性能下降非常少的前提下,心电数据量大大地减少,有效提高了心电信号自动分类的效率。     

MP3压缩域中语音分割的研究与实现

针对说话人改变点检测问题,在MP3格式下用改进型BIC算法实现了多话者改变点的检测。根据非压缩域中MFCC的求取过程,提出了一种在压缩域MP3格式下利用MDCT系数计算MFCC特征参数的新方法。在此基础上,使用改进型BIC改变点检测算法检测说话人改变点。实验表明在相同的BIC检测算法下,利用在压缩域中提取的MFCC特征参数进行语音分割,可以得到和非压缩域相似的分割精确度。     

基于图割的压缩域运动对象提取

随着在视频监控等方面的应用,视频数据量不断增加,如何快速有效地处理和分析视频内容仍然是一个亟待解决的问题。目前的运动对象提取通常采用像素域的分析方法,虽然有较好的主客观效果,但由于计算复杂度高,在实际应用中有诸多限制。因此,提出了一种基于图割的压缩域运动对象提取算法。该算法基于4×4分块的高斯背景建模,得到视频帧中各子块的初始概率,结合运动矢量（Motion Vector）信息构造压缩域图割能量函数,利用图割算法对前景区域进行修正,从而实现对运动对象的快速提取。与其他运动区域提取算法的对比实验表明,该算法具有较高的准确率和较低的计算复杂度,具有较高的实际使用价值。     

基于帐篷混沌观测矩阵的图像压缩感知

针对目前典型的随机观测矩阵在不确定性、硬件实现、存储方面的缺陷,利用混沌序列优异的伪随机性,设计了一种基于帐篷混沌序列的观测矩阵。该矩阵的参数和初始值一旦确定,每一时刻的状态是可以完全重现的,克服了随机观测矩阵需要大量实验求平均来降低不确定性的缺点。仿真实验中,分别利用帐篷混沌观测矩阵和3种典型的随机观测矩阵对不同数据量的图像信号进行压缩与重构,结果表明:所设计的帐篷混沌观测矩阵不但重构性能优于随机观测矩阵,而且也克服了随机观测矩阵在硬件实现、存储方面的缺陷,大大减少了存储空间和传输带宽的压力。     

基于局部蚁群算法的图像分割

为了解决光照不均匀、有噪声,或者背景灰度变化较大时,采用单一阈值不能兼顾图像各个像素的实际情况,提出一种利用局部蚁群算法对图像进行阈值分割的改进算法。对图像进行分块,在每块内分别设定阈值进行分割,可以有效减少像素错误归类的现象。该算法对图像的不同区域设置不同的迭代次数和蚂蚁走的步数,获得了更好的分割效果。实验表明该算法可以提高分割的精度,缩短程序运行的时间。     

结合边界的小波域马尔科夫模型的图像分割算法

针对基于马尔科夫随机场(MRF)的分割算法常存在边界块效应,且对整幅图像进行建模运行效率低等问题,提出了结合边界的小波域马尔科夫模型的图像分割算法,把影像的特征场建立在一系列小波域提取的边界上,并建立相应的边界标号场MRF模型,借助贝叶斯框架和SMAP准则实现分割。利用Matlab GUI实现了分割系统,通过医学图像检验,结果表明:相比于小波域分层随机场模型(WMSRF),该算法在有效区分不同区域的同时很好地保留了边界信息,提高了运行效率。     

基于统计特征的DCT压缩域纹理图像检索方法

提出了一种基于离散余弦变换（Discrete Cosine Transfrom,DCT）的纹理图像的检索方法.该方法在DCT压缩域,通过直接对DCT系数计算,获得图像纹理的统计特征,并作为检索的依据.理论分析和实验结果都表明,该方法具有很好的检索准确率和效率,并且对于旋转具有不变性.     

基于高维空间稀疏最小生成树自适应覆盖模型的一类分类算法

最小生成树数据描述( MSTCD)在刻画高维空间样本点分布时,将所有图形的边作为新增虚拟样本以提供目标类样本分布描述,这种描述存在分支多、覆盖模型复杂的问题.针对该问题,依据特征空间中同类样本分布的连续性规律,文中提出基于稀疏最小生成树覆盖模型的一类分类算法.该方法首先构建目标类数据集的稀疏k近邻图表示,通过递归图分割...