Segmentation with Depth but Without Detecting Junctions

Given an image that depicts a scene with several objects in it, the goal of segmentation with depth is to automatically infer the shapes of the objects and the occlusion relations between them. Nitzberg, Mumford and Shiota formulated a variational approach to this problem: in their model, the solution is obtained as the minimizer of an energy. We describe a new technique of minimizing their energy that avoids explicit detection/connection of T-junctions.     

无需初始轮廓的快速图像分割模型

在图像分割领域中，几何活动轮廓模型是较成功的方法之一。但现有的几何活动轮廓模型大都需要为演化曲线定义一个初始位置，这容易导致图像分割结果受初始轮廓位置的影响。为此，结合图像的局部和全局信息构造一个新的符号压力函数，提出一个以偏微分方程形式存在的快速图像分割模型。所提模型形式简单，算法过程容易实现。实验结果表明，该模型允许常值初始化，无需初始轮廓即可快速分割三相图像、灰度不均图像、渐变图像以及深度图像等多类图像。     

无需二值化的彩色车牌峰谷分割算法

车辆牌照图形的分割是车牌识别（VLPR）中的关键技术。对于通常采用的基于二值化结果的分割算法，车辆牌照图像的质量往往不佳，二值化后将会产生大量噪声，从而影响车牌分割，使系统整体识别率不高。文中提出了适合于户外流动车辆车牌分割的彩色车牌峰谷分割算法（CLCSA），不需对车牌进行二值化，通过对HIS空间的H分量和RGB空间的B分量适当调整，得到一个峰谷值差异较大的投影图像，从而为车牌正确切分提供了理想的位置。实验结果表明，蓝车牌和黄车牌的正确切分率达到97．5％，明显优于传统的对二值化图像的处理，特别是对于斜车牌和模糊车牌切分效果更加明显，更适用于实际应用。     

无需二值化的彩色车牌峰谷分割算法

车辆牌照图形的分割是车牌识别(VLPR)中的关键技术。对于通常采用的基于二值化结果的分割算法,车辆牌照图像的质量往往不佳,二值化后将会产生大量噪声,从而影响车牌分割,使系统整体识别率不高。文中提出了适合于户外流动车辆车牌分割的彩色车牌峰谷分割算法(CLCSA),不需对车牌进行二值化,通过对HIS空间的H分量和RGB空间的B分量适当调整,得到一个峰谷值差异较大的投影图像,从而为车牌正确切分提供了理想的位置。实验结果表明,蓝车牌和黄车牌的正确切分率达到97.5%,明显优于传统的对二值化图像的处理,特别是对于斜车牌和模糊车牌切分效果更加明显,更适用于实际应用。     

基于多尺度形态学融合的分水岭图像分割方法

提出了一种基于多尺度形态学融合的分水岭图像分割方法,采用多尺度结构元素对输入图像并行滤波,并对结果图像进行基于小波变换的图像信息融合。针对小波分解的不同频率域,选择不同的融合规则,既抑制噪声又保持目标轮廓信息。最后,采用最大熵法自适应确定算法的初始阈值,并给出一种有效的区域合并方法来优化分割结果。实验证明,采用此分割方法可以获得较好的分割结果。     

基于多尺度形态滤波的分水岭图像分割方法

采用多尺度形态滤波器对输入噪声图像及滤波后图像的梯度图像进行平滑,实现了消除噪声、简化图像、保持物体重要轮廓信息的作用．最后,给出一种改进的快速区域合并算法优化分割结果．实验证明,采用文中分割方法可以获得很好的分割结果。     

基于联合音变还原和形态切分的形态分析方法

传统的形态分析方法,一般是先进行音变还原工作,再进行形态切分工作。音变还原工作的好坏直接影响形态切分工作的优劣,两者之间存在错误传播的问题。鉴于传统形态分析方法存在的错误传播问题,该文提出了基于联合音变还原和形态切分的形态分析方法。该方法通过使用具有双重功能的联合标签,同时实现了音变还原及形态切分的功能。由于该方法不依赖于黏着语的特有的语言学规则,因此便于扩展到新的语言上。结果表明,联合音变还原和形态切分的形态分析方法要优于传统的先进行音变还原后形态切分的形态分析方法,能够很好地解决先音变还原后形态切分带来的错误传播问题。     

基于字符串核的免分词中文文本分类方法

文本分类是获取文本信息的重要一步,现有的分类方法主要是基于统计理论和机器学习的,其中著名的有Bayes[1]、KNN[2]、SVM[3]、神经网络等方法。实验证明这些方法对英文分类都表现出较好的准确性和稳定性[4]。对于中文文本分类,涉及对文本进行分词的工作。但是中文分词本身又是一件困难的事情[5]。论文尝试一种基于字符串核函数的支持矢量机方法来避开分词对中文文本分类,实验表明此方法表现出较好的分类性能。     

一种无需初始化的遥感图像无监督分割方法

遥感图像自动分割通常为有监督分割或带初始化的无监督分割,算法的性能受先验统计知识和初始点选择的影响较大.本文提出一种既无需统计先验也无需初始化的全自动分割方法.该方法基于图割理论和遥感图像自身数据特点建立模型,在迭代应用快速能量最小化方法的过程中融入一种自动初始化方法,实现全自动的分割.实验结果表明了该分割方法的有效性,有利于遥感图像进一步的目标检测识别.     

基于数学形态学的灰度图像连接物体分割方法

由于噪声的存在以及连接物体的特点,传统的标记分水岭算法对包含连接物体的灰度图像很难取得满意的分割结果;特别是在背景并不连通的情况下,误分割更为常见;在标记分水岭算法的基础上,提出了一种连接物体分割方法;将属于鲁棒统计的Hough变换用于提取物体标记扩展了标记分水岭算法的应用范围;针对在分割连接物体时,由于背景并非连通,因此允许背景被分别标记,并通过一个后续滤波步骤用以剔除分割后图像中的背景部分,从而得到精确的分割图像;试验证明该算法运算速度快,鲁棒性好,具有广泛的应用价值.     

一种形态学彩色图像多尺度分割算法

为了对彩色图像进行快速有效的分割，提出了一种用于分割彩色图像的多尺度形态学算法。该算法首先用基于张量梯度的彩色分水岭算法来得到初始分割结果，即局部水平集连通区域，并综合考虑了面积和色彩计算区域间的相似性，构造了区域间的RAG（region adjacency graph）和NNG（nearest neighbor nraph），用于后续形态学处理；接着，基于HSV空间中的色彩全序关系，定义了彩色形态算子；然后采用顶点塌缩算法实现的彩色形态学开闭算子生成了所需的非线性尺度空间；最后，利用图像中的极值点与物体间的对应关系，逐级提取图像中包含的物体来得到分层级的表示，并用区域在不同尺度下熵的变化来决定尺度树的构成，从而完成了彩色图像的分割。试验结果表明，该算法不仅具有出色的形状保持能力，而且可提高计算效率。     

基于形态学尺度空间的多尺度图像分割研究

给出了图像层次分割的新架构，阐述了基于重构形态学操作的尺度空间产生方法，提出了基于形态学尺度空间和形态学分水岭的多尺度分割策略，其目的是生成图像的分割堆栈，并通过链接技术获得有意义的对象分割。该文给出了对各种图像的分割的实验结果，验证了分割策略的有效性。     

无池化层卷积神经网络的中文分词方法

在中文信息处理中,分词是一个十分常见且关键的任务。很多中文自然语言处理的任务都需要先进行分词,再根据分割后的单词完成后续任务。近来,越来越多的中文分词采用机器学习和深度学习方法。然而,大多数模型都不同程度的有模型过于复杂、过于依赖人工处理特征、对未登录词表现欠佳等缺陷。提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)的中文分词模型——PCNN(Pure CNN)模型,该模型使用基于字向量上下文窗口的方式对字进行标签分类,具有结构简单、不依赖人工处理、稳定性好、准确率高等优点。考虑到分布式字向量本身的特性,在PCNN模型中不需要卷积的池化(Pooling)操作,卷积层提取的数据特征得到保留,模型训练速度获得较大提升。实验结果表明,在公开的数据集上,模型的准确率达到当前主流神经网络模型的表现水准,同时在对比实验中也验证了无池化层(Pooling Layer)的网络模型要优于有池化层的网络模型。     

结合形态学重建和超像素的多特征FCM分割算法

针对现有模糊聚类分割算法对噪声的鲁棒性差且提取的图像特征不充分等问题,本文提出了一种结合形态学重建和超像素的多特征模糊C-均值(FCM)分割算法.首先,利用形态学闭合重建处理原图像,提高了算法的鲁棒性和细节保护能力.其次,采用Mean-Shift方法预分割重建图像,获得一组超像素区域.再次,提取重建图像各像素的颜色特征、纹理特征和梯度特征,利用平均策略定义各超像素的颜色特征、纹理特征和梯度特征,组成多维特征向量.最后,运用最大熵正则化的加权模糊C-均值算法(EWFCM)的框架,以超像素为单位,以核诱导距离作为距离度量来聚类多维特征向量.选取BSDS300数据集中的6幅图像完成实验对比.结果表明,本文算法具有更高的分割精度.     

基于广义形态滤波和分水岭算法的图像分割

传统的分水岭算法直接对图像的梯度图进行分割,梯度算子由于受噪声或量化误差的影响而产生很多局部最小值,从而导致严重的过分割现象,如何消除其过分割现象一直以来都是研究的热点。本文介绍一种广义形态滤波器,使用两组适应不同形状要求的含有四个结构的结构元素来构成一个滤波器组,用于分水岭算法的预处理,在平滑原始图像的同时去除了易造成过分割的区域细节和噪声,有效地抑制了分水岭算法的过分割现象,然后使用分水岭算法,获得了较好的分割效果。     

基于形态学重建滤波的脑部磁共振图像分割

在阐述形态学基本原理、形态学重建滤波原理和方法的基础上,提出了形态学交变序列重建滤波,并应用于脑部磁共振图像分割。试验结果表明,该方法能有效地滤除无用的信息而保留图像原始形状不变。再应用形态学梯度运算、测地距离和流域变换方法就能准确地分割出脑部磁共振图像的头盖骨和脑膜。     

基于形态学梯度重构和标记提取的分水岭图像分割

为了解决传统分水岭算法的过分割问题,提出一种使用形态学梯度重构和标记提取技术进行图像预处理的分水岭图像分割方法。该方法基于多尺度概念,进行梯度重构时采用了不同尺寸的结构元素,在对重构后的各梯度图像的区域极小值进行标记后,将各标记点的并集作为最终标记图像,用其修改梯度图像,然后进行分水岭变换,实现图像的区域分割。实验结果表明,该方法既能有效解决分水岭算法的过分割问题,又保留了各尺度下的重要目标,并且可以根据图像特点和具体的分割要求,调整分割过程中所选参数,得到满意的图像分割效果。     

基于短语统计机器翻译模型蒙古文形态切分

该文结合最小上下文构成代价模型,借鉴并利用统计机器翻译的方法,尝试解决蒙古文形态切分问题。基于短语的统计机器翻译形态蒙文切分模型和最小上下文构成代价模型分别对词表词和未登录词进行形态切分。前者选取了短语机器翻译系统中三个常用的模型,包括短语翻译模型、词汇化翻译模型和语言模型,最小上下文构成代价模型考虑了一元词素上下文环境和词缀N-gram上下文环境。实验结果显示 基于短语统计机器翻译形态切分模型对词表词切分,最小上下文构成代价模型对未登录词处理后,总体的切分准确率达到96.94%。此外,词素融入机器翻译系统中后,译文质量有了显著的提高,更进一步的证实了本方法的有效性和实用性。     

气液两相流气泡图像的形态学分割方法

针对气液两相流图像中的气泡粘连现象,提出了一种用于识别粘连气泡的图像分割新算法。首先利用差影算法消除背景噪声,利用最佳阈值分割法将其二值化;然后采用形态学填充算法对气泡中心区域进行填充,并利用填充图像减去原二值化图像,从而分离出气泡的亮点图像;最后用形态学条件加厚算法对每个亮点进行重复加厚处理,得到气泡的分割图像。试验结果表明,该算法可以对气液两相流中的粘连气泡图像进行有效的分割识别,以便进一步准确地测量气泡尺寸及截面含气率。