基于Ncut的声呐图像谱抠图分割

针对目前谱图理论应用于声呐图像分割时,效果不够理想的问题,提出一种结合Ncut和谱抠图的声呐图像分割方法.该方法首先通过形态学变换对声呐图像进行预处理,降低复杂背景对分割结果的影响;其次,引入数字抠图技术,通过改变Ncut算法中的拉普拉斯公式得到用于分割的图像透明度估计;最后,通过透明度处理得到最终的声呐图像分割结果.仿真实验证明了所提算法的有效性,与传统的谱图分割方法相比,没有对声呐图像的背景进行分割,并准确提取出了目标区域,得到了更理想且更细致的声呐图像目标分割结果,有利于后期识别.     

基于属性直方图的图像分割方法及其在声呐图像分割中的应用

图像分割是图像识别中的主要问题，同时它又是一个经典难题；声呐图像恶劣的品质使图像的分割变得更为困难，属性直方图概念是直方图概念的推广；Otsu阈值化方法是一种性能良好的方法，本文将属性直方图概念应用于Otsu法中，提出了一中基于属性直方图的图像分割方法，文中阐述了这种方法的原理，并以声呐图像分割作为实例说明了这种方法的可行性。     

结合形态学运算的谱抠图声纳图像分割法

针对数字抠图与图像分割之间的联系,提出一种结合形态学运算的谱抠图声纳彩色图像分割法。首先通过形态学中的顶帽(top-hat)变换和底帽(bottom-hat)变换去除声纳图像中阴影的影响和背景的不均匀性,并进行图像增强;其次,将数字抠图中的alpha值考虑到图像分割中,通过全局平均迭代阈值法获取阈值,对抠图所获alpha图像进行阈值处理得出分割结果;最后,与多种现有的分割方法进行仿真对比实验,实验结果证明了本文分割方法的有效性。     

快速图像分割和抠图技术研究

为解决现有算法速度慢、集成度低的问题,提出了改进的算法。利用图像分割算法Grabcut对图片的前景进行分割;高效地生成三分图,并以此作为基于三分图的抠图算法SharedMatting的输入;综合处理抠图结果。针对该系统的特点,使用下采样技术对Grabcut算法进行优化,加快分割速度,并对三分图生成算法和SharedMatting抠图算法进行并行性加速。仿真实验结果表明,该系统适用性较强,可用性较好,并能在短时间内利用较少的交互量取得较理想的抠图效果。     

改进MRF参数模型的声呐图像分割方法

为取得更好的声呐图像分割效果,提出了一种基于改进MRF参数模型的声呐图像分割方法.在空间邻域MRF3类分割中,利用一个简单的正比例分布模型来描述目标区的分布;对于MRF模型参数的建立,采用新的3类分割空间邻域MRF模型参数.在此基础上,把新建立的3类分割空间邻域MRF模型参数和层次间相互作用的模型参数应用于空间分层MRF3类分割,得到最终精确的3类分割结果.同时,通过对人造模拟声呐图像以及真实声呐图像的分割实验,验证了提出的分割方法对噪声不敏感,具有较高的分割精度和适应性.     

基于马尔可夫随机场的非监督声呐图像分割方法

针对声呐图像的特点,提出了一种新的基于马尔可夫随机场(MRF)的非监督声呐图像自动分割方法。研究发现,声呐图像混响区基本上都服从高斯分布,然而,其直方图离散化的分布效果不利于图像的自动分割,因此,通过一种快速有效的高斯金字塔模型对声呐图像进行预处理,使得处理后的声呐图像的海底混响区直方图服从高斯分布。在此基础上提出了一个能够自动确定声呐图像分类个数的模型,并通过该模型结合一种局部能量极值化的方法对马尔科夫模型的初始化参数进行估计,从而形成一种完全自动的声呐图像分割模型。最后,利用该模型对声呐图像数据进行了分割实验,并和其他典型的分割算法进行了比较,验证了该方法的有效性及快速性。     

结合粒子群算法优化归一割的图像阈值分割方法

为了快速得到图像分割的最佳阈值,依据图论知识,利用灰度级相似矩阵代替像素级权值矩阵,将归一化切割准则作为优化函数.利用粒子群优化算法代替穷举法优化归一化划分准则,提出粒子群算法优化归一割的图像阈值分割方法.实验表明在分割性能上有较大的提高,在分割速度上也有较大的改进,能够满足实时性要求.     

基于多区域最优选择策略的声呐图像目标检测

为了解决侧扫声呐图像目标检测受噪声和阴影区域影响,难以准确检测目标的问题,提出一种谱聚类结合熵权法的多区域最优选择策略的目标检测方法。根据先验知识提前设定谱聚类的聚类数,将声呐图像的像素聚类为多个不同的区域;提取每个区域具有的平移、旋转和缩放的不变性特征,用于构建多区域的特征准则矩阵;利用熵权法对该特征准则矩阵计算各特征的权重以及每个区域的综合加权分数,即可得到最终的目标区域。实验结果表明,所提方法不仅能够有效地克服侧扫声呐图像中的噪声和阴影区域带来的不利影响,还可以在图像聚类后的多个区域中实现最优目标区域的选择,验证了所提方法的可行性和有效性。     

谱聚类图像分割算法研究

针对谱聚类算法对图像分割效果差强人意的特点,研究了一种改进的Nystrm算法进行谱聚类图像分割,使谱聚类算法应用于图像分割的效果有所改善。该算法首先对图像进行预处理,变换图像的分布数据空间,再分别计算对选定样本空间的数据间以及样本与其他空间的数据间的距离矩阵,并转化为相似矩阵;然后对相似矩阵正交化并且特征分解,进行K-Means聚类;最后将聚类结果进行后期处理。通过实验验证了该算法的有效性。     

基于多尺度分析及图论归一化割的矿岩颗粒图像分割及应用

为了克服矿岩颗粒图像分割中的欠分割和过分割现象,基于矿岩颗粒图像的特性, 提出了一种结合多尺度分析与图论的矿岩颗粒图象分割算法。该算法首先利用图像多尺度变换缩小图像,以去噪和减少数据量,再利用改进的图论归一化割(Normalized Cut)算法来分割矿岩颗粒图像。对多种类型的矿岩颗粒图像进行了分割实验,并与阈值、分水岭,聚类分析及FCM等常用的分割方法进行了比较。实验结果证明:研究的算法对岩石颗粒图像具有优于其它分割算法的效果;新算法应用到了大型露天矿的爆堆中的岩石块度测量与分析, 效果令人满意。     

融合边缘流和归一化割的岩心图像分割

提出一种融合多尺度边缘流和归一化割的图像分割方法。首先采用多尺度边缘流,检测在大尺度和小尺度上均存在的边缘,并在小尺度上定位边缘,再通过边缘连接,得到封闭的边缘;然后把多尺度边缘流分割得到的区域作为归一化割中图的顶点,区域间的相似性度量作为相似性矩阵的元素,大大降低了归一化割对内存的需求,提高了特征方程的计算效率,使归一化割得到实用,同时也降低了边缘流的过分割现象。实验表明,在岩心扫描图像的分割中,该方法能得到很好的效果。     

基于多尺度分析的归一化割图像分割算法

不同尺度的图像拥有不同的特性,针对单一尺度图像进行分割容易出现过分割或欠分割的问题,本文提出一种基于多尺度分析的归一化割的图像分割方法,首先利用方向能量模型得到不同尺度子图像的边缘方向能量,然后根据干涉轮廓的思想建立各个子图像像素之间的相似度,形成多个不同尺度的权值矩阵,并归一化为一个权值矩阵,最后运用归一化割算法对图像进行分割。实验表明,本文方法在融合了多个尺度图像不同特性的同时,能很好地处理含有纹理区域和弱边缘的图像,在一定程度上避免了过分割或欠分割的问题。     

小波域声纳图像识别

声纳图像的最主要缺点是所受噪声干扰大，针对这个问题，设计了一种抗噪性强的声纳图像识别算法．首先对传统的塔型小波分解和树型小波分解进行比较，利用完全树式小波分解法获得了小波域的块纳子图像。其次，根据小波系数移变的特点，分别采用方差、三阶中心矩、四阶中心矩和熵作为统计量提取图像的纹理特征。最后，按照特征本身的离散程度对其进行规范化处理．为了验证该算法的性能，采用最小距离分类器对实测的4000余幅块纳图像进行分类识别实验，实验结果表明，利用规范化处理后的方差作为块纳图像的纹理特征表示时，分类识别性能是最佳的。     

基于灰度和空间特性的谱聚类图像分割

为了克服谱聚类图象分割方法性能容易受到图像大小和相似性测度的影响,提出一种基于灰度和空间特性的谱聚类图像分割算法。该算法不对图像中的像素之间建立相似性,而是利用各个像素的灰度在图像中的分布信息和像素点的空间邻接信息建立灰度之间的相似关系,通过对图像中灰度的分类进而获得原始图像的分割结果。因此,该算法不会受到图像大小的限制,无论对于多大的图像,相似性矩阵的大小都是小于等于256×256。Berke-ley基准图像数据集上的分割仿真实验验证了该方法的有效性。     

基于分水岭和种子生长的彩色图像分割

提出一种基于分水岭和种子区域生长的彩色图像改进分割算法。该算法先对彩色图像进行分割前预处理,使用分水岭算法对图像进行初始分割,然后根据一定的规则从分水岭算法分割形成的区域中自动选取种子区域并进行生长,最后合并相似区域或小区域。以区域作为种子生长单位,使用种子区域一次性生长方法进行生长。实验结果表明,该算法分割结果较好,分割速度较快。     

模糊逻辑和谱聚类的字符图像分割

为了从复杂背景中有效分离出字符图像,提出了一种基于模糊逻辑的谱聚类字符图像分割方法.利用最大信息熵准则获得模糊函数的参数,将原始图像模糊化;在模糊后的图像上建立像素间的相似矩阵,文本图像的纹理、灰度及像素间的距离是定义相似函数的依据,计算相似矩阵最小特征值对应的特征向量,并对其聚类划分;利用分类后的特征向量对相似矩阵进行划分,进而实现原图像的分割.实验结果表明:本文方法优于一般的阈值化分割方法,能够有效处理背景复杂的自然场景文本图像.     

基于局部相似性测度的SAR图像多层分割

针对谱聚类算法计算复杂度高,不适用于合成孔径雷达图像分割的问题,利用谱聚类算法与权核k均值之间的等价性,提出一种基于局部相似性测度的SAR图像多层分割算法．首先提取图像中每个像素的小波纹理特征,利用每个像素点的纹理特征计算各自的局部尺度参数,进而构造像素点之间的邻接关系,然后利用最近邻规则对此邻接关系进行逐层合并,进行基础聚类和逐层细化实现像素点聚类,最终得到图像的分割结果．对人工纹理图像和SAR图像的分割结果表明了新算法避免了传统谱聚类算法对尺度参数的敏感性,获得了更优的分割性能．