基于耦合映象格子的图像分割方法

为了实现图像的自适应多级分割,利用混沌动力学系统对初值的敏感性和全局耦合映象混沌同步的特点,提出了一种基于耦合映象格子的图像分割方法.方法对每个灰度等级构建全局耦合映象,建立灰度等级间关系矩阵和灰度等级更新模型,通过全局耦合映象混沌同步过程完成灰度等级的自适应聚类.实验结果表明方法对中间类灰度等级聚类具有很好的鲁棒性,分割过程不需要人工干预,并且具有较强的灵活性,优于阈值分割和边缘检测的图像分割方法.     

基于可Markov分割混沌系统的图像加密算法

为了设计复杂度高、安全性好而计算代价小的图像密码算法,该文从一类新的具有Markov分割性质的混沌系统出发构造了此算法。首先,通过控制此混沌系统的参数并配合时空混沌系统设计了一个密钥流发生器;然后,利用真随机数发生器产生的随机数来扰动系统的初始密钥,以动态生成图像的置换矩阵和加密密钥流;最后,通过利用不同群中的加法混合运算构造扩散函数以增加破译复杂度,以两轮迭代完成了图像加密过程。实验结果表明,此混沌系统产生的密钥流序列有比较好的统计特征,该算法可以破坏原始图像的特征,使得密文图像难以辨识。进一步分析可知,该算法可以很好地抵抗差分分析等其它已知攻击,效率高于一些基于超混沌系统设计的密码算法。此外,此算法计算简单,安全性高,易于实现,具有良好的应用前景。     

基于时空混沌同步的数字图像保密通信

以单向流耦合映像格子时空混沌系统模型为基础，采用驱动－响应同步方法达到时空混沌同步，利用时空混沌序列具有复杂度高、伪随机性好、宽频谱的特点，实现对数字图像在扩展频谱基础上的保密传输，使加密信号有较强的抗破译能力。计算机仿真结果证实了利用该方法进行数字图像保密通信的有效性。     

基于混沌蚁群算法的快速红外图像分割

提出了一种基于混沌蚁群算法优化二维模糊划分最大熵的红外图像分割方法。二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,并且兼顾图像自身的模糊性,能取得很好的分割效果,然而最大熵的最优参量组合却很难快速准确地获得。本文将混沌蚁群优化算法应用到二维模糊划分最大熵分割方法当中,充分利用混沌蚁群算法快速寻找最优解的特点,来搜索二维模糊划分最大熵的最优参量组合。实验仿真结果表明,该方法比传统的图像分割方法有更好地分割效果,有效抑制了图像噪声对目标区域分割的干扰。     

基于线性插值的图像分割算法

图像分割是一种特殊的图像处理技术,也是一种重要而关键的图像分析技术。得到广泛运用的全局阈值法和局部阈值法由于各自的缺陷使得图像分割效果不理想,为此将全局阈值中的迭代法与局部阈值法相结合,利用线性插值,提出了局部阈值插值分割算法,并通过仿真试验说明了该算法在分割图像时的有效性和可行性.结果令人满意。     

基于耦合帐篷映射的时空混沌单向Hash函数构造

提出一种基于耦合帐篷映射的时空混沌单向Hash函数构造方案。与帐篷映射相比，该方案所采用的离散耦合帐篷时空混沌模型避免了有限精度实现产生的短周期行为，产生的时间序列近似服从均匀分布，具有更为理想的扩散与混乱特性。利用该模型实现了任意长度明文序列单向Hash为128位Hash值的算法。时空混沌系统的初态作为密钥，具有很大的密钥空间。Hash值与相应的明文消息及密钥有着敏感、复杂的非线性强耦合关系。理论分析与仿真实验结果表明，该方案与现有混沌Hash算法相比，既有好的安全性，又有高的执行效率，满足单向Hash函数的各项性能要求。     

基于粒子群算法的图像分割

文章对基于粒子群算法的图像分割进行研究。图像分割是在一个复杂的参数空间寻找最优分割参数。各种智能优化算法可以对复杂的非线性多维数据空间进行快速有效的计算,它不仅可以得到全局最优解,而且会使计算时间大大缩短。智能优化算法用于图像分割的关键是求解最优阈值。最优阈值的选取就是将智能算法作为优化工具,采用迭代的方式计算在某准则下目标函数的最优值,从而求解出分割图像的最优阈值。其中,粒子群算法是经典的智能优化算法之一。     

基于时空连续约束的4D脑图像分割模型

纵向分析脑解剖结构的变化可以预测脑组织的生长或萎缩状态,为临床治疗和科学研究提供必要的依据.但由于成像设备或模式不同以及成像时间间隔较长,3D的分割方法得到的结果无法体现脑组织在时间维上缓慢变化的特征.针对这一问题,提出一种基于时空约束的4D脑图像水平集分割模型.该模型包含了由全局以及局部信息组成的数据拟合项、空间平滑项以及时间平滑项.其中数据拟合项体现了各个时间点的图像灰度信息,空间和时间平滑项则能保证分割结果在时空维上体现其缓慢变化的特性.实验结果表明本文方法既能保证准确的分割结果又能保证空间维以及时间维上的连续性.     

时空混沌理论及其在保密通信中的应用

时空混沌对于初始值和边界条件均具有高度敏感性,使得时空混沌模型比时间混沌模型具有更大的密钥量和密钥空间,为进一步提高网络的安全性和可靠性成为可能。在基于耦合映像格子的时空混沌系统模型及其复杂度的分析研究的基础上,通过采用先压缩后加密处理方式,模拟实现了服务器端和客户端相互通信的过程。实验结果表明,时空混沌理论在保密通信中将有广泛的应用。     

融合混沌优化和改进模糊聚类的图像分割算法

基于邻域广义模糊聚类算法能够分割含噪声灰度图像,但是如果图像灰度分布不均衡或者起始的聚类中心设置不合适仍会导致该算法分割失败,为此,提出一种基于混沌优化和改进模糊聚类算法相融合的图像分割算法.首先,将每一类的隶属度之和引入基于邻域广义模糊聚类算法的目标函数中,从而能够均衡较大类和较小类对目标函数的贡献.其次,以新目标函数为基础,利用拉格朗日乘子法推导出相应的隶属度和聚类中心.再次,将混沌优化和改进模糊聚类算法联合得到最优解,即最合适的聚类中心,细节上,每一代的聚类中心分别由混沌系统和改进模糊聚类算法两种路径产生,具有较小目标函数的聚类中心进入下一个迭代进程.最后,利用具有不平衡特性的无损检测图像进行实验,结果表明本文算法具有更高的分割准确率和更好的视觉效果.     

基于改进C-V模型的图像分割算法

提出一种新的模型——Chan-Vese模型,该模型是基于曲线演化、水平集方法、局部的统计信息,新模型包括两个方面:局部核心函数和惩罚项.引入局部统计信息后的新模型可以对非同质图像进行有效的分割.另外,核心函数中加入惩罚项,可以有效避免水平集函数初始化,缩短模型演化时间.通过实验的仿真结果发现,新模型在对非同质图像进行分割时得到了良好的结果.     

基于改进主动轮廓模型的图像分割算法

针对C-V模型对灰度不均匀的图像分割效果不理想的情况,提出一种改进的C-V模型.该模型在C-V模型的基础上,引入非加权的邻域平均和局部窗口方差概念,加快并精确了C-V模型的演化效果,同时在C-V模型的能量函数中加入惩罚项,使得C-V模型在演化过程中无须重新初始化,进一步提高了分割速度.仿真实验结果表明改进的C-V模型较原模型对灰度不均匀图像分割具有较好的分割效果.     

基于时空分割融合的视频对象提取改进算法

提出一种基于时空分割融合的视频对象提取改进算法：时间分割基于变化检测，其关键是通过直方图分析选取合适的阈值；空间分割采用修正的分水岭变换，并通过一种基于时间距离和空间距离测度的区域合并算法克服“过分割”问题。实验结果表明，它可取得比COST211 AM更好的分割结果。     

基于超像素分割的深度图像修复算法

为了提高Kinect相机获取的深度图质量,提出了一种基于超像素分割的图像修复算法。 首先对深度图和彩色图分别 进行双边滤波和超像素分割;其次,结合深度图像和彩色图像相似性,记录彩色分割块的位 置,并对应于 深度图中;最后,在每个分割块对应深度区域中,根据丢失像素点在分割块中所占比例,划 分为无空洞区 域、小空洞区域、大空洞区域和全空洞区域4类。采用快速行进算法对小空洞区域进行 修复,利用中 值填补算法进行大空洞区域修复,对全空洞区域利用邻域区间对应彩色图像相似性进行填充 。4种类型中 的无空洞区域无需修复。实验结果表明,本文方法与FMM、Shen和Scheming的方法相比, 平均均方根误差(RMSE) 分别降低了2.958、0.822和0.078,修复 的主观质量也有所提高。     

基于时空信息的自动视频对象分割算法

提出一种在通用视频序列中从背景里分离出运动对象的方法.首先,使用全局运动估计和补偿、场景变化检测技术进行预处理.然后,使用四阶统计显著性检测方法从帧差图像中分离出前景和背景,并使用连通成分标记算法和一连串形态学开启、闭合操作得到修正后的二值模板图.接着,使用对称差分技术消除覆盖\显露的背景以及部分噪声.最后,使用模板匹配和更新,不仅能够得到快速变化的对象,而且能够得到视频对象暂时停止运动的部分.     

基于最小能量的图像分割方法

提出了一种图像分割新方法,与 Ｓｎａｋｅ 模型一样,该方法融合了传统的三阶段分割方法,并克服了 Ｓｎａｋｅ 模型只能处理单区域轮廓线的缺陷,适用于多区域、多空间位置关系的图像分割,无需轮廓线的初始位置设定。同时,动态规划的嵌入特性,保证了图像分割的全局最优化,实现了图像轮廓线的精确定位和自动分割。实验结果表明了该方法对于多区域图像分割的有效性。     

基于量子最大熵多阈值算法的图像分割研究

针对图像分割中的问题,采取量子多阈值最大熵算法.首先确定图像信息最大熵的概率密度函数,求解出熵最大化验前密度;接着把图像用灰度值分成背景和物体两个区域,统计不同的灰度等级内像素的量子比特值,由所占的比例得出像素点的最佳分割阈值;最后给出了算法步骤.实验仿真给出了不同算法的图像分割结果,本文算法对噪声的抑制能力较强,得到较高精度的图像,并且保留了边缘的重要信息.