基于最大邻域点跟踪的静脉图像细化算法

针对二值静脉图像,提出了一种基于最大邻域点跟踪（MNPT）的细化算法．该方法首先估计出静脉纹路宽度,并根据该宽度值计算静脉纹路上像素点的邻域和,然后确定离散的起始搜索点,最后通过跟踪最大邻域点得到细化静脉图像．实验表明,该细化方法提取的静脉骨架位置准确、连通性好、纹路平滑,是一种有效的静脉图像细化方法．     

直接零件标记的二维条码定位方法

针对直接零件标记（DPM, Direct Part Marking）二维条码的定位技术展开研究。由于环境光照、金属材质等因素,采集到的条码图像会存在光照不均、对比度低和高光等问题,对DPM二维条码定位带来很大的影响。采用了同态滤波的方法来增强图像,用梯度投影法对二维条码区域进行初定位。针对背景灰度级与目标灰度级相近导致传统阈值化存在误分割的问题,采用了一种OSTU与邻域阈值相结合的自适应二值化算法。利用形态学拟合Data Matrix二维条码的L型定位边,最后采用凸包算法实现对二维条码精定位。实验表明,该方法能有效解决图像采集中出现的光照不均、对比度低等问题,快速定位出条码区域。     

静脉灰度图像拓扑特征提取方法

二值化处理作为静脉识别中关键步骤不可避免会造成特征信息的部分减损,为了克服这种情况,文中提出一种跳过二值化过程直接对静脉灰度图像进行拓扑特征提取的新方法,该方法首先根据像素的邻域信息计算图像的方向场极值图(EGDF,extreme graph of direc tional fields),并利用预先定义的约束模板集从EGDF中逐步提取出静脉主脊,然后在设定的范围约束图中,利用最大邻域点跟踪算法从静脉主脊的各个端点开始搜索从而获得静脉次脊,最后由静脉主脊和静脉次脊组成了静脉灰度图像的全部拓扑特征.通过对比实验,发现文中算法提取的静脉拓扑特征优于常规组合方法即二值化后再进行骨架提取得到的静脉拓扑特征,且克服了基于新小波函数的对称分析法中无法提取漂浮静脉纹路以及将两条相距较近的纹路误识为一条纹路的问题.因此,是一种有效的静脉灰度图像拓扑特征提取方法.     

具有细节保护的自适应邻域SAR图像分割

为了保护图像中边缘或其它细节信息,改善MRF的分割效果,提出自适应邻域方法.该方法利用Bayes推理实现将像素点周围的局部图像信息结合,此过程引入模糊隶属度作为像素相似度度量方法,提高置信度的可靠性和分割过程的自适应性,使得分割过程中的邻域选择可以不依赖于某些预知的先验知识.对于待选择的邻域系统,具有最高置信度且满足置信度阈值的邻域作为MRF类别标识分割过程适用的最小邻域.实验结果表明,与固定邻域MRF和隐Markov随机场相比,本文方法改善了图像分割效果,有效保护了图像中的细节信息.     

基于二维Arimoto熵的阈值分割方法

提出基于二维Arimoto熵的阈值分割方法.首先由图像的像素值及其邻域像素均值得到图像的二维直方图,然后从二维直方图中计算出二维Arimoto熵.当二维Arimoto熵达到最大时,对应的灰度级对即为分割阈值.通过引入二维联合幂概率分布建立快速算法,使算法速度大大提高,易于硬件实现.大量的对比实验表明,本文算法表现稳定,总体的分割效果优于基于二维Renyi熵和二维Shannon熵的阈值分割算法.     

基于梯度与颜色信息融合的水文资料图像分割

针对纸质水文资料数字化应用,对相机拍摄的水文资料图像进行分割,提出基于梯度和颜色信息融合的水文图像分割方法。首先利用图像在CIELab空间上的颜色分量特征分割出曲线,然后进行分块处理,利用梯度算子在水平和垂直方向分别判别属于网格线上的目标像素点,统计这些像素点的颜色信息,利用颜色分量关系对网格线进行初步提取,之后加入水平和垂直方向的腐蚀,合并两方向的结果得到最终的网格二值化图像,最终由曲线图像和网格图像合并后得到水文图像的分割结果。对多幅水文图像进行分割的实验结果表明,本文方法能自适应地完成对多幅图像有效的分割,并且能够减少相机拍摄光照不均的影响,有较好的鲁棒性和较低的计算复杂度。     

利用模板和邻域信息的静脉骨架提取新算法

为提高骨架提取的准确性和连通性,提出了一种利用模板和邻域信息的静脉骨架提取新算法,该算法首先对二值图像进行平滑,并通过自适应方法计算静脉纹路上所有像素点邻域之和,以快速区分出边缘点和中轴点,然后遍历图像找出所有符合中轴点模板的像素点,并删除其中的孤立中轴点之后,得到一些间断的中轴线段,最后从这些中轴线段的端点开始采用最大邻域点跟踪方法提取出静脉骨架。实验结果表明,该算法提取的静脉骨架与中轴线重合且平滑稳定,且具有尺度不变性,角度不变性和良好的抗噪性能,是一种有效的骨架提取算法。     

一种粗糙不确定的图像分割方法

图像分割是计算机视觉领域的一个基础问题,涉及图像检索、物体检测、物体识别、行人跟踪等众多后续任务。目前已有大量研究成果,有基于阈值、聚类、区域生长的传统方法,也有基于神经网络的流行算法。由于图像区域边界的不确定性问题,现有算法并没有很好地解决图像部分区域渐变导致的边界模糊问题。粒计算是解决复杂问题的有效工具之一,在不确定的、模糊的问题上取得了良好的效果。针对现有图像分割算法在不确定性问题上的局限性,基于粒计算思想,提出了一种粗糙不确定性的图像分割方法。该算法在K均值算法的基础上,结合邻域粗糙集模型,先对类别边界区域的像素点进行粒化,运用邻域关系矩阵,得到各类别对各粒化像素点的包含度,从而对边界区域类别模糊的像素点进行重新划分,优化了图像分割的结果。在Matlab2019编程环境中,实验选取了BSDS500数据集中的一张马术训练图片和一张建筑物图片来测试算法性能。实验先对彩色图像进行灰度处理,用K均值算法对图像进行初步分割,再设置邻域因子值,依据边界像素点邻域信息重新划分边界点。对比K均值算法的分割结果可知,所提算法取得了更佳的效果。实验结果表明,该方法在粗糙度这一评价标准上优于K均值算法,可以有效降低图像区域边界的模糊性,实现灰度边界模糊的图像渐变区域的分割。     

基于改进交叉视觉皮质模型的图像分割新方法

从人类视觉特性出发,将具有“中心抑制,周边加强”性能的人眼视觉侧抑制现象与交叉视觉皮质模型相结合,形成了一种与人类视觉保持一致的适合图像分割的侧抑制-交叉视觉皮质模型.在此基础上,利用灰度级-邻域平均灰度级二维直方图,将一维卡方散度推广至二维,构造出了基于最小二维卡方散度的分割准则,进而提出一种实时性高的图像分割新算法.实验仿真表明,这种分割算法效果优于原始ICM算法和经典的Otsu算法,同时该准则计算速度远高于基于二维最小交叉熵准则的计算速度.     

一种自适应空间邻域的显著图获取方法研究

针对复杂背景下显著图提取精准度不高的问题, 提出了一套基于自适应空间邻域的获取方案。该方案考虑人眼神经元感受野的同心圆结构, 计算自适应圆形空间邻域; 然后结合二维正态分布的显著权值计算空间邻域内每个像素点的显著值, 获取图像的显著图, 再利用简单的阈值分割算法提取二值图像; 最后通过在两个自然图像集进行实验, 并与三种经典算法进行比较。实验结果表明, 该方法可以在复杂背景下有效地获取精确的显著图。     

基于层级血管树的肝脏分段方法

针对经典肝脏功能性分段方法对门静脉血管数据的敏感性,结合Couinaud肝脏分段理论和门静脉分布特征,提出了基于层级血管树的肝脏分段方法：首先对腹腔CT数据进行肝脏分割、血管提取和骨架化;接着统计分析血管树分支半径,确定二级子树集合,按照供血区域对二级子树进行聚类完成对二级子树的归类划分;进而采用最短距离归类算法划分肝脏,得到各个肝段;最后运用三维可视化方法展现肝脏内部的解剖结构,并进行肝段诠析,提取临床感兴趣信息。实验结果表明该方法对分支较多、结构较复杂的血管树可以取得较好的分级效果,考虑了大部分二级分支的供血作用,分割得到的肝段分布和属性信息也符合Couinaud肝段分割理论。     

基于FCM和图割的交互式图像分割方法

为了提高在前景和背景颜色相似情况下图像的分割效果,提出了一种基于模糊C均值聚类（FCM）和图割的交互式图像分割方法。首先,利用分水岭算法对图像进行预处理,将图像分成多个小区域,用区域代替像素点进行分析。然后,采用模糊C均值算法对用户标记的前景区域和背景区域分别进行聚类分析,挖掘用户交互所提供的隐藏信息。用未标记区域的颜色分量到前景区域及背景区域类心的最小距离表示相似能量,用未标记区域与其相邻区域的相关性表示先验能量。最后,利用最大流/最小割算法求能量函数的全局最优解。与其他方法相比,该文方法具有较好的分割性能,能从前景背景相似的图像中较精确地提取感兴趣的物体,且用户操作简单。     

大豆叶片图像的叶脉分割方法

叶脉分割是叶片模式分析的一个重要步骤,对大豆的品种识别、表型研究具有十分重要的意义.由于大豆叶脉结构十分复杂,叶脉所在叶片区域的低对比度,只借助灰度信息分割叶脉一般无法取得理想的分割效果.本文提出了一种结合多尺度灰度无约束击中或击不中变换(UHMT)算法和基于HSI颜色空间的色调信息处理方法的大豆叶脉分割方法.该方法将...     

融入邻域作用的高斯混合分割模型及简化求解

目的 基于高斯混合模型（GMM）的图像分割方法易受噪声影响,为此采用马尔可夫随机场（MRF）将像素邻域关系引入GMM,提高算法抗噪性。针对融入邻域作用的高斯混合分割模型结构复杂、参数估计困难,难以获得全局最优分割解等问题,提出一种融入邻域作用的高斯混合分割模型及其简化求解方法。方法 首先,构建融入邻域作用的GMM。为了提高GMM的抗噪性,采用MRF建模混合模型权重系数的先验分布。然后,利用贝叶斯理论建立图像分割模型,即品质函数;由于品质函数中参数较多（包括权重系数,均值,协方差）、函数结构复杂,导致参数求解困难。因此,将品质函数中的均值和协方差定义为权重系数的函数,由此简化模型结构并方便其求解;虽然品质函数中仅包含参数权重系数,但结构比较复杂,难以求得参数的解析式。最后,采用非线性共轭梯度法（CGM）求解参数,该方法仅需利用品质函数值和参数梯度值,降低了参数求解的复杂性,并且收敛快,可以得到全局最优解。结果 为了有效而准确地验证提出的分割方法,分别采用本文算法和对比算法对合成图像和高分辨率遥感图像进行分割实验,并定性和定量地评价和分析了实验结果。实验结果表明本文方法的有效抗噪性,并得到很好的分割结果。从参数估计结果可以看出,本文算法有效简化了模型参数,并获得全局最优解。结论 提出一种融入邻域作用的高斯混合分割模型及其简化求解方法,实验结果表明,本文算法提高了算法的抗噪性,有效地简化了模型参数,并得到全局最优参数解。本文算法对具有噪声的高分辨率遥感影像广泛适用。     

基于双随机场能量函数的区域化图像分割*

为了提高图像分割算法的抗噪性,并充分利用特征场和标号场在能量函数分割模型中的作用,提出基于双随机场能量函数的区域化图像分割方法.首先,利用几何划分将图像域划分为一系列子区域.在此基础上,采用多值高斯分布的负对数定义区域化特征场能量函数,用于描述同质区域内像素颜色的统计分布一致性.扩展传统建模邻域像素标号关系的Potts模型至邻域子区域,定义区域化标号场能量函数,用于表征各子区域标号之间的相关性.联合特征场和标号场,采用KL散度定义异质性能量函数,用于刻画同质区域间颜色统计分布异质性.利用非约束吉布斯表达式将定义的特征场和标号场能量函数转换为描述图像分割的概率分布函数.最后,在最大化上述概率分布函数准则下,设计合适的M-H采样算法,获得最优图像分割.在合成图像、遥感图像和自然纹理图像上进行分割实验,验证文中方法的有效性和准确性.     

变精度最小平方粗糙熵的图像分割算法

图像处理是获取信息的重要途径且被广泛地应用到军事、医学和交通等重要领域,图像分割在图像处理中占有重要地位。针对图像处理分割过程中的不确定性,为获取更加精确的图像分割效果,提出变精度最小平方粗糙熵和粒子群的图像单阈值分割算法。该单阈值分割算法用变精度粗糙集表示图像,以变精度最小平方粗糙熵求解最佳分割阈值,借助粒子群优化算法提高分割效率。实验表明,该单阈值分割算法明显优于最大平均信息熵法,且说明了变精度粗糙熵能够处理图像分割过程出现的不确定性。     

基于灰度空间特征的模糊C均值聚类图像分割

模糊C均值(FCM)聚类算法广泛用于图像的自动分割,但是该算法没有考虑像素的灰度和空间特征,对噪声十分敏感.因此提出一种改进的算法,在传统的FCM聚类的基础上,运用邻域像素的灰度相似度和聚类分布统计来构造新的隶属函数,对图像进行聚类分割.该方法不仅有效地抑制了噪声的干扰,而且把错分类的像素很容易的纠正过来.对两种类型的含噪图像的实验结果表明该方法对噪声具有很强的鲁棒性和对像素聚类的正确性.     

一种基于有效梯度信息的复杂图像分割方法

论文以集装箱号码图像为例,在分析比较几种流行的图像分割算法后,提出一种新的基于有效梯度信息的图像分割算法,即直接针对梯度图,对目标与背景边界部分的梯度信息进行统计分析,并在此基础上直接得到图像的阈值,完成分割。实验表明,对于类似集装箱号码的复杂图像,论文方法能得到较其他方法更好的分割效果。此外,论文方法有较好的实用性,能广泛应用于多种图像分割领域。     

二维Otsu自适应阈值分割算法的改进

在二维OTSU自适应阈值分割算法的基础上提出了一种改进的自适应阈值分割算法，这种改进算法由于充分考虑了图像二维直方图中象素灰度值及其领域平均灰度值比较接近的区域而获得了比传统算法具有更强抗噪声能力的分割算法，通过将该算法用于显微细胞图像的分割证明了它不仅分割效果得到改善，同时还大大降低了算法的复杂性。     

基于分水岭和改进的模糊聚类图像分割*

针对模糊C-均值聚类算法需预先给出初始聚类中心、未考虑邻城信息、计算复杂度高等缺点,提出了一种基于分水岭和改进的模糊聚类图像分割方法.该方法首先利用分水岭分割方法对原图像进行预分割,然后利用粒子群的全局寻优能力从预分割的小区域中搜索出较为准确的初始聚类中心;最后,在对小区域进行模糊聚类时,建立了包含邻域信息的聚类目标函...