自动阈值选取与边缘检测相结合的图像分割算法

提出了一种自动阈值选取与边缘检测相结合的阈值分割算法，试验表明该算法能够避免过分割现象，具有良好的分割效果。     

基于集成学习思想的深度图像遮挡边界检测方法

针对现有深度图像遮挡检测方法不能有效地检测出深度信息变化不明显的遮挡边界点的状况,提出了8邻域总深度差特征和最大面积特征,并定义了计算方法。在此基础上,提出一种新的基于集成学习思想的深度图像遮挡边界检测方法,该方法结合所提新特征及现有遮挡相关特征训练基于决策树的AdaBOOst分类器,完成对深度图像中遮挡边界点及非遮挡边界点的分类,实现对深度图像中遮挡边界的检测。实验结果表明,同已有方法相比,所提方法具有较高的准确性和较好的普适性。     

基于改进半阈值迭代算法的ECT图像重建

针对电容层析成像逆问题求解存在病态性和欠定性的问题,将压缩感知理论应用到成像过程中缓解其欠定性.首先将初始信号稀疏化处理,其次基于高斯随机阵对灵敏度矩阵的各行重新排列,随后进行奇异值分解得到了列独立性更高的观测矩阵.最后将基于l1/2-范数的半阈值迭代算法引入到ECT成像过程中,并在罚函数中加入l2-范数的约束项,通过...     

基于深度图像利用BP网络实现遮挡边界检测

针对视觉目标存在遮挡的现象,提出一种利用机器学习思想检测深度图像中遮挡边界的方法。首先,根据深度图像中像素点的深度信息和空间信息,定义了一种新的遮挡相关特征--最长投影线段特征;其次,设计了一种非线性归一化方法以便对相关特征进行归一化;最后,将遮挡边界检测视为分类问题,利用BP网络对遮挡边界进行检测,并将检测结果进行可视化展示。与其他方法相比,该方法准确性较高,泛化能力较强。     

基于阈值的几种图像分割算法研究

图像分割就是将图像分成若干具有特定意义的区域,并将它们提取出来进行处理的技术。本文介绍了阈值化分割技术的基本原理,描述了几种常用的图像分割算法,并对几种算法的优缺点进行了分析。     

红外图像的动态阈值分割

在深入探讨目前图像分割算法的基础上,针对实际红外图像的分割提出了一种新的方法－－动态阈值分割算法。它利用局部空间阈值适度调整全局统计最优阈值,因而其分割阈值是动态的。实验表明该算法能够突出图像中感兴趣的细节,单动态阈值的分割效果相当于常规固定双域值的分割。     

二维直方图区域斜分Otsu阈值分割的快速迭代算法

鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的otsu法的快速迭代算法.在实验结果中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他两种快速算法进行了比较.结果表明所提出的快速迭代算法,使分割后的图像内部区域均匀,边界形状准确,有稳健的抗噪性,同时运行时间大幅减少.     

一种用于虹膜识别的眼睫毛遮挡检测算法

为了降低眼睫毛噪声对虹膜识别的影响,提高虹膜的识别率,本文提出了一种用于虹膜识别的眼睫毛遮挡检测算法.该方法根据Canny算法检测图像中的眼睫毛,对Canny算法中的参数进行研究,利用虹膜的外圆,提出了用一个扇形区域来表示眼睫毛遮挡区域.除去眼睫毛遮挡区域与瞳孔,虹膜外圆余下的部分即为虹膜的有效区域.实验结果表明,该方法可以有效地检测眼睫毛,并且所得到的扇形区域包含外圆内部所有的眼睫毛像素,可以有效提高模式的可分性和虹膜的识别率.     

改进的模糊阈值图像分割方法

提出了一种自适应的模糊阈值图像分割方法,通过预分割和直方图信息相结合的方法,解决了传统的模糊闽值图像分割法难以自动获取窗宽的困难;并针对模糊闽值图像分割方法不能适用于直方图呈单峰分布的图像的缺陷,提出了一个新的平滑迭代公式。该平滑迭代公式利用像素点的邻域信息使图像增强,再使用自适应的模糊阈值图像分割方法进行分割,可以拓宽模糊阈值图像分割方法的适用范围。实验结果表明,使用该方法的目标分割正确率达97.3％,显示了较高的分割精度和较强的鲁棒性。     

基于FCM及快速迭代收缩阈值算法的平面ECT图像重建

为提高平面阵列电容成像系统的成像精度,提出一种基于模糊C均值聚类(FCM)进行数据优化的快速迭代收缩阈值算法(FISTA)。根据平面阵列电容数据的特点,首先利用FCM算法对测量电容值进行分类,保留有效电容值,实现电容向量降维;然后利用离散小波基(DWT)对灰度值进行稀疏表示,并建立L1正则化模型,采用FISTA进行求解,以实现图像重建;最后将FCM处理后的电容值分别用于Landweber算法、Tikhonov算法进行重建对比。仿真与实验结果表明,该算法重建图像的平均相对误差约为0.052 7,平均相关系数约为0.942 2,均优于其它算法,且重建图像伪影较少,更接近真实情况;因此,所提算法具有更好的重建效果。。     

一种适合于多目标检测的图像分割方法

提出一种适合于多目标检测的8邻域图像分割方法,用以获取目标特征量,准确分割图像。在对二值化图像扫描形成目标块的过程中,标记各个目标像素,记录目标的边界点,得出分割目标的面积、周长、质心坐标。利用这些信息,可以选择跟踪一个或多个目标。仿真结果证明了该方法实用可行。     

一种改进的Otsu阈值分割算法

当目标与背景的类内方差差别较大时,Otsu法分割阈值偏向于方差较大的一类,从而使分割的效果不佳.针对这一问题,提出了一种改进Otsu阈值分割方法.利用目标在图像中所占比例,综合类内方差与类间方差,修正最佳阈值选择公式,并缩小算法遍历灰度范围来提高算法运算速率,最后通过区域一致性对算法的分割效果进行评价.实验结果表明,改进的Otsu法分割效果较好,并提高了算法执行效率.     

基于SLIC与分水岭算法的彩色图像分割

为了克服传统分水岭算法引起的过分割问题,提出了一种基于简单线性迭代聚类(SLIC)与分水岭算法相结合的彩色图像分割算法,以获得更理想的分割效果。该算法首先利用图像复杂度计算预分割的超像素个数,并利用SLIC对原始图像进行超像素分割预处理,以减少后续处理中的冗余信息;然后,提出了一种自适应计算阈值的方法对预处理图像的梯度图像进行阈值处理,以有效去除噪声,获得较完整的轮廓信息;最后,利用分水岭分割算法对进行极小值标记提取后的图像进行分割。通过对大量图片进行实验表明,本文算法可以有效地抑制传统分水岭算法所产生的过分割问题,在LCE和GCE的对比上优于传统算法,分割质量有所提高。     

用于彩色图像分割的改进遗传FCM算法

本文提出了一种适用于彩色图像分割的遗传模糊C均值聚类(GAFCM)算法.该算法使用Ohta等人提出的彩色特征集中的第一个分量作为图像像素的一维特征向量,并利用由像素空间到特征空间的映射来改进目标函数,从而大大降低了运算量;使用对特征空间结构没有特殊要求的特征距离代替欧氏距离,从而克服了特征空间结构对聚类结果的影响;使用引入FCM优化的遗传算法来搜索最优解,从而提高了搜索速度.实验表明,该算法不但能很好地分割彩色图像,而且具有运算量小、收敛速度快的优点.     

Satellite image segmentation using hybrid variable genetic algorithm

Image segmentation is an important task in image processing and analysis. Many segmentation methods have been used to segment satellite images. The success of each method depends on the characteristics of the acquired image such as resolution limitations and on the percentage of imperfections in the process of image acquisition due to noise. Many of these methods require a priori knowledge which is difficult to obtain. Some of them are parametric statistical methods that use many parameters which are dependent on image property. In this article, a new unsupervised nonparametric method is developed to segment satellite images into homogeneous regions without any a priori knowledge. The new method is called hybrid variable genetic algorithm (HVGA). The variability is found in the variable number of cluster centers and in the changeable mutation rate. In addition, this new method uses different heuristic processes to increase the efficiency of genetic algorithm in avoiding local optimal solutions. Experiments performed on two different satellite images (Landsat and Spot) proved the high accuracy and efficiency of HVGA compared with another two unsupervised and nonparametric segmentation methods genetic algorithm (GA) and self‐organizing map (SOM). The verification of the results included stability and accuracy measurements using an evaluation method implemented from the functional model (FM) and field surveys. © 2009 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 19, 199–207, 2009     

灰度值频数和遍历八方向的指纹图像分割算法

提出基于灰度值频数和遍历八方向的指纹图像分割算法。对于脊谷线灰度值相差较大的,利用灰度直方图上出现频数较多的两个灰度级的差值大小,判断是否为指纹前景区;脊谷线灰度值相差不大的,利用纹线的方向性,通过八个方向的模板计算在各个方向上灰度差值的大小,确定是否为指纹前景区。该方法的阈值可以根据图像自然决定,避免了人为选择阈值的困难和不准确性。对脊谷线灰度值相差较大、不大、较小的指纹图均能容易而准确地分割,只求出指纹的边界而不改变指纹图。实验表明,与常见的分割方法—方向图、方差法相比,该方法的平均误分概率大大减小,比方差法降低5.7875%,比方向图法降低5.6625%,且对指纹图像脊谷线的对比度和方向性要求不高,鲁棒性更强。     

A novel level set method for image segmentation by combining local and global information

A novel level set method integrating local and global statistical information is proposed in this paper. In our method, a new signed pressure force (SPF) function is constructed by two parts. One is the global average intensity of the image, which can accelerate the evolution of the curve when the contour far away from the object boundaries. The other is the intensity average of difference image between the averaging convolution image and the original image, which can guide the evolving curve to catch the boundaries of the objects. In addition, an adaptive weighting function is utilized to adjust the ratio between the global and local terms, which can eliminate the inconvenient selection of weighting parameter. By substituting the new SPF function for the edge stopping function of the geodesic active contour model, we obtain a novel adaptive hybrid segmentation model, which is capable of segmenting the images with intensity inhomogeneity. What is more, in our method, the level set function is initialized with a binary function, which reduces the computational cost for the re-initialization step. The experimental results and comparisons with several popular models on synthetic and real images indicate that our method achieves superior performance in segmenting images with noise, low contrast and intensity inhomogeneity.     

WISECODE: wise image segmentation based on community detection

Image segmentation is one of the fundamental problems in image processing and computer vision, since it is the first step in many image analysis systems. This paper presents a new perspective to image segmentation, namely, segmenting input images by applying efficient community detection algorithms common in social and complex networks. First, a common segmentation algorithm is used to fragment the image into small initial regions. A weighted network is then constructed. Each initial region is mapped to a vertex, and all these vertices are connected to each other. The similarity between two regions is calculated from colour information. This similarity is then used to assign weights to the edges. Afterwards, a community detection algorithm is applied, and communities are extracted such that the highest modularity measure is achieved. Finally, a post-processing algorithm merges very small regions with the greater ones, further enhancing the final result. One of the most striking features of the proposed method, is the ability to segment the input image without the need to specify a predefined number of segments manually. This remarkable feature results from the optimal modularity value, which is utilised by this method. It is also able to segment the input image into a user defined number of segments. Extensive experiments have been performed, and the results show that the proposed scheme can reliably segment the input colour image into good subjective criteria.     

一种改进的势函数聚类多阈值图像分割算法

针对基于势函数聚类的多阈值图像分割算法的不足,定义了伪势的概念,并在原算法基础上提出了一种改进的图像分割算法。由伪势概念确定了伪势合并的判别方法,按照此方法,当相邻的两个峰之间的距离小于所定义的自适应模糊伪势因子时,则应该进行伪势合并。改进后的算法在计算剩余势函数时判断是否存在伪势,然后在势划分函数组的确定过程中相应地进行伪势合并计算。利用多幅图像进行了多阈值分割的仿真试验,结果表明,改进的基于势函数的多阈值图像分割算法具有更好的鲁棒性和分割效果。