基于先验形状的CV模型肝脏CT图像分割

针对目标被部分遮挡或部分信息丢失情况下CV模型不能正确识别的问题,提出一种新的分割算法。首先,利用数学形态学对原肝脏图像进行滤波,并结合其他算法建立肝脏先验形状;然后,采用边缘查找和区域标定等算法,对肝脏先验性状的边缘以及边缘内外区域进行赋值,构建执行效率高的符号函数距离函数,将其通过形状比较函数嵌入到CV模型的能量泛函中,形成新的基于先验形状的CV模型,并将此模型用于分割存在干扰或者被部分遮挡的肝脏CT图像。与CV模型分割结果相比,本文算法能在目标周围存在干扰信息或者被部分遮挡的情形下,成功地正确识别出目标区域。     

基于改进先验形状CV模型的目标分割

由于空间目标姿态变化较大,且其灰度与地球背景差异较小,传统CV（Chan and Vese）模型难以获得理想的分割结果。针对目标被部分遮挡或部分信息丢失情况下CV模型不能正确识别问题,Chan和Zhu在CV模型基础上引入先验能量项,构建的先验形状模型只具有旋转、缩放和平移不变性。本文提出了一种先验形状约束的变分水平集改进模型,用于分割星空及复杂地球背景下的空间目标。在保持先验形状模型具有旋转、缩放和平移不变性的基础上,本文改进的变分水平集模型增加了X、Y方向拉伸以及剪切不变约束能量项,增强了先验形状对目标变化的自适应性。实验结果表明本文方法对复杂背景下姿态变化较大的空间目标,具有更好的分割效果。      

结合形状先验的图割目标分割方法

为了减少图像目标分割过程中噪声、阴影、背景复杂等因素的影响,将形状先验引入图割图像分割框架中,提出一种结合形状先验的图割目标分割方法。该方法给出了形状先验的定义,并将其转化为势函数的形式加入到能量函数中,通过能量最小化过程得到最终分割结果。同时,图像对齐过程能够适应形状模版与待分割目标之间的仿射不同。形状先验能够较好地约束目标边界,相比与传统图割算法,分割结果有了明显改善。实验结果表明,该算法具有有效性。     

基于分割先验图像多能CT重建算法

固定电压CT成像系统动态范围有限,照射复杂工件时产生的投影极易出现欠曝光、过曝光现象,从而导致有效投影的缺失。为解决投影不完备问题研究了基于分割先验图像多能CT重建算法。该方法首先采用ART-TV算法对最低能量的投影进行重建,并对重建结果进行分割,截取与高能重建图像相似部分做为先验图像,以先验图像约束的压缩感知算法对邻近高能投影重建,重建结果再次进行分割后截取先验图像,重复上述步骤直至最高能量完成重建。仿真实验表明:和传统的多能重建方法相比,研究的方法在完整重建复杂结构工件基础上有效地减少伪影,提高图像像素的稳定性,在主观视觉感受和客观评价参数均有一定的进步。     

基于分水岭算法的红外图像分割方法

本文采用分水岭算法对红外图像进行分割,针对其存在的过分割问题以及红外图像的特点,提出了分割区域边界平均灰度及其面积对过分割区域进行合并,以得到有意义的分割结果。本算法利用空中红外目标图像进行了实验,实验表明,本算法适用于红外目标图像,并且效果良好。     

基于图像分割的红外图像撞击时间估计方法

以往的被动测距方法主要集中在可见光领域,利用图像稳定的特征点进行观察,目前利用计算目标尺度变化率进行撞击时间估计,已经发展成为一种较成熟的方法。然而在红外领域,由于红外图像自身的特性其特征点难以提取,原有的特征点跟踪方法无法适用。文中论述了一种红外图像撞击时间估计方法,根据红外图像难以提取特征点而相对易于目标分割的特点,提出了先对国图像进行分割提取目标面积,然后根据图像序列目标面积变化率来进行撞击时间估计,并根据撞击时间系统特征对估计结果进行修正以进一步提高精度。实验结果证明了该方法的有效性。     

基于先验信息遗传算法的图像分割

医学图像分割通常由医生根据器官位置、形状等先验信息从图像中手动圈出疑似的肿瘤区域,以便用于确定治疗计划与诊断。手动分割的方法存在主观差异性与分割的不一致性,可能造成疾病诊断的误判,延误治疗时机。由于器官间对比度较弱,且不存在明确的分割界限,自动医学图像分割应用于疾病诊断还具有很大的挑战。本文在遗传算法的基础上,结合已知形状、区域属性和目标位置等先验信息,提出了一种新颖有效的自动医学图像分割算法。为了验证提出算法的有效性,在盆腔CT图像上应用该算法进行前列腺癌的分割。实验结果分析表明,文中提出的算法可以清楚地区分出目标器官的边界,准确地分割出前列腺区域,对模糊的图像也有较好的检测分割效果,适合用于肿瘤的自动分割。     

成份制导中的红外图像分割算法

采用凝视焦平面阵列(FPA)的红外成像制导技术以其优越的性能在空空导弹中得到了广泛的应用。由于空中飞机目标表面各部位的温度不同，使得红外成像探测装置获得的目标图像的不同部位存在着较大的灰度差异，这给正确分割出目标带来了很大的困难。针对飞机目标红外图像的特点和成像制导技术中图像分割的目的，文中提出了一种有利于目标特征点识别的图像分割算法，它首先对目标红外图像进行阈值分割，然后选取合适的结构元素并利用数学形态学的并行性特点对目标内部的空洞区域进行填充，最后得到比较精确的分割图像，这种分割结果对基于灰度连续性的目标特征点识别算法非常有利。     

红外小目标图像的分割与聚类分析

天空背景下红外小目标图像的分割与聚类是检测和识别目标过程的预处理部分。首先对图像进行对比度增强处理,并通过模板滤波法去除弱噪声,再运用分割算法把目标和强噪声从背景中分离出来,然后根据聚类得到可能的小目标,最后给出整套处理方法的实验结果和分析。     

基于模糊推理的电气设备红外图像分割

使用模糊理论处理电气设备红外图像分割的不确定性,提出了一种基于模糊推理的电气设备红外图像分割算法。首先分别利用电气设备红外图像故障区域的像素灰度、像素点与图像质心的马氏距离以及图像膨胀操作定义了强度特征、全局故障可能性特征和局部灰度特征;然后根据特征的模糊语言值制定了27条模糊规则,设计了一种模糊推理红外图像分割算法;最后,从主观和客观评价指标上将算法与传统Otsu算法和FCM算法进行了对比。实验表明,该算法的分割精度和误分割率比其他两种算法都有一定的改善,同时该算法能够滤除图像中具有高亮度的干扰区域,对具有小亮度差和小面积故障区域的红外图像有较好的分割效果。     

基于图像分割和平台直方图均衡的红外图像增强算法

针对原始红外图像模糊、对比度低的特点,提出了一种基于图像分割的平台直方图均衡算法.首先采取实时阈值提取方法选取阈值,将图像目标灰度与背景灰度分开;然后利用对数、指数结合的非线性变换抑制背景区域,扩展目标区域的动态范围;最后利用改进的双平台直方图均衡算法处理非线性变换后的灰度图像.实验结果表明:该方法有效地增强了原始红外图像,提高图像对比度的同时很好地保留了图像的细节和边缘信息,且避免了过亮现象,视觉效果得到改善.     

基于Tsallis熵的红外偏振热像分割算法

传统红外热像存在对比度低、边缘模糊等不足而使目标区域分割困难,红外偏振热像能够凸显边缘和轮廓特征,因此在环境监测、军事侦察、工业无损检测等领域得到广泛的应用,但如何进行红外偏振热像分割目前研究较少.为此,本文提出了一种基于Tsallis熵的红外偏振热像分割算法.首先通过Tsallis阈值对偏振方位角热像进行初分割,然后以最小化初分割热像交集与并集误差率优化Tsallis指数,再利用指数优化后的Tsallis阈值对偏振方位角热像进行优化分割并通过连通域检测去除误分割得到二次分割图,最后以二次分割图交集区域为种子区域、并集区域为边界,通过区域生长法得到最终分割热像.实验结果显示,本文算法相对最小Tsallis交叉熵法、Otsu法和模糊聚类法错分区域小,在主观视觉效果和区域间对比度、形状测度评价指标上有较大的改善,能够更准确地分割出目标.     

基于Otsu算法和分形维数相结合的红外云图分割

红外云图中的云系主要由积雨云、卷云、层云和积云组成,它们对于气象研究有很大的帮助。这4类云系具有不同的分形维数特征,因而可以借此对它们进行分割。但是由于地表和一些云具有相似的分形维数特征,单纯依靠分形维数的分割效果不理想。对此,采用最大类间方差（Otsu）算法,分离出地表,去除干扰,并对提取出的云系采用分形维数进行分割。由于传统分形维数算法在计算时只选取了窗口内的灰度最大和最小的像素点,获得的分形维数特征不够精确,造成分割的云系出现混淆的现象。对此,在计算的过程中加入窗口中的全部像素点,获得的分形维数能准确地描述区域特征,保证了云系分割的良好效果。     

基于改进人工蜂群算法的多阈值红外图像分割

针对传统的多阈值红外图像分割中多阈值选取存在的效率低、计算重复等问题,提出了一种基于改进人工蜂群算法的多阈值红外图像快速分割算法.首先,在阈值选取时引入人工蜂群算法,实现多阈值的选取.然后,针对原始人工蜂群算法存在的收敛速度慢、容易陷入局部最优的缺点,分别从引领蜂搜索、跟随蜂搜索和侦察蜂搜索3个方面进行了改进,使其更快、更准地收敛于最优解.实验表明,相比于原始人工蜂群算法,改进后的算法在精度相同时速度更快,迭代次数相同时结果更接近最优解.该算法能够在保证精度的前提下高效地对红外图像进行多阈值分割,是一种可行的红外图像分割方法.     

综合灰度形态学与模糊熵的红外图像区域分割

针对目标与背景有交叠的红外图像分割这一难题,首先对原始红外图像进行灰度形态学校正处理,然后利用模糊熵测度方法对校正后的红外图像进行分割,从而提出了一种综合利用灰度形态学与模糊熵的区域分割方法.与传统的阈值分割方法进行对比实验,结果表明,运用该方法得到的分割图像质量更好.     

基于红外图像帧关联的自动阈值分割方法

针对目前单帧图像阈值分割中分割易受突变影响、目 标背景分割不明显以及分割效果较差等问题,提出了一种基于红外图像帧关 联的自动阈值分割方法。该方法利用自动阈值分割法简单分割单帧图像,然 后根据图像帧关联信息对图像进行分组处理,再对每帧图像进行权重分配,最 终确定每帧图像的分割阈值,以提高分割的抗干扰性,改善分割效果。通过理 论分析和实验仿真验证了该算法的有效性和可行性,并将其与其他算法进行了 对比实验。实验结果表明,本文提出的分割算法的抗干扰性较强,能够将目标 图像从背景中清晰地分割出来,具有更好的分割效果和更强的应用性。     

低信噪比红外小目标图像的分割方法

针对复杂背景条件下的红外图像分割问题,将遗传算法与人类视觉感知原理相结合, 探讨了一种新的多阈值图像分割方法即基于遗传算法的图像阈值分割方法,该算法引入了一个自动判别且时空可变的目标背景条件和调整最佳分割区域的步骤,提高了分割算法的质量及鲁棒性,克服了传统阈值方法在图像分割中的局限性。通过计算机仿真实验,验证了该方法的有效性。     

基于细胞免疫的红外图像分割算法及FPGA实现

在工业生产中,高温蒸汽管道通常被用于输送高温蒸汽、高温工业废水等,但为了安全,管道通常被放置在环境比较复杂的地方,不利于工人对管道的检测与维护。快速地定位复杂背景下蒸汽管道的位置并对周围环境进行区分,已经成了一个亟待解决的问题。由于最大类间方差（Otsu）算法不能满足上述要求,基于细胞免疫机制提出了一种改进的Otsu算法,该算法通过红外图像中管道以及复杂背景的特征,能够计算出两个不同的阈值并将其分别用于图像中管道的提取与复杂背景的区分。借助QuartusⅡ软件搭建了基于FPGA的软硬件系统平台,实现了数据通信传输,并对改进的Otsu算法进行验证。实验结果表明,该算法应用在红外管道图像中能取得较好的效果。与几种边缘检测算子和经典Otsu算法相比,无论是在管道的分割,还是复杂背景的区分,本文算法都具有较高的真阳率(True Positive Rate, TPR)和较低的假阳率(False Positive Rate, FPR)。     

一种基于区域竞争法的红外图像分割水平集模型

为有效分割红外图像中边界模糊、对比度低的感兴趣目标,提出了一种基于变分的红外图像分割模型。针对测地线活动轮廓模型(Geodesic Active Contour, GAC)对噪声敏感的问题,假设图像中的目标和背景服从Gaussian分布,再根据像素属于红外目标的概率构造区域能量项,以提高模型的鲁棒性。在模型中引入有符号距离约束,以避免曲线在演化过程中重新初始化,提高模型执行的效率。实验结果表明,本文方法能够有效地分割红外图像中的感兴趣目标。     

一种用于红外图像分割的改进型Otsu方法

概述了红外图像处理系统对图像预处理的要求,并针对传统图像分割算法中容易出现的目标错分问题,提出了一种基于灰度梯度映射函数的Otsu法。该方法克服了传统的基于灰度直方图的Otsu法不能利用图像局部信息和边界信息的缺点,通过将像素点的梯度信息与灰度信息相结合,较好地从背景中分离出了目标。仿真结果表明,该算法达到了预期的技术指标,很好地实现了红外图像预处理的功能。