基于图像引力和Mumford2Shah模型的曲线演化算法

提出了一种图像引力和Mumford2Shah (M - S)模型的快速曲线演化算法,该算法分两 步实现:首先利用图像引力,对参数主动轮廓线模型中的控制点进行寻优,使控制点能快速地收敛到图像的边缘附近;然后利用插值算法,得到目标较粗糙的大致轮廓,再使用M - S模型和窄带方法得到准确的轮廓。该算法避免了参数主动轮廓线模型不能收敛到物体凹陷的边缘和对初始位置敏感等问题,也避免了M - S模型需要对所有图像数据进行计算,计算量大等问题,实现了对参数和几何主动轮廓线模型进行了有效结合。     

一种新的曲线演化混合模型图像分割算法

本文在Mumford-Shah模型的基础上，将传统几何曲线演化的驱动力（图像梯度局部信息）、Mumford-Shah模型的全局信息以及水平集的符号距离函数统一在一个变分框架之下，完成曲线演化过程的数值计算。本混合模型无需重新计算演化曲线的初始位置，可选择较大时间步长。实验结果表明，新的混合模型既保留了原有曲线演化模型的优势，又能高效稳健、快速地完成曲线演化过程。     

基于Mumford-Shah模型的参数估计和两阶段图像分割方法

Mumford-Shah两相分片常数模型是一个有效的图像分割模型,但当模型用于带有噪声的图像时,其水平集解法存在对初始解和长度参数敏感这两个问题.文中给出一种两阶段分割方法,首先利用传统的简单分割方法获得一个粗分割,再将其作为变分模型的初始解,从而实现自动选取初始解.文中还给出一个有效的自适应长度参数估计模型,该模型依据图像中噪声方差大小来确定参数.两阶段分割方法和自适应参数估计结合起来使得算法大大减弱了对参量的敏感性,而且可以正确、快速地分割.针对一些计算机生成图像和实际图像的实验结果验证了算法是有效的.     

基于增强型EM模型重叠区域图像分割算法

针对图像大规模重叠区域的有效分割一直是一个难题,传统的Log算子、Sobel算子、Canny算子以及梯度算子等算法解决大规模像素重叠问题时,模型会陷入不收敛的境地,导致分割效果较差,为了解决这样问题,提出一种增强型EM模型解决重叠区域图像分割的问题,利用curvelet变换在curvelet域内提取图像的边缘特征,并定位特征curvelet系数.通过增强特征curvelet系数,增强边沿特征对比性,分割多尺度多结构元素形态学检测的边缘图像,消除重叠带来的干扰.仿真实验结果表明:分割的边缘更为完整准确,取得了令人满意的效果.     

基于区域信息的Snake模型医学图像分割

本文针对Snake模型应用于图像边缘检测时对于噪音过于敏感的不足和易于从弱边界溢出．提出了一种新的约束力。在新的约束力的作用下，Snake模型可以很好地减小噪音的干扰，防止曲线溢出弱边界，并使初始曲线具有更大的选择空间，使模型的分割性能更好。实验证明该模型可以分割出较好的目标边界。     

基于Mumford-Shah正则项与L1数据拟合的PET图像重建方法

在正电子发射断层重建(PET)算法中,正则项常被用来抑制噪声。本文将Mumford-Shah(MS)正则项与最新的L1数据保真项相结合,构造出一种新的变分结构用以进行PET图像重建。为了简化计算,本文采用了Ambrosio和Tortorelli提出的Г-收敛逼近方法,将MS函式对边界积分转化为一类合适的辅助光滑函数的区域积分。在仿真测试中,将算法与传统滤波反投影(FBP)算法,最大似然法(EM),最小交叉熵法(MXE)作比较。通过实验结果的研究,对算法的效率和可行性进行了分析。     

一种基于HMRF模型的无监督图像分割算法

研究了基于隐马尔可夫随机场(HMRF)模型的无监督图像分割问题.对于每一阶模型的图像分割,该算法充分利用了相邻模型之间的相关信息,由此,该算法克服了均值场算法对初始化条件要求非常苛刻的缺点.而且,针对无监督图像分割的模型选择问题提出了带惩罚项的误差平方和阶次判定准则.实验结果证实本文提出的阶次判定准则优于伪似然信息准则(PLIC),并且,该算法具有满意的分割结果.     

一种融合曲线演化与模糊C均值聚类算法的快速图像分割模型

针对模糊C均值聚类算法(FCM)分割图像时对噪声敏感和分割边界不封闭问题,该文基于FCM的隶属度矩阵定义伪水平集及演化曲线,提出一个融合曲线演化和FCM的快速图像分割模型。在伪水平集上,通过采用高斯滤波近似曲线演化过程中的弧长正则项,得到封闭光滑的分割边界;通过设计新的边缘停止函数,依据灰度值与隶属度映射关系对噪声点灰度值进行修正,降低了滤波对聚类的影响。聚类和曲线平滑交替进行,提高了模型对图像噪声的鲁棒性。实验结果表明该模型能够较好地克服图像噪声对分割的影响,得到较为理想的分割结果。     

基于Mumford-Shah模型的水上桥梁目标分割与识别

在桥梁知识的基础上,从河流和陆地的区域特性出发,提出了一种基于Mumford-Shah（MS）模型的水上桥梁分割算法.首先对Mumford-Shah模型中的区域权重进行相关性定义,实现对水域的分割,然后根据桥梁与河流区域边界的几何位置关系实现对桥梁目标的提取和识别.实验表明,该算法能够实现对水上桥梁目标的提取,尤其对远距离小目标水上桥梁及灰度梯度较弱图像的桥梁分割更有效.     

基于改进差分演化的高效图像分割算法

差分演化算法的实现简单有效,但其搜索能力较弱,对此提出一种基于贝塔分布的控制参数动态设置策略以提高差分演化的优化效果,并将其应用于图像分割问题。首先,将图像的直方图按强度分为两类,并按类内方差、类间方差与总方差总结为待优化的目标函数;然后,使用改进的差分演化算法搜索图像分割目标函数的最优解,其中在每轮迭代中使用贝塔分布动态的设置控制参数。仿真实验表明,该方法获得了较好的优化结果,并获得了较好的图像分割效果。     

基于曲线进化的目标检测算法

提出了基于曲线进化的运动目标检测算法。对于运动目标检测问题定义了新颖的能量模型,并给出了相应的曲线进化方程。结合水平集算法,所提出的曲线进化模型能够自动的适应拓扑变化,检测出多个运动目标区域及轮廓。从计算物理学领域引入基于偏微分方程的水平集窄带算法,在构造窄带时无需显示的知道曲线的位置,并能够快速的实现。     

彩色图像边缘检测改进算法

介绍了梯度的概念和度量方法,分析了常用梯度算法,对其中的Sobel算子进行改进,从灰度算法改进到RGB三维空间,提出了一种针对彩色图像的边缘检测算法.本算法在Delphi平台上实现,与同类算法做了多次实验对比.实验证明,该算法能有效增强彩色图像的边缘,耗时较少,经过封装后可以直接用于二值图像、灰度图像和彩色图像,具有一定的通用性和实用价值.     

基于暗原色先验模型的Retinex算法

 现有雾天图像增强的Retinex算法采用固定滤波器,无法适应多种景深和雾化程度的情况.对此,本文提出一种基于暗原色先验模型的Retinex算法.暗原色先验模型反映了雾天图像中雾的分布与景深信息.受此启发,根据局部区域暗原色值设计一种尺度可变滤波器,针对不同景深和雾化区域采用不同尺度的滤波器估算雾天图像的照度分量,实现对雾天图像的增强.分别使用主观观察和客观数据分析方法,将本文算法与HE算法、固定尺度MSR算法进行对比,本文算法在细节增强以及图像整体效果上均优于HE算法和固定尺度MSR算法.     

二阶Hopfield型神经网络的稳定性 分析及收敛速度的估计

本文讨论二阶连续Hopfield型神经网络平衡点的全局稳定性问题,利用LMI方法和Lyapunov方法得到了网络平衡点全局渐近稳定和全局指数稳定的几个充分条件,并对其指数收敛速度进行了估计.     

基于SIFT的边缘局部仿射的图像拼接算法

本文针对累计误差形成的多幅图像拼接产生畸变的问题,提出了一种基于边缘局部仿射的拼接算法,在拼接过程中逐步衰减仿射变换,使得图像在拼接过程中逐渐降低过仿射带来的畸变.同时为从视觉上分析图像拼接过程特征点的变化情况,本文还提出了一种基于特征点的骨架图算法,通过拼接后骨架图的图像来分析各种拼接算法.可以广泛应用于拼接算法的测试过程.     

基于遗传算法的图像分割的研究

遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。     

一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.     

基于小波变换的图像置乱加密算法研究

在传统算法的基础上,结合小波理论和混沌理论及置乱方法,研究实现了一种基于小波变换的图像置乱加密算法,首先对图像进行二维离散小波变换,再进行混沌加密。实验结果证明该算法加密效果良好,加密后图像的直方图分布均匀且峰值信噪比较高。