基于局部复杂度的图像过渡区提取与分割

传统的图像过渡区提取算法基于梯度算子，算法对噪声敏感且受剪切值Llow与Lbigh的限制．通过对过渡区像素属性的深入分析，提出基于局部复杂度的过渡区直接提取算法．局部复杂度的滤波作用提高了算法的抗噪性，直接提取则使算法摆脱了对Llow与Lbigh的依赖．实验结果表明，局部复杂度方法优于传统的基于梯度算子的过渡区间接提取方法．     

基于局部模糊方差的过渡区提取及图像分割

为取得良好的图像分割效果,利用局部模糊方差区分过渡区与背景区的差异,提出了一种基于局部模糊方差的图像过渡区提取方法并用于图像的分割.首先将利用模糊集构造模糊方差的方法拓展到二维图像的情形,进而利用局部模糊方差构造过渡区.在此基础上通过多阈值的选择方法在过渡区上确定阈值,最后将其用于图像分割.实验结果表明所提方法具有较强的鲁棒性,并能取得良好的分割效果.     

复杂场景中的红外目标图象分割算法

针对复杂场景中的红外目标图象，本文提出了一种基于自适应阈值面的目标图象快速分割算法，文中详细地介绍了算法的设计思想及其实验方法，并给出了实验结果，其实验结果与理论相符。     

基于邻域非一致性图像过渡区提取与分割

通过对图像过渡区像素属性的深入分析,提出基于邻域非一致性的过渡区直接提取算法.邻域非一致性的滤波作用提高了算法的抗噪性.摆脱了对受剪切值Llow与Lhigh的依赖.实验结果表明,本文算法优于传统的基于梯度算子的过渡区间接提取方法和基于局部复杂度的直接提取方法.     

复杂场景中的红外目标图象分割算法

针对复杂场景中的红外目标图象，本文提出了一种基于自适应阈值面的目标图象快速分割算法。文中详细地介绍了算法的设计思想及其实验方法，并给出了实验结果，其实验结果与理论相符。     

基于LDC的图像过渡区提取与分割

提出一种基于局部清晰度-复杂度的图像过渡区提取算法,通过计算图像局部清晰度获得清晰度图像,增加了过渡区灰度层次信息,再计算清晰度图像的局部复杂度,并根据复杂度曲线确定过渡区提取门限对过渡区进行提取,根据提取的过渡区灰度直方图,获得图像的分割阈值并对图像进行分割。实验结果表明,本文方法比传统的基于局部复杂度法提取的过渡区更加准确,图像分割效果更好。     

一种图象纹理特征提取与分割的新方法

本文介绍了一种用于提取图象纹理特征的新的二维最佳数字滤波器（ＯＤＦ），该滤波器是基于有限长球序列（ＦＰＳＳ）和离散付里叶变换（ＤＦＴ）设计的，它具有能量损失最小的最佳频率响应特性。用若干具有不同中心频率和带宽的这种滤波器覆盖频率平面，可以抽取图象的纹理转征，进而利用一个非参数分类器，可对纹理图象实行有效的分类和分割。文中给出了一个人工纹理图象和一个自然纹理图象分割的实例。     

复杂背景的红外图像过渡区提取与分割

摘要：在基于个数判断噪声的中值滤波器进行平滑处理的基础上,提出了一种改进的过渡区提取方法,并将该方法应用于对比度低、宽谷直方图的复杂背景红外图像的分割。Matlab仿真实验表明,该方法减少了图像分割的运算量,并能将具有复杂背景的红外图像目标分割得较好。     

一种基于熵的图象分割方法

本文介绍了一种基于熵的原理，对图象进行分割的方法，并将其用于彩色印刷图象中黄、品、青三色网点图象在不同面积率下进行分割实验，证明该方法行之有效。     

借助形态学实现图像过渡区提取与分割

红外图像边缘模糊、噪声点多,而传统的过渡区提取算法需计算梯度因而对非规则细节和噪声敏感,尤其当对比度较低时极易导致提取的过渡区发生偏离,影响分割阈值的判定和分割结果的准确性。因此提出了一种基于形态学的过渡区提取与分割算法。结合形态学理论,首先设计级联滤波器进行平滑处理,再利用tophat变换调节目标与背景的对比度以突出目标,最后采用EAG方法进行过渡区提取与分割。Matlab仿真实验表明,该方法能够分割出目标主体,且目标形状保持良好。     

基于区域特征合并的分水岭图像分割

传统分水岭变换图像分割方法容易造成过度分割,不利于后期的图像分析与处理。采用一种分水岭变换结合区域特征合并的方法,首先将原始图像进行形态学变换,获取梯度图像;再进行分水岭变换,并将运算后的结果进行基于区域纹理、灰度一致性及区域平滑性等特征的区域合并;最终获取分割结果。实验结果表明,与传统分水岭变换方法相比,该方法能够有效降低因噪声、明暗纹理产生的过分割现象,方法可行、有效。     

基于图像模糊熵邻域非一致性的过渡区提取与分割

 本文提出了一种基于图像模糊熵邻域非一致性的过渡区直接提取和分割算法.通过求出图像中介于目标和背景之间的过渡区,根据过渡区直方图获得一个最佳分割阈值.构造了描述模糊划分的隶属函数,模糊熵及其邻域非一致性测度.本文算法摆脱了传统图像过渡区提取算法对噪声比较敏感且受剪切值L_low与L_high的限制.理论分析和实验结果表明,本文算法具有速度快,抗噪声性能好和稳健性强等特点,优于现有其它基于过渡区提取和分割算法.     

基于小概率策略的Otsu图像分割方法

Otsu自适应阈值法是一种经典的图像阈值分割方法,在其基础上发展起来的2维Otsu法及其改进算法由于存在计算(或空间)复杂度较高、抗噪能力差、难以扩展到多阈值等不足而制约了其应用。该文针对2维Otsu法的不足,将噪声点的出现视为小概率事件,用噪声点的邻域均值代替其灰度值,将噪声点转换为目标(或背景)像素,减少了图像中的噪声点数量;继而直接采用1维Otsu法进行分割,以较小的代价获得良好的分割效果。算法分析及测试实验表明：与现有2维Otsu法相比,该算法在复杂度、抗噪性、多阈值扩展性等方面都有明显改善。     

一种用于图像编码的区域分割新方法

为了适应图像分割编码的需要,提高编码性能和效率,本文研究了一种图像区域分割新方法.源于人眼成像原理和视神经网络的知觉分割特性,首先提出一种具有脉冲耦合和梯度锐化能力的神经元网络模型.然后通过构造一个拟合函数对相邻神经元的相似刺激输入进行平滑处理,而对具有不连续变化特性的刺激输入进行锐化,使得神经元比较容易地感知到均匀亮度区域和目标边缘的准确位置.最后通过实验验证了该算法的有效性.本文算法能够准确、有效地的分割出均匀区域,并且与原始图像具有很好的对应关系.在将本文算法应用到图像区域分割编码中,能够大大提高编码的效率,并得到高质量的重建图像.     

改进的二维Otsu图像分割方法及其快速实现

通过实验和理论验证2维直方图的副对角区域的概率和不一定很小而不能忽略,因而传统2维Otsu法中关于主对角区域的概率和近似为1的假设不够合理。针对该问题,该文提出了一种改进的2维Otsu法及其快速实现。新方法舍弃了不合理的假设,通过单独计算2维直方图主对角区域概率的方法,来准确估计主对角区域中目标和背景的概率,并重新计算2维Otsu。实验结果表明,改进的2维Otsu法能够获得明显优于传统2维Otsu法的分割效果,其快速算法的计算复杂度与传统2维Otsu法的快速算法相当。     

基于感兴趣区域轮廓的图像分割方法

针对耗时和区域边界不精确的图像分割问题,对边缘检测方法和区域生长方法进行研究、改进,提出以边缘检测和区域生长相结合的感兴趣区域轮廓的图像分割方法,该方法能够更加精确地对图像进行分割。实验结果表明,该方法对复杂环境下感兴趣区域的图像分割具有良好的效果。     

结合区域生长和SUSAN的图像分割方法

针对区域生长算法对噪声敏感问题,提出了一种结合区域生长算法和SUSAN算子进行图像分割的方法。在基于区域平均灰度差的图像分割算法的基础上,运用SUSAN算子作为区域生长的终止准则。试验表明,该方法对噪声不敏感,且提高了分割准确度,能对目标进行有效的分割。     

生物力学模型约束下的图像分割算法研究

引入基于生物力学约束的弹性可变形体模型,提出区别于传统Snake方法的内外能量构造方法,其中内能量取决于该弹性可变形体材料的物理特性,外能量是由图像等外部数据驱动,通过能量最小化过程达到平衡位置,即所要的分割结果。为了说明该算法的精确性和稳定性,分别在人工合成图上添加不同数量的噪声,并进行边界弱化。实验表明,该算法具有良好的分割效果。心脏核磁共振（MRI）图像分割的实验表明,该模型能有效地同时搜索到左心室的内外膜,解决了心外膜不易分割的难题。