基于SVM的花岗岩薄片图像石英分割方法研究

花岗岩薄片不同矿物成分在图像中可能存在相同灰度分布甚至相似纹理。通过结合正交偏光镜镜下图片干涉色信息和单偏光镜图片信息分析,提高了花岗岩薄片石英分割的准确率。方法是从单偏光镜和正交偏光镜下图片中提取图像块的特征信息,运用支持向量机分类方法对图像块进行分类,在分类为石英的图像块中选取种子,再根据两张图片信息,用区域生长方法完成石英分割。该方法实现了自动化分割,分割准确率高,实验证明该方法切实可行。     

激光标记自动跟踪视频引伸计的标记识别算法研究

针对视频引伸计易受光照变化干扰的问题,提出一种基于图像亮度调整和去雾增强相结合的图像预处理算法,获得了激光标记和试样标记的清晰图像;分别利用 Cr色度阈值分割算法和基于感兴趣区域的亮度梯度阈值分割算法提取激光标记和试样标记。在光照变化和有无试验机夹头干扰的情况下分别进行了实验,验证了算法的稳定性和准确性。     

激光标记自动跟踪视频引伸计的标记识别算法研究

针对视频引伸计易受光照变化干扰的问题,提出一种基于图像亮度调整和去雾增强相结合的图像预处理算法,获得了激光标记和试样标记的清晰图像;分别利用Cr色度阈值分割算法和基于感兴趣区域的亮度梯度阈值分割算法提取激光标记和试样标记。在光照变化和有无试验机夹头干扰的情况下分别进行了实验,验证了算法的稳定性和准确性。     

基于联合双边滤波的单幅图像去雾算法

针对在烟、雾、霾等恶劣的户外条件下,由于大气粒子的散射作用导致捕获的景物图像严重退化的问题.本文提出一种新的单幅图像去雾算法,该算法从大气散射模型出发,首先对降质图像进行白平衡,从而简化了大气散射模型;然后利用非线性空间滤波方法估计粗糙的大气幕亮度,用联合双边滤波方法进一步细化大气幕亮度;最后采用色度调和得到恢复图像.该算法的时间复杂度是图像像素的线性函数,运算速度较快.试验结果表明,该算法有效地恢复了场景的对比度和颜色,从而明显地提高了图像的视见度.     

基于超像素与半监督的岩石图像分割与识别

岩石薄片图像的分析往往依赖于专业人员在显微镜下观察并给出鉴定结果,不但费时费力,并且受设备限制影响较大。近些年,针对于薄片图像的自动识别方法已经被提出,然而这些方法大多采用监督学习与深度学习相结合的方式,进而受限于大量人工标注,为方法的推广与应用带来了巨大困难。此外模型在不同的地层、岩性等目标应用时,其泛化性也因此受到极大限制。本文针对该问题提出了一种超像素算法SLIC与半监督自训练结合的方法,仅依靠6%的人工标注便能够实现岩石图像的自动化分割与组分识别,极大的增强该方法在实际应用中的价值。该方法首先使用超像素算法SLIC对岩石图像进行预分割,随后基于分割片的颜色特征进行粗合并,并根据最小外接矩形进行切割;切割下来的岩石组分分割图像作为后续处理的基础数据集,这里仅需要人工标注6%的岩石组分数据;随后这些数据通过一个改进的半监督自训练方法,以改进的VGG16模型作为主模型、ResNet18模型作为评判模型,不断生成高置信度的伪标签,利用迭代优化调整,将其扩展到整个数据集,最终获得一个具有较高的稳定性、准确性以及一致性的组分识别模型。通过实际数据的测试与分析,本文所提出SLIC和半监督自训练结合的方法,对6类岩石组分的识别准确率可达到96%。该方法能够在数据差异不大的条件下,帮助用户基本实现自动化的组分识别。而当数据集产生较大差异时,仅需标注少量部分样品即可实现自动的组分识别。通过理论验证与实际数据测试,本方法具有较高的泛化性和可靠性,能够在实际应用提供足够的准确性与便利性。     

基于过分割的多目标阈值图像分割算法

提出一种基于过分割的多目标阈值图像分割算法。使用分水岭算法获得待分割图像的过分割区域和分割边界,将类间方差函数和熵函数作为优化目标函数,采用多目标阈值算法对区域的代表点及分割边界上的像素进行划分,再将区域代表点的划分结果扩展到各区域中,以获得整幅图像的分割结果。在多幅Berkeley图像上进行分割测试,并以分割准确率作为算法性能的评价指标,结果显示,新方法在大多数情况下能够获得高于最大类间方差法和最大熵法的分割准确率,此外,由于图像区域信息的使用,使得图像目标能够较为完整地从背景中分离出来。     

全局阈值与局部阈值相结合的视网膜血管分割方法

针对视网膜血管图像使用单一阈值方法无法有效提取整体血管网络的问题,提出了一种全局阈值与局部阈值相结合的视网膜血管分割方法.该方法采用匹配滤波方法来增强图像,然后在增强图像上分别使用全局阈值二维最大熵与局部阈值移动平均算法对图像进行分割以获取视网膜的主血管与细小血管部分,最后通过区域连通性的判断,将视网膜的主血管与细小血管进行结合,分割出最终的血管网络.在Drive公共数据库上进行实验,结果表明,该方法分割得到的血管准确率达到93.56%,真阳性率值达到80.46%,均高于Perez算法,并且在细小部分更为丰富,能够得到较好的血管分割结果.     

基于ＢＦ－ＷＳ的肝脏ＣＴ图像自动分割

由于血液的流动以及肝脏收缩与舒张,在腹部ＣＴ图像中存在一定量的噪声,会产生局部梯 度极大值区域、弱边界、伪影等不良现象,加之腹部内器官分布紧密且灰度值接近,使得肝脏分割尤 为困难．为此,首先采用改进的双边滤波算法,自适应的对腹部ＣＴ图像进行平滑滤波处理;其次, 将自适应双边滤波算法和标记控制的分水岭算法有机融合起来,采用基于中值的多阈值最大类间 方差算法提取肝脏标记,并运用分水岭分割算法进行精确分割;最后,分析对比不同的肝脏分割方 法,表明该方法能够更有效地去除噪声,保留目标边界,提高肝脏分割的准确率．     

集成多特征的GMM视频分割方法

视频分割是当前研究的热点问题．已有视频分割方法,只是考虑帧图像某点颜色特征,而没有考虑物体相邻像素相关性问题．提出了在基于GMM背景建模的基础上,同时引入像素点的邻域特征和像素点的色度和亮度特征对视频进行分割的方法．像素点的邻域特征能很好的解决因背景的微小变化而使分割效果较差的问题,色度和亮度特征很好的解决光照变化和阴影带来的问题．该方法先建立每个像素点的混合高斯模型,训练确定模型的相关参数,再结合像素点的领域特征,色度和亮度特征对视频进行分割．试验结果表明,该方法与其他方法相比在一定程度上改善了视频分割效果．     

基于高斯分解的多尺度3D Otsu阈值分割算法

针对阈值图像分割算法对噪音敏感的问题,提出了一种新的基于分解的Otsu阈值分割算法。整个分割算法为一个迭代过程,在每次迭代中,该图像首先用3D Otsu算法进行分割,然后利用高斯核函数对原图像进行滤波,得到一个平滑的图像,然后被输入到下一个迭代中。最后,合并每次迭代过程中产生的分割结果,获得最终的分割结果。该算法的优点在于分割结果稳定,且具有较强的抗噪性。本文在MR大脑图像上进行实验,结果表明,该算法优于其他同类阈值分割算法。     

多特征融合的相关滤波红外单目标跟踪算法

针对红外单目标跟踪问题,提出一种多特征的相关滤波目标跟踪算法。该算法融合了图像的卷积特征和差分特征,使用卷积特征和差分特征分别训练相关滤波模型。在跟踪阶段,对两种特征的相关滤波模型得到的响应图动态融合,利用动态融合的响应图来确定目标的最终位置,使用得到的目标位置分别更新相关滤波模型。在林雪平热红外数据集上进行了实验验证,与一些经典的跟踪算法进行了对比,表明该算法拥有更高的跟踪准确率。     

基于双容差机制的快速暗原色理论雾天图像增强算法

针对经典暗原色理论算法在处理雾天图像时出现的色调和亮度失真问题,提出了一种基于双容差机制的快速暗原色理论雾天图像增强算法.该算法首先通过容差机制分割图像,并根据阈值判断图像的明亮和非明亮区; 然后引入改进的高斯平滑滤波对透射率图像进行平滑处理,以此优化透射率图像; 最后通过引入容差机制对透射率图像进行修正,以此得到更加清晰的图像.将本文方法与经典的暗原色算法进行对比表明,本文方法在亮度、颜色保真度和时间效率上均优于暗原色算法,因此本文方法可为雾天图像的处理提供参考.     

结肠镜图像自动分割技术研究

提出了一种融合颜色、亮度、空间距离和纹理等特征的彩色结肠镜图像分割新算法.纹理特征采用一组Gabor滤波器对原始图像滤波后计算得到的分形维特征.利用基于元素问相似性的随机聚类方法对特征空间进行聚类.通过对图中的切割进行采样,自动获得最佳的类别数目,算法复杂度较低,其随机特性使得它具有抗噪声的鲁棒性.对多幅结肠镜图像进行分割实验,结果证实了该算法的有效性.     

基于多尺度分析及图论归一化割的矿岩颗粒图像分割及应用

为了克服矿岩颗粒图像分割中的欠分割和过分割现象,基于矿岩颗粒图像的特性, 提出了一种结合多尺度分析与图论的矿岩颗粒图象分割算法。该算法首先利用图像多尺度变换缩小图像,以去噪和减少数据量,再利用改进的图论归一化割(Normalized Cut)算法来分割矿岩颗粒图像。对多种类型的矿岩颗粒图像进行了分割实验,并与阈值、分水岭,聚类分析及FCM等常用的分割方法进行了比较。实验结果证明:研究的算法对岩石颗粒图像具有优于其它分割算法的效果;新算法应用到了大型露天矿的爆堆中的岩石块度测量与分析, 效果令人满意。     

基于加权引导滤波的Retinex刑侦图像增强

为提高低照度刑事侦查图像的质量,提出一种基于加权引导滤波的Retinex刑事侦查图像增强算法。首先,提取刑事侦查图像的亮度;其次,利用加权引导滤波估计光照信息,并用对数图像处理模型增强光照信息;再次,在对数域计算反射层图像;最后,恢复图像彩色,获得最终的增强图像。选取不同场景下的低照度刑事侦查图像进行实验,实验结果表明,与单尺度Retinex算法、多尺度Retinex算法、直方图均衡化算法和引导滤波算法相比,采用提出算法增强后图像的信息熵提高了15%～70%,结构相似性提高了1%～10%,平均梯度提高了3%～11%。提出的算法可以提高低照度刑事侦查图像的质量。     

改进的Retinex低照度图像增强算法研究

针对Retinex算法处理低照度图像时会出现细节丢失、边缘模糊等现象,本文采用引导滤波和低秩分解对Retinex算法进行了改进。该算法在采用多尺度Retinex提升图像亮度、得到反射分量后,采用引导滤波和高频提升对图像的反射分量进行细节增强;然后,运用全局低秩分解算法去除稀疏噪声,有效地消除了低照度图像中的噪声,以及高频提升过程中产生的噪声。实验表明:该算法不仅能够有效的提高图像的亮度和对比度,同时也保留了原始图像中丰富的边缘和细节信息,并有效去除了图像噪声,图像的视觉效果与客观评价结果也都取得了较大提升。将该算法应用于低照度环境下的人脸检测,检测率也得到了提高。     

基于金字塔连接算法的彩色图像分割

根据金字塔连接算法的特性，提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关，将彩色图像从RGB空间变换到HSV空间，然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割．通过合并得到最终分割结果．试验表明，这是一种计算高效的自动分割算法，     

隐马尔科夫模糊C均值聚类分割算法改进

对隐马尔科夫模糊C均值算法加以改进,以提高其对加噪图像的分割质量。在初始化之前,先对图像进行中值滤波,以降低均值漂移算法产生的过分割现象,再对原有算法迭代所得隶属度进行均值滤波,以增强图像分割的抗干扰能力。对标准灰度图像添加噪声,验证改进算法的性能。实验结果显示,经过改进,算法的分割结果更稳定,边界更平滑,且对噪声具有较强鲁棒性。     

一种基于自适应大气光和加权引导滤波的夜间图像去雾算法

夜间图像去雾对于夜间场景下无人驾驶、交通安防等有重要的工程应用价值。针对暗通道先验算法在夜间雾天场景下的失效问题,提出一种基于自适应大气光和加权引导滤波的夜间图像去雾算法。该算法首先基于图像亮度和饱和度联合求取信道图,并将信道图作为引导图对原图像进行引导滤波得到大气光分布图,为解决暗通道先验在图像亮区域的失效问题,引入亮通道先验矫正亮区域的透射率,为优化亮、暗通道透射率的融合,建立一种基于分段伽马矫正的融合权值计算方法,用于亮区域透射率的权值计算,并利用该透射权值加权得到图像的初始透射率;然后利用加权聚合引导滤波代替引导滤波细化初始透射率,通过基于相似度为滤波中心像素的邻域像素赋予权值,并在滤波聚合阶段采用加权聚合代替均值聚合,解决引导滤波弱化细小纹理而引起的边缘模糊问题;最后将复原图像转换到HSV空间,对亮度分量V进行均衡化调整,并对均衡化前后的图像进行线性加权获得最终复原结果。实验结果表明,所提算法大气光分布图估值合理,可有效反映夜间多光源场景下的大气光分布情况,图像亮、暗区域透射率计算准确,复原图像去雾彻底、纹理清晰,与经典算法对比显示,复原结果的峰值信噪比、信息熵、平均梯度和方差的最大提升幅度分别为49.4%、18.3%、172.3%、115%,综合指标优于所对比的算法。     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.