基于二维阈值化与FCM相混合的图象快速分割方法

提出了一种将快速二维阈值化与模糊聚类相混合的图象分割方法，以进一步减少快速二维阈值分割中的噪声与错误分割。实验结果表明，利用这种方法分割信噪比较低的图象，能够在很短的时间内得到较为令人满意的分割结果。此外，本文还讨论了这一方法中隶属度函数的选取对分割结果的影响     

基于马尔可夫随机场的快速图象分割

根据卫星遥感图象的特点,讨论了基于马可夫随机场的图象分割方法,建立了相应的基于马可夫随机场的图象分割模型,以实现复杂遥感图象的快速分割,并由此将图象分割问题转化成图象标记问题,进而转化成求解图象的最大后验概率估计的问题。虽然传统的模拟退火算法（SA）能达到后验概率的全局最大,但是时间复杂度太高,实际分割中经常采用次优算法,文中还引进了一种基于博弈理论的决定性退火算法（GSA）和一种基于竞争理论的算法（CA）,取得了快速分割图象的效果。试验证明,该两种算法完全可应用于复杂遥感图象的快速分割。     

用于显微细胞图象的二维自适应阈值分割算法的优化

为了改善细胞图象的分割效果 ,考虑将二维自适应阈值分割算法应用于显微细胞图象的分割 .针对细胞图象的二维直方图特点和分割要求 ,在对传统二维阈值分割算法进行优化和简化的基础上 ,通过改变阈值取值范围、优化阈值搜索方法等措施 ,提出了一种快速实现细胞图象二维自适应阈值分割算法 .仿真结果表明 ,新算法与传统算法相比 ,不仅大大减少了计算复杂性 ,同时还使分割效果得到了一定程度的改善     

基于Gabor多通道滤波和Hopfield神经网络的纹理图象分割

文章针对纹理图象的特点,提出了一种基于Gabor多通道滤波和Hopfield神经网络的纹理图象的分割算法。首先构造一组Gabor滤波器（2－D）提取纹理图象多分辨率和多方向性的空域和频域特征。为了使纹理特征更加明显,在此基础上对滤波图象进行非线性变换,最后利用Hopfield神经网络通过松弛迭代算法实现纹理图象的快速分割,取得了良好的分割效果。     

一个图象分割评价实例及讨论

利用对图象建模来合成测试图，以原始目标特征值为参考并通过判断实际分割图象质量来评价分割算法优劣的方法对六种不同的阈值选以分割方法进行定量评价，另外还地若干图象分割的评价测度进行了实验比较，所得结果对图象分割的研究有一定的指导作用。     

基于自适应定向正交投影分解的图象分割方法

将目标和背景分别对应到灰度直方图中的两个高斯分布是进行图象分割的一种常用方法 ,但复杂图象的直方图往往是多峰的 .为了更好地拟合这种复杂图象直方图的多峰特性 ,提出了一种基于自适应定向正交投影分解的图象分割方法 .该方法首先将这种复杂图象的直方图看作是多个高斯分布的叠加 ,并可通过应用自适应定向正交投影分解法来快速准确地确定每个高斯分布的权值、均值和方差 ,进而计算出各相邻高斯分布之间的最优阈值 ,以用于图象分割 .在此基础上 ,又提出了阈值分离度的概念 ,并将其作为选取最终阈值的指标 .应用实例结果表明 ,该方法能够快速有效地实现复杂图象的多阈值分割 .     

基于马尔可夫随机场的SAR图象目标分割

运动、静止目标获取与识别（MSTAR）计划表明，将合成孔径雷达（SAP）图象分割成目标、阴影和背景杂波区域对于从开放环境中进行目标识别是一种有效的手段。但是由于SAP图象所固有的斑点噪声的影响，传统的分割方法很难获得准确的分割。为此提出了一种基于MRF(Markov random field)模型的SAP图象分割算法。用MRF模型描述待分割图象的先验知识，利用最大似然（ML）估计从训练数据中获得图象各区域的先验概率分布，采用Bayes方法，在观测数据基础上，根据分割图象的后验分布所对应的MRF模型的条件概率，利用Metroplis采样器获得最大后验概率（MAP）准则下的图象分割。通过对MSTAR的样本目标图象应用该算法，结果表明它可以获得稳健和准确的分割效果。     

基于分形维数的图像分割研究

本文在分形图象模型研究基础上，采用离散分形布朗增量随机场。通过撮特性参数－Ｈ值，方差，平均灰度值，然后结合传统的聚类分割技术，实现图象分割。在对自然背景中的人造物体图象和金相图的实验结果表明，分割效果良好，且抗噪性能较强。     

基于相对熵和边缘检测的图象分割算法

利用相对熵选择阈值和检测提出一种图象分割算法。其主要思想是通过相对熵来选择最佳阈值，然后用任何一种边缘检测对图象进行分割。将所提出的算法和基于局部熵的算法分别用于现场颗粒物料图象的分割，实验结果表明，该算法优于基于局部熵的图象分割算法。     

基于纹理基元的图象分割

纹理分割是图象处理的基本问题之一．针对广泛的纹理图象，需要一个高效、鲁棒的分割方法，因此提出了一种基于纹理基元的纹理图象分割算法．首先，以Harr小波为变换工具，得到具有方向性的纹理子图象；然后给出了一种新的纹理基元提取方法，并在此基础上，应用统计方法和矢量场，对纹理区域进行由粗到细的分割．通过这种方法不仅可以对纹理图象进行分割，还可以对同一区域的纹理结构进行描述，从而有利于在这种分割方法基础上，进行更高层次的图象处理．     

A Robust and Fast Non-Local Means Algorithm for Image Denoising

In the paper,we propose a robust and fast image denoising method.The approach integrates both Non- Local means algorithm and Laplacian Pyramid.Given an image to be denoised,we first decompose it into Laplacian pyramid.Exploiting the redundancy property of Laplacian pyramid,we then perform non-local means on every level image of Laplacian pyramid.Essentially,we use the similarity of image features in Laplacian pyramid to act as weight to denoise image.Since the features extracted in Laplacian pyramid are localized in spatial position and scale,they are much more able to describe image,and computing the similarity between them is more reasonable and more robust.Also,based on the efficient Summed Square Image(SSI)scheme and Fast Fourier Transform(FFT),we present an accelerating algorithm to break the bottleneck of non-local means algorithm—similarity computation of compare windows.After speedup,our algorithm is fifty times faster than original non-local means algorithm.Experiments demonstrated the effectiveness of our algorithm.     

基于非一致分层分块金字塔的海量影像快速漫游方法

本文主要讨论海量影像快速漫游的问题。在现有的影像金字塔的基础上,本文提出了非一致分层分块金字塔结构,提出一种适于此结构的影像数据调度算法。该算法能够实现平移、缩放以及二者相结合的漫游形式。实验表明,本方法能够实现无限量影像数据的实时漫游,保证画面具有最佳的分辨率,并具有较快的速度和较高的平稳性。     

两级上下文卷积网络宽视场图像小目标检测方法

目标检测和识别已经在输电线路巡检中被广泛采用。由于图像数据量大,小目标分辨率低,现有的图像金字塔、特征金字塔和多异构特征融合等方法虽能准确地检测目标,却非常耗时,因而快速、准确地检测宽视场图像中小目标仍是一个挑战。此算法提出一个两个Faster-RCNs级联的上下文宽视场小目标检测卷积网络,首先,针对降分辨率的宽视场图像,利用一个Faster R-CNN来检测目标的上下文区域,然后,针对上下文区域对应的高分辨率原始图像,利用Faster R-CNN来检测来小目标。我们用航拍输电线路图像数据集进行了目标检测试验,试验结果表明,小目标检测方法达到了88%的检测精度,比单级Faster R-CNN检测方法具有更高的准确率。     

运动平台下基于MAX金字塔和仿射运动的红外图像目标检测方法

针对运动平台下红外图像目标的检测,提出一个基于MAX金字塔和仿射运动模型的检测方法。表达图像信息的数据结构是成功地进行图像处理的关键,根据红外图像的特点,适应实时处理的要求,构造了一个新的图像金字塔结构--MAX金字塔。该金字塔的特点是速度快、易于用逻辑电路实现。用仿射运动模型描述平台的运动,通过基于MAX金字塔的仿射运动估计和对准,清除图像中平台的自运动信息。在残留图像中获得当前目标并补偿了平台运动后前一帧图像中目标的位置,从而检测出当前目标的位置和运动距离。     

The chain pyramid: hierarchical contour processing

A novel hierarchical approach toward fast parallel processing of chain-codable contours is presented. The environment, called the chain pyramid, is similar to a regular nonoverlapping image pyramid structure. The artifacts of contour processing on pyramids are eliminated by a probabilistic allocation algorithm. Building of the chain pyramid is modular, and for different applications new algorithms can be incorporated. Two applications are described: smoothing of multiscale curves and gap bridging in fragmented data. The latter is also employed for the treatment of branch points in the input contours. A preprocessing module allowing the application of the chain pyramid to raw edge data is also described. The chain pyramid makes possible fast, O[log(image_-size)], computation of contour representation in discrete scale-space     

Fast pattern recognition using normalized grey-scale correlation in a pyramid image representation

The ability to quickly locate one or more instances of a model in a grey scale image is of importance to industry. The recognition/localization must be fast and accurate. In this paper we present an algorithm which incorporates normalized correlation into a pyramid image representation structure to perform fast recognition and localization. The algorithm employs an estimate of the gradient of the correlation surface to perform a steepest descent search. Test results are given detailing search time by target size, effect of rotation and scale changes on performance, and accuracy of the subpixel localization algorithm used in the algorithm. Finally, results are given for searches on real images with perspective distortion and the addition of Gaussian noise.     

Voronoi Pyramids Controlled by Hopfield Neural Networks

We present a novel method for irregular pyramid construction. The contributions of this paper are twofold: (1) Instead of starting with the original regular pixel grid, we first apply an adaptive Voronoi tessellation to the image. This provides the advantage that the number of cells at the bottom level of the pyramid is already reduced as compared to the number of pixels of the original image. (2) For the construction of the irregular pyramid, we present a Hopfield neural network which controls the decimation process. The decimation by Hopfield networks includes naturally the concept of the adaptive pyramid. The validity of our approach is demonstrated by several examples in image segmentation.     

快速相关跟踪算法的研究与实现

利用七阶不变矩对图像进行相关匹配,可以有效抑制几何失真的影响;在匹配的过程中对输入图像进行3层金字塔分解,在每一层上利用高效、并行的遗传算法进行匹配,搜索最优匹配点;实验结果表明该算法能够实时计算运动目标的位置,并且在目标发生缩放、旋转、光照等变化时仍能够长时间稳定跟踪目标.     

基于GDAL大于2G遥感图像的快速浏览

快速显示与浏览大的遥感图像是遥感图像处理与分析软件的一个重要的功能。利用GDAL的快速高效的文件读取功能,动态地分块从文件中读取图像块到内存,动态地建立金字塔结构,从而能快速地显示大的遥感图像。放大、缩小和漫游操作实现了渐变的效果,能给用户非常快速和平滑的感觉。     

基于多分辨率分析的肺部边缘检测

针对医学数字X光(DX)胸片,提出了一种基于多分辨率分析的肺部边缘检测方法.该方法结合了数学形态学和小波变换技术,构造图像的塔式分解,从低分辨率边缘图像开始,逐步向高分辨率前传、搜索、精提,自动定位肺部边缘.实验结果表明,算法计算速度快,检测出的边缘准确、连续光滑.