基于NSCT-Gabor特征和脉冲耦合神经网络的SAR图像分割

针对SAR图像目标的精确分割问题,利用非下采样轮廓波变换(NSCT)和Gabor滤波器分别提取图像特征,然后采用脉冲耦合神经网络(PCNN)对目标区域进行增强,提出了一种分割算法。分别对图像进行NSCT分解和Gabor滤波,对NSCT域的高、低频子带系数构造一个特征图,对Gabor滤波的不同尺度构造对应的特征图,对所获取的各个特征图用PCNN进行目标增强,最后对增强的特征图进行合理合并与分割。利用MSTAR SAR数据库中各种干扰强度下的图像进行了实验,结果表明,相比于模糊C均值、马尔可夫随机场等常见的分割算法,所提出的算法分割结果更为准确,同时受噪声干扰更小。     

基于脉冲耦合神经网络的图像分割方法研究分析

文章研究了基于PCNN模型的图像分割。该方法利用PCNN模型有类似的灰度值与神经元对应可以同时发出脉冲的特征,保留图像的区域信息,显示了更多分割目标的细节信息,文章采用Lena图、Coins图以及经过模糊处理以后的Bike图进行了图像分割,并与最大类间方差Ostu分割方法进行了对比。实验结果表明,脉冲耦合神经网络分割方法利用最小的迭代次数、最快的分割速度,在图像的细节、轮廓以及去模糊方面实现了良好的分割效果。     

基于稀疏表示的SAR地面目标分割技术

提出了一种引入先验约束的合成孔径雷达(SAR)图像的目标分割技术,以解决强杂波背景干扰下的目标分割困难问题。不同于基于统计理论的目标检测,文中利用目标图像切片在图像域的稀疏性,通过稀疏分解的方法构建目标特征窗函数实现目标的检测,并引入目标的形状先验对目标区域进行修正;然后,利用目标阴影的空间约束对基于统计检测的阴影区域进行修正,实现目标的分割;最后,基于实测数据验证了算法的有效性。     

基于改进DeepLabV3+的遥感影像语义分割方法

针对普通卷积神经网络在遥感图像分割中小目标识别度不高、分割精度低的问题，提出了一种结合特征图切分模块和注意力机制模块的遥感影像分割网络AFSM-Net。首先在编码阶段引入特征图切分模块，对每个切分的特征图进行放大，通过参数共享的方式进行特征提取；然后，将提取的特征与网络原输出图像进行融合；最后，在网络模型中引入注意力机制模块，使其更关注图像中有效的特征信息，忽略无关的背景信息，从而提高模型对小目标物体的特征提取能力。实验结果表明，所提方法的平均交并比达到86.42%，相比于DeepLabV3+模型提升了3.94个百分点。所提方法充分考虑图像分割中小目标的关注度，提升了遥感图像的分割精度。     

遥感图像中机场目标的图像分割方法

基于遥感图像摄取过程中的特点,在模糊特征域上进行图像增强,然后引用反变换灰度图像中的熵信息进行阈值分割,最后给出了与其它两各熵阈值分割方法的比较实验,定性和定量分析结果证该方法在分割精度和运算速度方面所具有的优势。     

基于文档分割的图像兴趣域检测及编码方法

结合数字图书馆系统建设和应用的需求,文章提出一种基于文档分割的自适应文档图像兴趣域编码方法.文章针对数字化文档结构特征,详细描述了一种基于块缩图和涂染技术的快速图文分割算法,该算法分割图文时不受文本倾斜和插图区域不规则的限制;在将插图域和文本域进行准确分割的基础上,文章提出了一种自适应生成插图兴趣域屏蔽图和兴趣域位移法的压缩编码算法,最后给出采用该方法压缩含插图的扫描文档的示例.     

图像指代分割研究综述

图像指代分割作为计算机视觉与自然语言处理交叉领域的热点问题,其目的是根据自然语言描述在图像中分割出相应的目标区域。随着相关深度学习技术的成熟和大规模数据集的出现,这项任务引起了研究者的广泛关注。本文对图像指代分割算法的发展进行了梳理和分析。首先根据多模态信息的编码解码方式,将现有图像指代分割算法分成基于多模态信息融合和基于多尺度信息融合两类进行了系统阐述,重点介绍了基于CNN-LSTM框架的方法、结构复杂的模块化方法和基于图的方法;然后,对用于图像指代分割任务的典型数据集和主流评价指标进行了总结与统计;之后,通过实验综合比较了现有的图像指代分割模型之间的性能差异并进一步验证了各种模型的优缺点。最后,对这一领域现有方法中存在的问题进行讨论分析,并对未来的发展方向进行了展望,表明了针对复杂的指代描述,需要通过多步、显式的推理步骤来解决图像指代分割问题。      

DBS雷达景象中的城区分割与匹配

图像分割一直是计算机视觉领域研究的热点和难点,DBS雷达景象匹配是高精度制导技术的关键,而特征提取和目标分割是景象匹配的基础。受人类视觉感知原理启发,文中提出了基于二阶纹理特征的分割方法,能够有效地将DBS实时图中的城区位置分割出来,并与SAR参考图中的城区位置进行配准,在10个像素的误差范围内,匹配成功率达100%。     

基于直方图极大值准则可变参数图像阈值分割方法

提出了一种基于直方图极大值准更则图像阈值分割方法，通过调节参数可对多类图像进行分割。阉值分割是实时图像处理首选的分割算法。本文通过一维灰度直方图确定极大值，从而获得图像中多个目标区域和背景区域阉值，分割出多个区域，将每个区域赋为不同的灰度级，根据具体所要分割的目标再进行分割。实验证明该方法分割效果较好，分割速度快，实时性较好。     

基于C-V模型的红外图像自动分割方法研究

为解决红外图像分割中背景噪声及边界轮廓的影响,引入了基于曲线演化理论、水平集方法和M-S分割函数的C-V模型。通过将图像表达为分段常量函数来建立适当的能量函数模型,引入水平集的表示方法,在整个图像域中依据最小化分割寻找全局极小值,可令活动轮廓最终到达目标边缘。由MATLAB实现的仿真结果表明采用C-V模型对红外图像进行自动分割不受边界轮廓线连续性限制,对初始轮廓线位置不敏感,对图像噪声具有很强的鲁棒性,对均匀灰度目标分割效果良好。     

基于方位特性表征的属性散射中心模型参数估计方法

属性散射中心模型使用一组富含物理意义的特征参数描述高频区目标的散射特性,其模型参数中具有的频率和方位依赖项为目标识别提供了重要的特征信息。但复杂的模型形式使得参数的提取只能在图像域中进行,其中一个关键的步骤就是图像分割。由于属性散射中心在图像域中表现形式的复杂性,传统的分割算法往往不能准确地描述划分区域中散射的内在本质,使得参数的估计误差偏大。针对此缺陷,提出了一种基于方位特性表征的参数估计方法。该方法利用散射点的方位函数对散射类型进行判断,指导散射中心区域的划分以提高参数的估计精度。仿真实验验证了方法的有效性。      

飞机红外灰度图像实时特征提取

根据目标特性自顶向下提出了一种灰度图像分割自适应门限的选取方法,利用门限对飞机红外图像进行灰度分级得到飞机灰度图像,从灰度图像中提取边缘特生和不变性角特征,为分类识别提供特征输入。     

基于分水岭分割和尺度不变特征点的多目标全自主跟踪算法

该文针对多目标的鲁棒跟踪问题,设计了一种基于图像分水岭分割和尺度不变特征变换(SIFT)特征点的多目标全自主跟踪算法。为规避图像平坦区域,提出在原图上叠加规则坡度图的思想,并在浮点域进行一定尺度高斯模糊处理,将区域极小值点作为种子点完成分水岭分割,并将极值点作为目标特征点,通过前后帧分水岭映射生成特征点短时轨迹,自动检测运动目标。之后依据目标所处状态(是否发生遮挡)和分水岭分割图建立、更新目标SIFT特征池,结合分水岭映射、SIFT特征池匹配完成对目标的鲁棒跟踪。实验结果表明,该算法能有效完成视频中多目标的持续跟踪,并对目标遮挡有较好的鲁棒性。     

基于分形和神经网络理论的多尺度图象分割方法

特征空间聚类分割方法存在的关键问题是有效的特征参数提取和聚类方法的构造。针对这两个问题,本文采用小波变换的多尺度分析方法提取图象的多尺度分形维数作为分割特征参数,用Kohonen自组织特征映射实现特征空间聚类,获得了良好的分割效果。     

Multiscale image segmentation using fractal and neural network

Clustering algorithms in feature space are important methods in image segmentation. The choice of the effective feature parameters and the construction of the clustering method are key problems encountered with clustering algorithms. In this paper, the multifractal dimensions are chosen as the segmentation feature parameters which are extracted from original image and wavelet-transformed image. SOM (Self-Organizing Map) network is applied to cluster the segmentation feature parameters. The experiment shows that the performance of the presented algorithm is very good.     

应用支持向量机分类的多角度目标识别技术

综合应用图像的不变矩特征和支持向量机分类方法,提出了一种对于红外图像中多角度目标的识别方法。首先通过目标分割算法求得红外图像中目标的轮廓图像,然后从轮廓图像的Hu矩、Zernike矩和Fourier-Mellin矩中选取适当阶次的矩特征组成目标在特定视角范围内的不变性特征向量;对目标的视角范围进行适当划分以解决多角度引起的目标样本多样性,并在每个划分的视角范围内分别应用支持向量机的方法进行多目标分类。测试结果表明,本文提出的方法较好地实现了红外图像中多角度目标的识别问题,是一种有效的自动目标识别算法。     

基于梯度卷积的激光光斑图像分割

为解决传统方法对存在背景噪声干扰的光斑图像分割效果不理想的问题,设计了一种基于梯度卷积的光斑图像分割算法。首先对光斑、背景、噪声的空间灰度分布特性进行分析。而后根据目标与干扰在空间灰度梯度分布特性的差别,构造适应目标尺度的梯度卷积模板,与光斑的梯度图进行卷积,从而在增强光斑特性的同时抑制了背景干扰及噪声。最后,在噪声抑制图像的基础上结合阈值分割和目标特性判别得到最终的分割结果。通过与传统光斑分割算法进行对比实验发现,该算法抗噪能力更强,有效解决了背景与噪声干扰下光斑目标的分割问题。     

一种改进的图割目标分割算法

为了减少图像目标在分割过程中受到噪声、复杂背景等因素的影响,将图像的多特征信息引入到图割算法中,提出了一种结合图像的多特征信息图割目标分割方法。该方法先选取像素点的多种图像特征组成特征向量,并对已做好标记的目标和背景种子点的特征向量分别进行FCM聚类,然后分别计算各像素点与这两类种子点的各聚类中心的最短欧式距离,并据此信息完成对能量函数的构造,最终运用最大流/最小割的方法得到图像分割的结果。其与传统图割算法相比,分割结果有了明显改善。实验结果表明,该算法具有有效性。     

基于粗精交互融合和迭代图割的舰船可见光图像分割方法

在深入分析典型图割算法的基础上,提出了一种基于粗精交互融合和迭代图割的舰船可见光图像分割方法,主要包括矩形包围盒式的粗交互、基于高斯混合模型的迭代图割、多边形编辑式的精交互和窄带区域内的图割优化。仿真结果表明,本文方法基本达到了预期目标,交互少、分割效果好,可满足后续特征提取和目标识别的需求。     

基于分水岭和欧拉数原理的智能计数方法

分水岭图像分割方法是图像分割领域中一种经典有效的方法,它以快速,有效、准确的分割结果越来越得到人们的重视,在基于分水岭变换的模拟浸水原理基础上提出了一种新的快速、有效、准确的图像分割算法,可以有效地分割图片中的目标物体,并且数据处理量小,算法复杂度低。同时将该算法和欧拉数计算公式相结合,应用于图像中目标物体的计数方面,使得对目标图像中的物体分割和计数变得简单、快捷。这是一种切实可行的目标图像的分割和计数方法。