改进的C-V水平集模型图像分割算法

复杂的计算限制了基于Chan-Vese（C-V）水平集模型的图像分割方法的应用。为提高图像分割的速度,提出一种基于C-V水平集模型的改进水平集方法。在一般情况下,只需要几次简单迭代就能分割出物体的轮廓。实验表明,该方法简单高效,能够快速有效地实现图像轮廓分割。     

基于粒子群优化算法的改进Snake模型的图像分割方法

虽然Snake模型是一种有效的基于参数的轮廓探测方法,但由于其对初始位置过于敏感,不但参数选取缺乏严格的理论指导,且不能处理拓扑结构改变的问题。为此,针对Snake模型在弱边缘处容易溢出等不足,首先通过引入区域信息对Snake模型的图像力进行了修正,然后对Snake模型容易陷入局部极小化的问题,利用粒子群优化算法的全局优化特性和良好的数值稳定性来对Snake模型的分割结果进行优化。人工合成图像和医学图像的实验结果表明,该方法是有效的。     

基于粒子群优化算法的改进Snake模型的图像分割方法

虽然Snake模型是一种有效的基于参数的轮廓探测方法,但由于其对初始位置过于敏感,不但参数选取缺乏严格的理论指导,且不能处理拓扑结构改变的问题。为此,针对Snake模型在弱边缘处容易溢出等不足,首先通过引入区域信息对Snake模型的图像力进行了修正,然后对Snake模型容易陷入局部极小化的问题,利用粒子群优化算法的全局优化特性和良好的数值稳定性来对Snake模型的分割结果进行优化。人工合成图像和医学图像的实验结果表明,该方法是有效的。     

基于改进的变分GAC模型矢量图像分割

在分析矢量图像颜色信息和动态曲线演化规律的基础上,将归一化传导率的非线性热方程约束项引入变分侧地活动轮廓矢量模型中,使水平集函数不用重新初始化即可快速稳定地保持符号距离函数的特性．改进算法减少了迭代次数和运行时间,改进了图像二维梯度和散度算子传统离散化方式,使梯度和散度算子保持空间旋转不变性,提高了分割算法的鲁棒性．实...     

基于改进活动轮廓模型的数字虚拟人图像分割算法

对组织器官的分割和提取是医学图像三维重建及可视化的基础工作。根据数字虚拟人图像的特点,提出了一种基于改进活动轮廓模型的数字虚拟人图像分割算法,推导出了基于改进活动轮廓模型方程的解析表达式,并采用梯度向量流场对该算法进行了改进。该算法克服了传统活动轮廓模型不能处理深度凹陷区域的问题。实验结果表明,该算法具有对“U”形区域计算精确、抗干扰性强、可得到很好的分割结果。     

基于径向基点插值的Chan-Vese模型图像分割算法

基于水平集方法的Chan-Vese模型是一种典型的几何活动轮廓模型,已成功应用于众多领域中的图像分割问题。为了提高该模型的演化速度和分割效果,提出了一种基于径向基点插值求解Chan-Vese模型的高效数值算法。通过用径向基点插值法逼近水平集函数,Chan-Vese模型被离散为常微分方程组初值问题并可用向前Euler法求解。该算法不需要网格单元,对水平集初始轮廓不敏感,不涉及复杂费时的重新初始化过程,并且有明确的演化终止条件,无需事先设置演化次数。实验表明该算法在没有初始轮廓时也能正确分割图像,具有很快的演化速度。     

基于改进FOA-SVM的火灾图像识别模型研究

火灾是常见的破坏性极大的自然灾害。为了更好地预防火灾,减少财产损失和人员伤亡,针对人为选择SVM参数具有盲目性,对其分类能力影响较大,提出基于改进FOA-SVM的火灾图像识别模型。通过引入逻辑函数对果蝇算法的搜索步长进行改进,利用改进果蝇算法优化支持向量机搜索得到最佳模型参数。将火灾图像提取特征量作为该识别模型的输入样本训练和识别火灾图像,结合实例并将该模型的识别结果与SVM模型及其他算法的识别结果进行对比。实验结果表明,该模型提高了火灾图像识别的准确率,在火灾检测方面具有一定的实际应用价值。     

多阶编码本背景模型

提出了一种新的多阶编码本背景模型。该背景模型在编码本背景模型的基础上发展而成,集成了多种流行背景模型的优点,包括帧间处理、带权重的码元、阴影检测、帧内处理等。实验结果表明,该背景模型能适应摄像机固定情况下的各种场景,结果准确,性能优越。     

基于改进粒子群算法的多阈值图像分割

提出了一种改进的粒子群算法,在初始化种群时采用相对基学习原理,以获得较优的初始候选解;在后期迭代过程中引入扩张模型,使粒子不易陷入局部极小值点,并将其用于多阈值图像分割。由最大熵阈值法得到所要优化的目标函数,用改进的粒子群算法对其进行优化,使其能够准确并迅速的得到分割的最佳阈值组合,并用该阈值组合对图像进行分割。将此分割结果与遗传算法的多阈值分割结果相比较可以看出,该算法可更为准确快速的实现图像分割。     

基于GrabCut改进算法的服装图像检索方法

为了消除服装图像背景的影响,针对目前的GrabCut算法存在对图像局部像素值的变化敏感、时间开销大、边缘不准确等问题,提出了改进的GrabCut算法。在改进算法中,通过对梯度图像使用多尺度分水岭去噪增强了图像的边缘信息,减少了后续处理的计算量;通过采取熵惩罚因子最优能量函数减少了检索图像的有效信息丢失。将改进后的GrabCut算法引入基于内容的服装图像检索系统中,实验结果表明与同类方法相比,所提方法在检索显示准确性以及检索的平均查准率和查全率方面均有明显的提升。     

基于图像分割的人脸检测

人脸检测作为人脸识别中的关键问题之一,近年来受到了越来越多的关注。通常采集到人脸信息非常丰富,无法直接判断脸部信息和背景信息。因此,需要一种有效的方法来解决图像的分类问题。数据挖掘中的聚类分析方法能对大量数据进行有效划分,为人脸检测中的图像分割提供了新的研究思路。     

图像分割技术及其在路面开裂损坏识别中的应用

研究了一种基于神经网络的图像分割技术，并将其应用于路面识别。该方法通过分析路面的照片，根据路面图像灰度与纹理的特征来判断路面损坏的类型、面积和严重程度，得出路面状况指数，具有速度快、数据质量高、方便等优点，远远优于目前的人工调查方法。     

基于异值区域消除的遮挡人脸识别

针对存在部分遮挡的人脸的识别问题,提出了一种改进的基于异值区域消除的人脸识别方法。首先,由训练人脸图像得到平均脸图像,并将测试图像与平均脸图像作差值运算得到误差人脸图像;然后,对误差人脸图像进行分割得到测试人脸图像存在的遮挡区域,并将测试图像和训练图像的相应区域予以去除以形成新的测试图像和训练图像;最后,采用线性回归分类或稀疏编码分类方法实现人脸识别。与同类方法比较,本方法计算相对简单,展现了较好的识别性能提升。基于Yale B和AR标准人脸数据库的仿真测试结果验证了本方法的有效性。     

神经网络在人脸识别中的应用

将BP神经网络用于人脸识别,并建立了人脸识别模型,该识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程,具有简单,识别率较高的特点.     

神经网络在人脸识别中的应用

将BP神经网络用于人脸识别,并建立了人脸识别模型,该识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程,具有简单,识别率较高的特点。     

基于人脸图像的性别识别方法研究

研究性别优化识别问题,在当前的性别识别方法中,大部分依靠的是一些明显的人体第二性征作为识别依据,当人脸上性别特征不明显的时候,识别成功率不高。为了提高准确率,提出了一种性别模型的性别识别判定方法。利用摄像设备采集单帧人脸图像,首先采集人脸关键部位的有效特征点,建立有效的性别识别模型,运用模型进行性别的判定。实验结果表明,方法相对于以人体性别特征为参数的性别识别方法,识别的准确率有了明显改进,取得了不错的识别效果。     

基于噪声统计模型的图像分割方法

图像分割是图像特征提取和图像识别的基础和前提,是图像研究中的热点之一.本文对目前图像分割的分类、最近几年出现的新方法、新思路以及传统图像分割中对噪声的处理进行比较简要的综述,针对噪声对图像分割的影响,提出利用噪声的统计特性建立噪声统计模型改进图像分割的新方法.     

同态滤波在人脸识别中的应用研究

论文首先对人脸识别进行了介绍,通过对人脸识别系统的分析指出预处理在人脸识别中的重要性。然后对已有的人脸识别预处理法作了详细的介绍,并对各种方法进行比较。最后针对光照对人脸图像的影响还提出了同态滤波的方法,在预处理阶段消除光照对人脸图像的影响,实验结果表明,此种方法可以提高识别率。     

基于LDP特征和贝叶斯模型的人脸识别

针对现有的局部方向模式LDP(Local Directional Pattern)方法仅利用了图像自身的LDP特征的问题,提出将LDP特征直方图与贝叶斯(Bayes)模型相结合的方法,从而有效使用人脸图像的先验信息,以提高人脸的识别率。第一步,在相互独立的训练集上,学习同类样本图像和异类样本图像的LDP直方图特征相似度的先验信息,并估计类条件概率密度函数(同类样本与异类样本分别进行计算);第二步,利用人脸图像的LDP直方图来比较该图像是否为某一类型图像的概率数值大小;第三步,使用贝叶斯规则进行分类。仿真结果证明,在ORL库与Yale库上,与传统PCA,LBP和LDP算法相比,所提方法得到的人脸识别率均有显著提升。     

基于图像分割的扭曲鼻纹识别模型仿真

鼻纹特征是当前最新研究的生物识别特征,对身份的鉴定有着重要的意义.鼻子的纹路较细小,只有在挤压过程中,才能留下纹理特征.但是,挤压过程本身对特征就形成了一定的破坏,使得特征扭曲变形,无法形成完整特征.传统的生物识别方法多是依靠完整生物特征,在鼻纹特征残缺或者挤压造成特征形变的情况下,虽然能识别出特征,但是对应过程会产生大量的干扰,造成假识别,漏识别的问题.提出采用鼻纹图像小区域分割的扭曲识别方法.针对扭曲鼻纹图像进行矩阵重组,根据重组结果进行分割,完成扭曲鼻纹图像的分类,利用自适应迭代出不同区域的识别阀值,设定识别过程中的最优阀值,最终完成扭曲鼻纹图像的识别.仿真结果表明,利用改进算法进行扭曲鼻纹图像识别,能够有效提高识别的准确率.