红外序列图像的双滤波侧抑制边缘检测算法

针对红外图像的特点，重点研究了采用双滤波的方法及侧抑制网络的“突出边框，增强反差”的功能，提出一种图像边缘检测方法．对噪声有一定的抑帆作用，边缘检测果明显。还结合序列图像的相关性，运用免疫计算方法，分割出目标运动区域，形成目标模板，然后在运动序列的各帧动态更新模板。最后得到具有低对比度、低信噪比、边缘模糊的红外图像目标的序列边缘。     

基于小波多尺度分析及Fisher分割的红外弱小目标检测

介绍一种新的红外图像序列中的弱小目标检测方法，利用小波多分辨特性，对图像进行预处理，以抑制背景杂波；利用改进的Fisher算法，对经预处理后的图像进行分割，最终将目标从背景中分离出来；对相邻帧进行差分运算，估计目标的运动轨迹采用本文方法与类别方差自动门限法，对大量的红外弱小目标进行了检测，实验对比结果表明了该算法的有效性。     

基于邻域空间特征的低对比度小目标分割算法

低对比度图像具有邻近像素的空间相关性高、灰度变化不明显等特点,从中分割出微小目标是非常困难的。本文提出一种新的低对比度图像提取小目标的分割算法,通过引进局部均匀度,结合局部熵获得空间分布状态,对低对比度图像进行分割,该算法充分利用了目标图像的灰度和空间属性。实验结果表明,该方法能有效地实现低对比度小目标图像的分割。相对于其他算法,分割精度更高,且抗噪性强,可以有效地降低过分分割问题。     

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。     

基于小目标预提取的OTSU分割方法

针对传统OTSU(最大类间方差法)方法对于占图像比例较小的目标检测效果不佳,通过对图像边缘检测、图像局部运算、自动确定目标位置并预先提取出潜在目标区域,对潜在目标区域图像利用OTSU方法进行分割,得到新的小目标检测方法。将该方法与经典OTSU法、迭代法和区域生长法的在不同场景下小目标进行检测,实验结果表明该方法在运算时间上接近于其他方法,在分割效果和稳定性上优于其他方法。     

基于红外CCD的掺钆液体闪烁体液位测量方法

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用, 并直接影响到后续的分析、处理工作。针对医学超声图像对比度低和噪声强的特点, 提出了一种将超像素和模糊聚类技术相结合的图像分割方法。该方法利用简单线性迭代聚类算法产生多个超像素子区域, 通过比较各个子区域间特征向量的相似性, 利用模糊C均值(FCM)聚类技术对这些过分割区域进行合并, 实现超声图像目标区域的有效分割。和传统的基于单像素的FCM聚类算法相比, 该方法具有较强的鲁棒性, 有效提高了目标区域的分割精度和分割效率, 取得了较好的分割效果。     

基于超像素和模糊聚类的医学超声图像分割算法

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用,并直接影响到后续的分析、处理工作.针对医学超声图像对比度低和噪声强的特点,提出了一种将超像素和模糊聚类技术相结合的图像分割方法.该方法利用简单线性迭代聚类算法产生多个超像素子区域,通过比较各个子区域间特征向量的相似性,利用模糊C均值(FCM)聚类技术对这些过分割区域进行合并,实现超声图像目标区域的有效分割.和传统的基于单像素的FCM聚类算法相比,该方法具有较强的鲁棒性,有效提高了目标区域的分割精度和分割效率,取得了较好的分割效果.     

改进动态阈值去噪在远程图像小目标检测中的应用研究

远程图像小目标在视频帧图像中占据的比例较低,无法有效划分目标和背景,目标检测精度低。因此,将改进动态阈值去噪法应用于远程图像小目标检测中,给出了远程图像小目标检测系统硬件总体结构,通过图像采集模块对图像传感器进行驱动,将采集到的远程图像数据保存至SDRAM模块中,并将该图像数据传输到显示器上显示。软件设计中,给出将改进动态阈值去噪方法应用于远程图像小目标检测的详细过程。实验结果表明,所提方法在检测远程图像小目标过程中具有可行性,可准确分割出小目标,满足检测实时性的需求,并且具有较强的适应能力。     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．     

多级分割融合算法提取红外舰船目标潜在区

针对海天背景下红外舰船图像目标与背景对比度低,图像边缘模糊的特点,提出了一种红外图像舰船目标潜在区的提取算法.算法对图像进行了预处理和频域增强,在海天线附近区域进行多级分割融合以提取目标潜在区.实验结果表明,对于海天背景红外图像,采用该算法能够克服传统分割方法中单一阈值不好选取的问题.多级分割融合的结果能够覆盖目标区域,为后续的目标识别和跟踪奠定了良好的基础.     

面积约束下的最优阈值法分割LED像素点阵

针对基于CCD相机采集方式的亮度校正方法需要从采集图像中分割出每颗LED像素的亮度信息的问题,提出面积约束下的最优阈值分割法。在最优阈值分割法的基础上,根据先验信息引入面积约束条件,对阈值的取值范围进行约束。与传统的最优阈值法相比可以避免分割后LED像素区域连接的情况。面积约束下的最优阈值分割法生成采集图像的灰度直方图,利用最优阈值算法结合面积约束生成最优阈值,最后通过图像的阈值分割法将采集图像分割。实验表明,该方法可以比较好地分割出采集图像中的LED像素,并可避免当LED像素点分布密集时应用最优阈值法分割LED像素造成的区域连接问题。     

一种基于对比度阈值的改进SIFT算法

为了提高基于SIFT(Scale Invariant Feature Transform)图像匹配算法对于图像对比度变化的鲁棒性和算法效率,提出了一种具有可变系数的自适应对比度阈值SIFT算法。根据特征点局部邻域的灰度信息初步确定对比度阈值,同时根据当前特征点的多少确定对比度阈值系数的大小;特征点越多,系数越大,增大对比度阈值从而达到避免特征点数量过大的目的。实验结果表明,改进后的SIFT算法能够根据特征点邻域内的灰度分布情况,自动计算对比度阈值,明显增强了SIFT算法对于低对比度图像匹配的鲁棒性;同时最终提取出的特征点数量避免了过大,稳定在预定的区间内,算法效率提高了1倍多。     

基于梯度的低对比度X线图像分割方法

在医学骨折诊断领域,X线图像是骨折诊断的重要手段,X线图像中骨骼组织的精确分割为后续的诊断提供了重要依据。为此,文中首先利用Sobel边缘检测算子得到X线图像的梯度图,然后利用灰度图像单目标跟踪算法,提出了一种基于梯度的多目标分割算法,经过三轮跟踪获得了骨骼组织的精确定位,实现了医学骨科X线图像的骨骼分割。最后,将分割结果与边缘检测和阈值方法的分割结果进行了比较。试验结果表明,该方法对低对比度图像能够得到好的分割效果,比较适合医学骨科X线图像的骨骼分割。     

一种基于MRI图像的脑肿瘤组合分割法

从模糊的MRI脑肿瘤的图像中准确找出肿瘤,供医学临床使用。分别采用了2种分割方法：一种是改进的阈值方法,即在进行最大方差阈值法之前首先采用手动阈值法;另一种是采用圆形结构元素作为种子的形态学分割方法。这2种方法均实现了从低对比度MRI脑图像提取目标的要求。灵活使用阈值法和形态学分割方法与医学图像中,具有一定的临床实用价值。     

基于OTSU准则及图像熵的局部递归分割算法研究

在图像分割中,门限的选取至关重要,本文在Otsu门限选择准则的基础上,研究了一种基于图像熵的局部递归的门限选择及分割算法,该算法在图像背景不均或图像不是简单的单峰、双峰图像的情况下可以有效的分割,分割后图像的细节更加丰富,有利于分割后的特征提取。对几种不同的目标进行了实验,获得了较好的实验结果。     

基于小波分析的遥感车辆图像增强方法研究

拍摄遥感图像时,由于CCD相机距离景物较远以及受传统航空摄影技术和各种噪声的影响,造成遥感图像图质退化,从而影响后期遥感信息的提取和处理。为此,提出一种分层局部阈值图像去噪增强算法,该算法先对同一级的3个不同方向的高频小波系数加权,然后选用不同的阈值对这3个高频小波系数进行硬阈值处理,弥补了全局阈值算法对小波系数＂过扼杀＂的缺点及局部阈值算法运算量大,算法复杂的缺点。实验证明,该方法能有效地抑制噪声,增强图像的边缘及细节信息,达到很好的图像增强效果。     

基于局部灰度极小值的掌脉图像分割方法

针对手掌皮下静脉（简称掌脉）成像照度不均匀、对比度低和噪声严重,提出一种基于局部灰度极小值掌脉图像自动分割方法,回避了阈值选择,能够有效解决光照不均、对比度低、噪声严重等干扰。通过自建掌脉图库的实验结果表明,该方法除了能够有效地抑制噪声、光照不均和对比度低的影响外,与目前的掌脉分割方法相比,在掌脉提取连续性和不需要选择...     

一种改进的小波阈值裂纹图像去噪法

文中采用一种新的小波阈值法进行数字图像去噪。该方法是在原有小波算法之上进行改进,一方面改进闽值公式,寻求最优的阈值,获取更好的边缘保护,从而达到图像原始信息完整性;另一方面通过优化阁值函数获得改进的阚值方法,提高小波系数阈值判断的准确性,获得更好的去噪效果。实验结果表明,与通常的方法相比较,能更好的去除数字图像噪声、保护图像边缘,获得更好的峰值信噪比、边缘保持指数和更好的视觉效果,达到去噪要求。     

基于阈值法和区域生长法的图像分割算法研究

由于图像阈值法的直观性和易于实现的性质,使它在图像分割领域中处在中心地位,但是在阈值分割后不可避免地会出现与目标灰度接近的背景区域,从而产生了噪声干扰。由于图像分割技术的不断完善,区域生长法比较完美地解决了噪声干扰的问题,但是随之也会造成欠分割和过分割的现象,同样使得分割效果不理想。因此,本文采用阈值分割法和区域生长法相结合的方法,来尽可能避免目标本身灰度不均匀造成的欠分割现象和有效防止目标边界模糊造成的过分割现象。     

基于OpenCV的图像阈值分割研究与实现

图像的阈值化在图像分割中有着至关重要的作用。在OpenCV算法环境下,运用固定阈值化和自适应阈值化算法,分别对同一幅图调用OpenCV中相应的函数进行处理;同时针对图像中的噪声,结合高斯模糊算法对图像噪声的滤除作用,将高斯模糊和阈值化算法结合起来,分析研究图像分割算法。结果表明自适应阈值化算法可以更有效地进行图像分割。