基于互信息与类距离测度最优的图像聚类

模糊C均值算法用于图像聚类时,仅考虑图像的灰度信息,忽略灰度的空间分布,未充分利用分割前后图像间的关系。从分割后图像的类距离出发,并利用聚类分割前后图像间的互信息,以基于对称分布多样性的粒子群算法为优化技术,构造了一种新的图像分割方法——基于互信息和类距离测度最优的图像聚类算法。对医学图像进行仿真,实验结果表明该算法得到的图像边界清晰连续,图像的内部特征保持完好,与多种聚类算法相比,图像分割的质量明显得到提高。     

耦合配准与分割的水平集演化模型

提出一种配准与分割耦合模型。配准项采用基于抽象匹配流的非参数配准模型,解决基于B样条的参数化配准方法与非参数活动轮廓模型在定义形式和求解方法上不一致的问题。分割项采用基于边缘的活动轮廓模型实现对感兴趣区域的分割,对分割模型的改进解决原有模型对初始化敏感的问题。整个模型直接定义在水平集函数上,定义直观,数值求解简单。对单模态及多模态大脑图像的实验,验证该模型的有效性。     

跑道毁伤识别中的变化检测研究

在现代战争条件下，能否对机场等境外大纵深重要战略目标的突袭效果进行实时评估，对下一步的作战行动有着至关重要的影响。跑道是机场的重要组成部分，其毁伤前后变化检测是机场封锁效果评估的第一步。对变化检测所面临的问题、检测参数、原理与算法进行了初步探讨，实验结果说明文中采用的相关系数法能够有效地检测到突袭前后航天侦察影像上跑道的有意义变化。     

基于多源信息融合方法的骨髓转移性肿瘤细胞识别

利用改进的Dempster_Sharer证据理论(MDS)融合骨髓显微图像、血像和临床信息，进行骨髓转移性肿瘤细胞的识别研究。实践证明此方法较好地模拟了病理专家知识，比较准确地识别出了骨髓中转移性肿瘤细胞，对骨髓转移性肿瘤细胞识别提供了一个有力的辅助手段。     

模糊准则下曲线的平均曲率流及图像去噪

近年来,以曲线演化为基础的方法成为图像处理领域的一个研究热点。考察了曲线的平均曲率流,分析了正负曲率对曲线演化的影响,引入了像素相似度,设计了一种模糊规则实现正负曲率的选择,扩展了曲线的曲率项,构造了一种新的流动。该流动用于图像去噪,实验结果表明,能够取得比(开关)平均曲率流更好的结果,与增强frost算法等相比也有明显的优势。     

基于Snake模型的嘴部特征分割

提出了一种基于Snake模型的嘴部特征提取方法，简化了初始化Snakc曲线的步骤，从而避免了手工初始化Snakc曲线时可能产生的误差。该方法使用块像素变差方法解决图像中的弱边界问题，使用图像能量区域来防止边缘泄漏，得到比可变形模板方法更准确自然的结果。实验结果表明，这种基于Snake模型的人脸特征分割方法具有良好的效果。     

自适应正则有参超分辨率图像盲恢复

基于重建的超分辨率(SR)方法中，图像求解是典型的高维病态问题，需借助有效的正则来稳定求解。在Nguyen等人的正则有参超分辨率盲恢复框架(RPSR)基础上，引入基于图像局部光滑特征的正则处理，提出自适应正则的有参超分辨率方法(ARPSR)，并从方便计算的角度，进一步提出了ARPSR的近似求解方法，即先将ARPSR问题，化为两个RPSR问题的带权组合，然后用RPSR框架估计图像模糊系统的自由参数和最优正则参数，用重排系统矩阵的方法构造预处理器，最后用预处理共轭梯度方法(PCG)求解超分辨率图像。算法分析和试验结果表明，ARPSR方法是对RPSR框架的进一步改进。     

带标记线左心室MR图像的自动分割

带标记线核磁共振(MR)图像能够提供了大量的运动信息，为实现左心室的运动重建提供了有利条件，但图像中存在灰度的不一致性、弱边界、伪影、标记线的影响等现象，这些都给带标记线左心室MR图像的分割带来了困难。目前带标记线核磁共振图像的左心室分割主要靠人工完成，为此提出了一种自动分割方法，它是基于分级处理的分割方法，主要由3部分组成：首先用数学形态学的方法实现左心室的自动定位；然后用K均值聚类、模板匹配和基于骨架的心肌形状恢复方法给出左心室的内外初始轮廓线；最后用改进的水平集方法对初始轮廓线进行演化而得到最终结果。实验结果证明，此方法有较强的鲁棒性，是行之有效的方法。     

一种手写体大写金额串的分割新方法

手写体大写金额串的分割将直接影响识别的准确率。为了提高分割的准确率,同时保证较快的分割速度,本文采用了由粗分割和细分割组成的两步分割方法。重点介绍交叉字符和相连字符的分割方法。对于交叉的字符提出了加窗处理的中点连线分割方法,它较其它方法具有简单准确的优点;对于单笔相连的字符,先在细化字符图象上找到候选笔划的候选分割点,然后用本文提出的简明的评价准则来确定最优分割点,提高了粗分割的精度。上述方法应用于银行支票手写体大写金额的分割,取得了很好的分割效果。     

对多尺度边缘检测中边缘位移的研究

多尺度边缘检测的任务之一是寻求噪声平滑与保持细节边缘的折中,现已出现了许多自适应多尺度边缘检测方法,但使用多尺度的边缘检测方法常常使得边缘发生位移.为了使得在大尺度下求取的边缘位置不变,提出了一种根据局部图象特点,在最大尺度下求取保持图象边缘点位置不变的多尺度自适应边缘检测方法,并首先证明了对于绝大多数边缘点,如果使用恰当的小波基,那么,对于常规边缘检测算子,在大尺度下,也能准确定位;然后,利用以小波函数为核函数的积分运算与求导数之间的关系以及小波分析的多尺度特性给出了一种自适应的、保持位置不变的图象边缘检测方法,最后用实验进行了验证.