一种基于海陆边界跟踪的快速海陆分割方法

海陆分割是进行船舶检测、海岸线提取的基本前提之一。当前海陆分割方法需要对图像进行逐像素处理,因此计算量大。提出一种只需处理海陆边界区域图像的分割方法,用以快速准确地获取海陆边界。首先提取图像4个边缘的基于边缘信息的EBT纹理特征,获取海陆边界种子块。然后从该种子块出发,利用EBT纹理特征进行边界块跟踪,实现快速海陆分割。实验结果表明,所提方法具有较好的分割效果,与目前主流的分割方法比较,时间花费大幅减少。     

基于手势识别的智能输入

针对在人机交互中键盘远远不能满足人们的要求,提出了一种手势识别算法,并结合键盘的按键实现智能输入．该算法采用肤色分割提取出手部区域,根据手形检测出大拇指和伸出的手指数目及位置,把手势转化为计算机所能接受的二进制语言．根据二进制数,结合键盘的按键,把不同手势定义为不同的按键,实现对计算机的智能输入．实验结果表明该算法具有一定的鲁棒性,并能达到较高的成功率．     

基于分类回归树和AdaBoost的眼底图像视网膜血管分割

提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.960 7,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.     

基于Snake的图像分割算法研究

图像分割算法是指从待割图像中提取出感兴趣的目标,以便进行图像分析与图像理解。Snake算法不同于传统的图像分割方法。文中详细介绍了Snake模型的数学机理及离散化方法,最后利用贪婪法实现了Snake算法,并应用与实际图像的分割。     

动态手势轨迹跟踪与HMM模式识别

为了理解用户手势的含义,该文首先利用摄像头捕获连续运动的手势,随后将其进行部分图像的预处理操作,利用手势分割技术将手势部分分割出来,并提取手势的质心以及面积的大小作为特征向量,用于建立隐马尔可夫模型的参数,最终形成一个能理解用户手势操作的系统,并对其进行应用。     

空间目标成像跟踪系统中图像分割算法的研究

图像分割是成像跟踪算法中极为关键的一步,其结果的准确性与稳定性直接影响整个跟踪系统的性能。从分析空间目标图像的特点入手,在目标大小的不同阶段,选用不同的分割算法,并结合任务特点对算法参数进行了优化。试验结果表明,该文的设计满足任务需求,结果准确且具有很好的鲁棒性。     

基于新模糊准则与 DE算法的红外人体图像分割 *

人体目标的抽取是红外人体图像处理的基础 ,为了有效获取红外图像中的人体目标 ,提出了一种新的图像阈值化方法。首先在对模糊熵方法本质分析的基础上 ,通过参数变换定义了一种新的最小化模糊准则 ,然后将差分演化 ( differential evolution, DE)算法与新模糊准则相结合用于快速、有效地获取最佳阈值 ,最后在真实红外人体图像上与其他方法进行了对比实验。实验结果表明 ,所提出的方法不仅能得到理想的分割结果 ,而且 CPU耗时也较少 ,满足实时性处理要求。     

基于神经网络的数字验证码识别研究

验证码是网络上普遍采用的一种用于真人交互证明的有效方法.对验证码识别的研究有助于解决硬人工智能问题,促进人工智能领域的进步.现有的研究多是针对一种验证码,通过多种方法进行识别.这类方法对先验知识的依赖很大,识别方法对其他验证码不一定有效,或者需要大量调整来适应新的验证码.为了研究验证码识别算法的适应性问题,通过选取多个具有代表性的网站的验证码图像,基于分割法和Hopfield神经网络进行分析和试验,取得了较好的试验结果.试验结果表明:利用字符图像灰度信息和Hopfield网络可以有效的对可分割的验证码进行分类识别,算法有一定的适应性,并且仅需字符图像的灰度信息既可适应新的验证码,对先验知识的依赖少.     

基于最小错误率和快速水平集的图像分割

提出一种基于最小错误率和快速水平集的图像分割方法,通过对速度项和停止条件的重新设计,实现了快速而有效的图像分割。算法采用模式分类思想,以统计直方图来近似目标和背景区域的概率密度,对基于最小错误率的判别函数进行平滑滤波以获得外部速度,从而实现曲线的进化;同时,分割过程在分类错误率达到最小时停止。实验结果表明,本文算法对弱边缘、低对比度灰度图像具有较好的分割效果,且具有较强的抗噪性能;在分割速度上,本文算法也明显优于几种已有算法。     

图像分割中局部能量驱动的快速主动轮廓模型

为了解决图像对象灰度分布不一致性的分割难题,提高图像分割速度,提出了一个全新的快速主动轮廓模型。它由曲线周围局部的统计信息驱动曲线发生形变演化,并使用图像中的边缘信息来引导曲线的演化方向。模型中,根据区域模板与演化曲线共同定义的局部统计信息创建数据拟合项,并应用水平集方法求解曲线的演化。对合成图像和医学图像的实验结果表明,本文提出的分割模型可以同时分割多个灰度不一致的对象,分割速度快,结果稳定,对噪声具有很好的鲁棒性。