基于最小能量的图像分割算法

文中对图像分割进行了研究,将图像分割过程看成一获取信息的过程,通过最大化此信息量,导出一分割图像的能量泛函,最小化能量泛函即可得到分割结果。在最小化能量函数时,运用最陡梯度下降法导出一曲线进化方程,并用水平集方法来表示此曲线,利用快速水平集方法来进行数值求解。最后的仿真结果表明该算法很有效。     

基于Milter实现的中文垃圾邮件过滤系统

提出一种基于内容的中文垃圾邮件实时过滤系统的实现方案，该系统建立在Linux的Sendmail邮件服务器上，通过Milter接口实时提取邮件内容，并结合中文分词及文本分类算法对邮件实施分类和过滤。该系统可嵌入多种文本分类算法，具有良好的可扩展性。通过测试对该系统内嵌入的不同分类算法模型进行了分析和比较。     

一种基于约束关系的电子病历图像分割核聚类算法

针对电子病历中图像分割问题，提出了基于约束关系的改进核聚类算法，该算法通过引入约束关系在图像分割前进行修正，从而提高图像分割效果。该核聚类算法在MRI中电子病历图像分割实验的结果表明，施加约束关系的核聚类算法能有效地解决电子病历图像中含噪声以及灰度不均匀等问题，具有一定的鲁棒性和较好的图像分割效果。     

基于一种动态颜色模型的模糊C-均值图像分割

不同颜色的可见光本质上是具有不同波长范围的电磁波.本文试探性地提出了一种动态颜色模型,它模拟了成像曝光时间内图像平面所接收到的电磁波的动态变化.离散化之后,彩色图像的颜色特征能够被表示成一个K维矢量,称为彩色图像的动态颜色空间表示.然后建立了模糊C-均值分割算法,分别在动态颜色空间和RGB空间分割彩色图像,实验结果表明动态颜色空间的分割结果优于RGB空间的分割,从而验证了动态颜色空间的性能.笔者相信本文所提出的动态颜色模型也能够被用于纹理分析或其它的图像处理领域.     

基于邻域信息的图像分割技术

提出一种基于图像邻域信息的分割方法.首先,根据像素点邻域信息得到高维特征向量;然后采用典型相关分析(CCA)改进线性判别分析(LDA)中的变换矩阵,使得特征向量的降维具有自适应性;最后用最近邻法对降维后的特征向量进行分类,从而实现了图像的分割.试验中,选取人脸图像分割来验证该方法,结果显示出其具有良好的分类效果.     

基于背景自适应生成的监控图像运动目标分割

通过插值填充运动目标区域,生成首帧参考背景.背景更新时,结合当前帧和前一帧图像及其参考背景,根据亮度补偿动态生成当前帧参考背景.然后采用减背景方法对目标进行粗提取,再经目标阴影去除和形态学处理后分割出精确的运动目标.实验结果表明,该方法是有效可行的,能达到实时处理的要求,同时对场景光照变化具有较好的自适应性.     

基于梯度向量流的医学图像自动分割

提出了一种基于梯度向量流的自动图像分割算法，该算法首先将梯度向量流场转化为一个标量场，该标量场能够显著简化种子点选取和区域增长的步骤。在得到图像的初始分割后，再使用基于区域邻接图的算法来将相似区域合并得到最终分割结果。试验结果表明，该算法能够有效地解决医学图像中多目标区域的自动分割问题。     

自适应混合高斯背景模型的改进

对自适应混合高斯背景模型进行了改进，将背景重构和前景消融时间控制机制整合到传统自适应混合高斯背景模型中，以提高运动分割的质量。背景重构算法从含有运动物体的动态场景视频序列中重构静态背景图像，然后用重构的静态背景图像初始化自适应混合高斯背景模型；而前景消融时间控制机制则使运动物体停止时的前景消融时间独立于背景模型的学习速率，从而可以根据需要调节前景消融的持续时间。实验结果表明了算法的有效性。     

An Airborne Radar Clutter Tracking Algorithm Based on Multifractal and Fuzzy C-Mean Cluster

For an airborne Iookdown radar, clutter power often changes dynamically about 80 dB with wide distributions as the platform moves. Therefore, clutter tracking techniques are required to guide the selection of const false alarm rate （CFAR） schemes. In this work, clutter tracking is done in image domain and an algorithm combining multifractal and fuzzy C-mean （FCM） cluster is proposed. The clutter with large dynamic distributions in power density is converted to steady distributions of multifractal exponents by the multifractal transformation with the optimum moment. Then, later, the main lobe and side lobe are tracked from the multifractal exponents by FCM clustering method.