PCNN模型在彩色图像分割中的应用

针对脉冲耦合神经网络(PCNN)模型主要应用于灰度图像处理的局限性,利用脉冲发生器将颜色信息引入模型作为输入,与灰度信息共同控制神经元的内部行为,控制等灰度值的不同颜色区域分期点火,实现彩色图像的精确分割.双输入PCNN模型实现了彩色图像的分割,同时保持了PCNN模型对噪声的鲁棒性,从简单的仿真图像和实际图像两方面验证了此分割方法的有效性.     

微粒群优化和区域生长结合的彩色图像分割算法

提出了一种微粒群优化和区域生长相结合的彩色图像分割算法,以彩色图像直方图中自适应搜索到的峰值作为像素种子。由于搜索像素种子点是按密度进行,计算量小,大幅度提高了算法的计算速度,同时克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性。实验表明：该方法提高了图像分割速度,并可以准确地分割出目标,是一种有效的图像分割方法。     

基于细胞元分割技术的协同特征造型系统的研究

针对基于瘦客户端结构的协同特征造型系统需要在服务器和客户端来回持续地传输大量数据流,网络代价很高,本文提出利用细胞元分割技术且采用B／S结构构造协同框架,进行协同造型的方法。并给出了系统设计及系统主要组件的功能。由于客户端向服务器发送的是造型指令和参数,而服务器反馈回客户端的是一个分割后很小的变化的细胞元模型（CCM）,从而降低了网络负荷,提高了更新效率;另外,采用B／S架构使得服务器方昂贵的软硬件资源可由多个客户方承担。     

一种基于图像分割和模板匹配的短波跳频信号盲检测算法

提出了一种基于图像分割和模板匹配的短波跳频信号盲检测算法。该算法将实际跳频信号的STFT（Short Time Fourier Transform）时频谱图当做一幅图像,利用图像分割手段分离背景噪声,并通过模板匹配来实现跳频信号的检测。实验结果表明该算法能够有效克服实际短波信道中复杂的背景噪声,计算复杂度低,易于工程实现。     

基于连续分布方向图的复合指纹图像分割算法

实现了一种结合连续分布方向图与方差分割的复合指纹分割算法,改进了指纹图像分割效果并提高了指纹图像分割的精确度。对FVC2000、FVC2002和FVC2004数据库的实验结果表明,该算法能有效地对指纹图像进行自动分割,具有较快的速度和较好的鲁棒性。     

图像阈值自动选取算法的C＋＋实现

图像分割是运动目标检测与跟踪技术必须要解决的问题,在很多时候它涉及到图像阈值的选取。文章采用的算法首先计算图像中不同区域的灰度均值,结合最小差值条件,反复修订由计算所得的阈值,从而达到自动选优的目的。在此基础上,文章进一步给出了用C＋＋语言实现算法的关键代码。测试表明此方法选择阈值简便实用,图像的二值化效果良好。     

利用.NET组件技术实现刀具图像的检测

为了实现刀具图像的轮廓跟踪,提取轮廓点,采用Matlab.NET component与Mi-crosoft Visual Studio C Sharp混和编程技术,并运用模糊C均值聚类（Fuzzy C Mean cluste-ring,FCM）算法对图像进行处理,返回分割阈值,实现对灰度图像的分割.同时为避免出现轮廓断点,引入编码技术,再经过8邻域搜索目标轮廓,最终完成刀具图像轮廓跟踪.与微分算子的边缘检测对比,本文算法利用FCM分割图像,又引入编码技术,实现轮廓连续的跟踪检测,该方法分割效果较好,界面编写简单,运行简便.     

多支持向量机的乳腺肿瘤识别

针对乳腺肿块具有大小不固定和个体差异等特性,提出了一种多支持向量机对乳腺肿块的识别方法.选择八个方向上的支持向量生成分类器,选取高斯核函数作为核函数,其中取σ=30时分割正确率达到97.3%.表明多支持向量机应用于乳腺肿块识别可以获得较好的识别效果,为进一步的医学诊断提供可靠的依据.     

双阈值的特定英语音频句子边界检测

为了提高英语音频句子切分的效果,提出了基于双阈值的句子边界检测方法.该方法针对VOA、BBC等特别适合英语学习者的音频所具有的波形规范、环境噪声小、速率通常比较稳定等特点,利用静音能量阈值和静音时延阈值来检测音频句子的边界,并辅以对照文本信息进行校正.针对VOA慢速英语的实验结果表明:单纯使用双阈值方法,音频切分的召回率超过96%,精确率超过94%;利用对照文本校正后,可进一步提高精确率.     

基于视觉注意力模型的红外人体图像兴趣区域提取*

由于红外人体图像所处背景的复杂性,使用阈值分割定位红外人体图像往往把大量的非人体图像一起分离出来,这给后续工作带来了巨大的计算量.研究了红外人体图像的典型特点和人眼视觉判断人体轮廓图像的敏感特征,使用该特征建立了简单的人眼视觉对人体的注意力模型,并构建特征判别概率函数,对待定目标进行概率的估算,最终使用该模型快速地剔除非人体红外图像的干扰,并准确地定位人体兴趣区域.