Segmentation of the image with multi-visual features for a traffic scene

Scene segmentations based on the pixel classifying calculation are complicated, and they use insufficient features, thus resulting in a low accuracy, so a new model is proposed to overcome these shortcomings,which is to learn these geometric classes based on multi-visual features of super-pixels. First, various features are extracted from the super-pixels of an input image. These features are used for classifying the super-pixels. Then the difference between the adjacent super-pixels is calculated to predict their consistency. The initial classification result and the consistency are synthesized to the Markov Random Field energy function, which is then minimized based on the graph-cuts algorithm to get the final labels of the super-pixels. Experimental results prove the effectiveness of the multi-visual features and the optimization method proposed, with superior performance achieved for traffic scenes.     

Unsupervised SAR image segmentation using TMF and belief propagation

To solve the problem that the traditional statistical inference approach for the triplet Markov fields (TMF) model cannot balance segmentation accuracy and computational efficiency, an efficient statistical inference approach for the TMF model using belief propagation is proposed, and then applied to unsupervised synthetic aperture radar (SAR) image segmentation. The algorithm combines the TMF model and the statistical property of the SAR image, and translates the segmentation problem into maximization of the posterior marginal (MPM) estimation. For the two label fields in TMF, the belief propagation algorithm is generalized to the bivariate case to estimate the joint posterior marginal probability of the two label fields through message passing. The two label fields can be simultaneously estimated according to the MPM criterion. Experiments on both simulated and real SAR images demonstrate that the proposed algorithm can efficiently suppress the influence of the speckle, and obtain accurate segmentation results with a reasonable computational cost.     

多维度动态增强核磁共振乳房区域全自动分割

提出了一种基于乳房水平面与乳房矢状面相结合的多维度DCE-MRI乳房图像全自动分割方法。方法分为3部分,即基于乳房水平面的分割,基于乳房矢状面的分割,以及水平面与矢状面相结合的分割方法。首先,基于水平面的分割方法通过阈值确定乳房外边缘,经过梯度算法后,根据乳房与胸大肌分界面的特点设定约束条件,得到分界面的分割曲线。其次,基于乳房矢状面的分割方法使用双边滤波、边缘提取法对图像预处理,分区计算分割曲线。最后,矢状面的分割结果根据图像三维大小按比例映射到水平面上,将两者的分割结果结合,然后根据相邻图像之间的相关性,从而进行优化,输出分割结果。通过对24例DCE-MRI病例测试,与手动分割得到的结果对比,平均重叠率为93．33％,平均差异度为8．14％。     

基于灰度化权值调整的水下彩色图像分割

针对传统自适应阈值法在水下图像分割过程中存在目标与背景粘连等问题,提出一种基于灰度化权值调整的水下彩色图像分割方法。区别于传统阈值分割方法中灰度化权值固定且研究如何确定合适阈值的思路,研究灰度化权值调整方法。本文方法利用统计得到的图像灰度信息来确定不同通道内目标与背景间灰度级差异性的大小,提高差异性较大通道的比例,以增强灰度化后图像中目标与背景的对比度,同时减小差异性较小通道的比例,以降低其对灰度化结果的干扰,对灰度化后的图像进行阈值分割得到最终分割结果。针对水下作业的时序列图像,设计了两步序列图像处理方式来降低耗时。通过4组水下对比实验以及耗时实验对方法的有效性进行了验证。     

基于马尔可夫随机场的非监督声呐图像分割方法

针对声呐图像的特点,提出了一种新的基于马尔可夫随机场(MRF)的非监督声呐图像自动分割方法。研究发现,声呐图像混响区基本上都服从高斯分布,然而,其直方图离散化的分布效果不利于图像的自动分割,因此,通过一种快速有效的高斯金字塔模型对声呐图像进行预处理,使得处理后的声呐图像的海底混响区直方图服从高斯分布。在此基础上提出了一个能够自动确定声呐图像分类个数的模型,并通过该模型结合一种局部能量极值化的方法对马尔科夫模型的初始化参数进行估计,从而形成一种完全自动的声呐图像分割模型。最后,利用该模型对声呐图像数据进行了分割实验,并和其他典型的分割算法进行了比较,验证了该方法的有效性及快速性。     

一种针对灰度非均匀图像的混合分割框架

该文将基于区域的局部和全局活动轮廓技术有机结合起来,给出了一种针对灰度非均匀图像的分割框架。考虑到灰度非均匀特性对图像非轮廓象素点影响较大而对图像轮廓象素点影响较小这一事实,在该框架中引入了图像边缘停止函数来平衡局部和全局灰度信息之间的相互影响。基于该框架,给出了一个具体的实例模型,运用快速的模糊对偶算法获取实例模型的全局最优解。用一组图像进行实验,并通过对实验结果的定量分析,验证了该模型的合理性。     

基于扫描枪的字符二维条码识读算法研究

不同于传统的图像二维条码,字符二维条码由字符组成条码矩阵.字符二维条码可通过扫描枪获取后,因其结构不同于传统图像二维条码,需对字符二维条码进行定位、分割以及字符识别.在扫描枪有限的内存空间和运行速度限制下,开发了字符二维条码的识读算法.提出了基于圆定位符的字符二维条码定位算法,对条码字符进行投影分割后,采用基于特征融合的识别方法实现了字符识别.实验表明:种字符二维条码识读算法能够很好地运行在扫描枪上,快速、准确地实现字符二维条码的识读.     

基于纹理结构异常的织物疵点检测算法研究

提出了一种基于织物纹理结构异常的织物疵点检测算法。首先计算代表正常纹理的主邻域结构图;其次通过比较每个像素的邻域结构图与主邻域结构图的差异来定义该像素的显著性,进而得到显著图;最后采用迭代最优阈值分割方法对显著图进行分割得到疵点区域。试验证明,该算法操作简单、计算速度快、鲁棒性强,具有较强的自适应性。     

一种基于图像边缘的快速模板匹配方法

提出了一种基于边缘的快速模板匹配方法,算法首先把模板二值化,根据传统标记目标区域的方法对二值化后的模板图进行标记,利用八临域判别准则提取各个区域的边界,在匹配时只匹配区域边界上的点,同时设定阈值,若前面n个点与模板图的前n个点的绝对差和超过阈值,则跳过该搜索区域。实验结果表明,不仅减少了匹配计算量,而且能够保证匹配的精确性。     

基于形态重构的豆粒分割算法

在实现大豆图像豆粒的分离时,针对分水岭算法中容易出现过分割等问题,综合利用H-Dome形态学重构以及距离变换改善梯度图局部多个极小值问题,再使用分水岭算法找到粘结边界点,从而将颗粒分离.实验结果验证了此方法的有效性.