基于模糊均值聚类算法的图像分割

将图像直方图统计特性引入到FCM聚类算法的目标函数中,用混合粒子群优化算法对目标函数进行全局最优求解,提高了图像分割的运算速度。     

结合峰值检测的高噪声图像快速聚类分割方法

针对高噪声污染图像,提出一种结合峰值检测算法的快速聚类分割方法(FC-ImSeg)。根据平行线投影分割算法将二维直方图映射到一维空间,利用峰值检测算法检测图像像素点的聚类结果,调整映射模型的平行线宽度,使直方图符合双峰分布特性,最后利用加权模糊c均值聚类算法实现图像的分割。实验结果证明了该方法是快速有效的。     

Otsu算法在Canny算子中的应用

Canny算子应用于细胞图像分割,只要选择适当的参数就可以取得好的分割效果。在分析细胞图像直方图后,利用类间方差最大化阈值分割算法(Otsu)可以实现Canny算子中门限值的自适应选择。试验结果表明,Otsu算法应用于Canny算子中的门限选择,改善了算法在细胞图像中的分割效果,提高了算法的自适应性能。     

空间关联与多子区规范化梯度方向直方图的 异源图像匹配

提出一种基于稀疏空域分割与梯度方向直方图的异源图像匹配方法。将图像分为多个子区,计算每个子区的梯度方向直方图;计算直方图的汇聚度,并根据汇聚度计算直方图相似性;采用两步搜索法,寻找与基准图中与实时图直方图相似度最高的窗口即为正确匹配结果。采用仿真图和真实异源图像对算法进行了测试,结果表明,这种方法能够可靠快速实现异源图像匹配。     

红外目标分割方法研究

红外目标分割算法对红外目标检测、跟踪具有非常重要的价值。本文利用背景和目标灰度特征,提出一种实现红外目标有效分割的方法,克服红外目标内部温度不稳定造成的误分割问题。本文方法首先采用基于灰度-显著度最大相关准则的二维直方图分割算法进行图像分割;然后,在分割后二值图上进行基于随机种子点选取的区域增长,提取背景;最后,采用形态学方法优化分割结果。相对传统的红外目标检测算法,这种算法具有更好的抗干扰能力,更强的鲁棒性。不仅可以应用于红外图像的目标分割,而且可以应用于其他类似的目标分割问题。     

基于DSP的各向异性扩散滤波算法优化实现

基于各向异性扩散的图像滤波算法可以在有效抑制图像噪声的同时较好地保持边缘细节,但复杂的算法很难满足系统实时性要求.采用基于直方图的统计方法来确定图像各向梯度模值数组的中值,有效提高了确定图像梯度阈值算法的效率.针对ADSP-TS201的结构及指令特点对算法进行了优化实现,较好满足了系统实时性的要求.     

航拍图像车辆检测中的圆形滤波器HOG特征快速计算

航拍图像中车辆一般近似为矩形结构,因此通过统计检测窗口中的梯度方向直方图并根据梯度主方向估计车辆朝向,将检测窗口旋转到相应方向进行分类器判别。车辆检测采用级联boosting分类器和梯度方向直方图特征,针对旋转窗口中梯度方向直方图特征的计算,设计一种基于圆形滤波器的梯度方向直方图特征。与传统基于积分直方图的梯度方向直方图特征提取方法相比,显著提高了旋转窗口中梯度方向直方图特征的计算效率,在计算每个像素的梯度时采用查找表代替梯度向量的求模和角度计算也减小了计算量。使用真实图像进行的实验表明,该车辆检测算法快速高效。     

结合分割和改进SIFT的不同波段SAR图像配准

针对不同波段SAR图像配准问题,提出一种结合阈值分割和改进SIFT描述子的配准方法。该方法首先基于改进的二维交叉熵进行图像分割,通过形态学处理获得图像的稳定区域;然后利用Sobel算子改进特征点梯度幅值和方向的计算,并通过优化的梯度位置方向直方图(GLOH)特征生成新的关键点描述子;最后采用距离比和快速抽样一致(FSC)算法获得最佳匹配点对,完成图像配准。实验结果表明,该方法在提升算法效率的同时,可以获得较高的配准精度。     

基于局部特征及最佳量化的Quantum TV算法

量化TV算法是一种量化的全变差正则化算法,滤波后的图像取值为一定数量的量化数值,其主要应用为二值图像恢复、图像量化及图像分割等。图像的不同部分灰度变化程度不同,需要不同的量化等级数;不同的直方图分布下,根据不同的原则,存在不同的量化等级。根据上述原则对量化TV算法进行了改进,实验结果说明了改进算法更适用于图像量化。     

基于多维直方图的mean shift运动目标跟踪算法

讨论了一种红外图像序列的运动目标跟踪算法.以mean shift为核心,即在连续图像序列中对比运动目标的直方图.在可见光的视频中,利用目标的颜色直方图进行跟踪.在前视红外图像序列中,直方图由像素值和高通滤波后的值共同构成.为较好地处理非线性非平稳信号,引用LMS自适应滤波可以对目标的位置做出合理的估计,以维持对目标的正常的检测跟踪.     

融合改进区域生长和图割理论的SAR图像分割

结合合成孔径雷达(synthetic aperture radar,SAR)图像生成特点,提出了一种融合改进区域生长和图割理论的SAR图像分割方法。该方法利用SAR图像成像机理的统计特性,给出了一种区域生长的新准则,用于获取SAR图像初始分割;然后以初始分割区域为顶点、区域间相似度为边权构建一个赋权无向图,运用采用全局信息的最小图割方法(minimum cut,MCut)进行区域合并,获得最终分割结果。新方法具有在图像分割过程中融合了图像的局部信息和全局信息的优点。实验结果表明了新方法的有效性。     

基于LabVIEW Vision的雨雾环境下景象匹配末制导图像处理技术

为了增强雨雾环境下景象匹配末制导的精度,利用LabVIEW Vision机器视觉技术,结合灰度直方图分析、单分量图像提取、灰度形态学变换、LUT查询表变换以及最大熵阈值分割的图像处理技术,将导弹摄像头拍摄的图像信息进行相关处理,得到了清晰的目标图像。试验表明:基于LabVIEW Vision的图像处理效果较好,满足雨雾环境下景象匹配末制导的精度要求。     

基于“粗割-细割”方法的装甲目标图像分割

图像分割是图像处理中的一项关键技术,在图像工程中占据着重要的位置.常见的分割算法包括阈值分割方法、边缘检测方法和结合特定理论工具分割方法.利用“粗割-细割”方法,以装甲目标图像为例,用MATLAB7.0图像处理软件,进行了仿真研究.结果表明,利用“粗割-细割”方法使装甲目标图像进行了有效的分割.     

SAR图像阴影区域分割技术及其评估准则

提出了一种阈值化技术与形态学方法相结合的SAR图像阴影区分割方法.该方法首先通过寻找图像平均强度最小的子区域对阴影区域进行初始分割,之后进行图像翻转、阚值化处理,最后利用形态学处理消除虚假像素,进行简单的连通性滤波,实现阴影区的自动分割.给出了3种图像分割评价准则,并基于计算机仿真和图像分割评价准则验证了该阴影区分割方法的有效性.     

基于区域阈值的图像分割方法研究

图像分割是图像识别中的关键一步,分割结果的好坏直接影响到识别结果.介绍了图像分割的概念和详细的定义,对各种典型的基于区域阈值的图像分割法进行了深入的分析研究,并利用Matlab编制了图像分割程序,对一个典型的图像进行了处理验证,得出了有效的结果,可为目标特征的提取奠定较好基础.     

一种基于差值直方图的自适应可逆信息隐藏方案

利用公共网络进行保密数据的隐蔽传输是网络情报战的核心内容,利用一般自然图像相邻像素之间灰度值的强相关性,基于差值直方图和直方图平移,提出了一种可逆的自适应信息隐藏方案.该方案根据待隐藏信息的大小,在满足嵌入容量要求的条件下自适应地选择嵌入的差值位置,以最大程度保障嵌入信息后图像的视觉质量;同时,根据一般自然图像边沿灰度像素数较少的特点,采用位置映射法避免直方图平移过程中可能出现的灰度值溢出问题.实验结果表明,自适应方法较固定位置嵌入法能提供更大的嵌入空间和更高的图像信噪比.     

一种基于柔性形态学的红外图像分割方法

红外成像制导导弹的图像分割是图像处理中的重点和难点之一.提出了一种基于柔性形态学的红外图像分割算法,首先对目标红外图像进行柔性形态运算,然后在此基础之上采用模糊c均值聚类方法将图像转化为二值图像,从而得到比较精确的分割图像.最后,通过计算机模拟实验表明:该方法性能优于传统检测算子,并且具有抑制噪声的功能.此研究对于实现红外图像的稳定跟踪具有一定的应用价值.     

扩展时差直方图方法研究

论述了扩展时差直方图的原理和基本方法 ,以三站时差定位系统为例 ,介绍了基于参数分割的扩展时差直方图方法的应用 ,并与传统的时差定位系统信号处理方法进行了比较 ,指出扩展时差直方图方法实现实时处理的有效途径     

基于相似性传播聚类的灰度图像分割

基于k-Means等聚类算法的图像分割对聚类中心的初始选择敏感,可靠性差.为避免初始聚类中心选择的影响,将相似性传播聚类用于灰度图像分割.另外,为降低该聚类算法输入相似度矩阵的计算时间复杂度.提出用待分割图像中出现过的灰度值代替像素点作为数据点进行聚类.实验结果表明,与基于k-Means聚类的分割算法相比,该算法不需要预设聚类中心,可靠性更高.     

融合对数极坐标和改进窄带法的图像分割方法

基于曲线演化的水平集算法近来已被广泛应用于图像分割中,针对其计算速度慢的问题,提出一种新的基于改进窄带法的图像分割方法INBM(Improved Narrow Band Method).INBM首先将均匀采样的图像映射到对数极坐标系中,由视网膜空间分辨率机制可知,注视点都在图像兴趣区,由此形成初始轮廓,然后用改进的窄带水平集(Level Set)方法演化曲线得到最终分割结果.改进窄带法是通过降低窄带区域内的水平集函数求解个数,来减少计算时间.实验结果表明,该方法大大提高了图像分割的速度.