一种计算任意形状封闭区域面积的新方法

在图像模式识别中 ,面积是很重要的特征。提出一种计算面积的新方法 ,利用Freeman链码矢量分析 ,对边界像素标注综合处理 ,再进行边界像素坐标加权求和计算 ,求得目标面积 ;该方法与原有计算面积的方法相比 ,该方法实现简单 ,计算量小 ,结果准确     

邻域灰度差加权的模糊C均值聚类图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点.但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想.提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求.     

基于人眼视觉特性的盲图像质量评价

文中针对含噪图像的质量评价,提出一种基于人眼视觉特性的盲图像质量评价算法。利用人类视觉系统的对比度敏感函数对空间域的噪声检测结果进行加权,得到符合主观评价结果的盲图像质量评价值。利用L IVE图像库的评价图像和主观评价值对算法进行了仿真验证。仿真实验结果表明,该方法具有无参考、运算复杂度低、主客观评价较一致等特点。     

层次聚类算法和基于图的分割算法相融合的图像分割算法

基于图的分割算法（Graph-Based Segmentation,GBS）算法）是由Felzenszwalb和Huttenlocher提出的经典的图像分割算法之一,但其分割结果中存在明显的欠分割现象。为此,在GBS算法的基础上引入层次聚类（Hierarchical Clustering,HC）算法,构造出一种解决GBS算法欠分割的方法,同时采用多线程并行处理数据的方式,有效改善了传统层次聚类算法的处理速度。该方法在RGB彩色空间中使用GBS算法得到图像中每个像素点的初始分割结果,并提取出每一类区域中的像素值,对其进行层次聚类,得到每一类区域中像素值的类别标签,根据层次聚类所得到的类别标签和预设的类别范围,修改每个像素点的初始分割结果。最后根据区域合并准则,生成一个新的分割图。经实验表明,该方法与Kmeans-SLIC(simple linear iterative clustering)算法和GBS算法等相比,很好地解决了欠分割现象,并产生了分割精度较高的语义分割图。     

基于自相关的匀速运动模糊尺度参数识别

运动模糊图像复原主要取决于点扩散函数(PSF)的确定。对于匀速直线和匀速旋转运动模糊图像,运动方向和模糊尺度决定了PSF,是重要参数。根据模糊图像的像素点具有高度相关的特性,采用差分和自相关等技术,精确确定模糊尺度,为图像复原提供必要参数。仿真实验验证了该方法的正确性和有效性。     

红外图像人脸识别方法

红外成像具有抗干扰性强、独立于可见光源、防伪装、防欺诈等优点,这使得红外图像人脸识别可在很大程度上弥补可见光人脸识别技术的缺陷和不足,是今后人脸识别研究的一个重要方向。在深入分析红外人脸图像特性的基础上,研究了红外图像人脸识别的特点,并提出了一种新的红外图像统计人脸识别方法。实验结果表明,这种识别方法不论从理论上还是从实验上都是可行的,具有良好的识别能力。     

复杂自然背景中人造目标的分割研究

在以自然景物为背景的图像中,分形维数特征是一种能有效将人造物体从自然背景中分割出来的一种纹理特征.提出了一种基于Gabor滤波器及差分盒维数的分形纹理特征提取方法,该方法依据不同的滤波器尺度分别采用不同尺寸的滑动窗口来计算分形纹理特征.并利用FCM方法实现了对图像的分割.实验表明该方法能很好地对真实自然背景的图像进行分割,并能由此获得人工目标的轮廓图像.     

灭雷具图像声纳可视化仿真方法

介绍了一种灭雷具上高分辨率图像声纳对目标成像显示的计算机可视化仿真方法.此方法不是针对为声纳硬件的研制或调试而提供计算机辅助设计,而是从为部队官兵提供模拟训练平台的角度出发,提出一种数学模型和物理模型相结合的建模思路.同时也简单地介绍了仿真系统中三维海底地形和目标的数据模型.     

马尔可夫随机场中应用蚁群系统的红外图像分割

利用蚁群系统(ACS)的信息正反馈和启发式的搜索特点,针对马尔可夫随机场(MRF)图像模型的局部相关特性和最大后验概率(MAP)估计,可以在较短时间内得到图像分割目标函数的全局最优解,从而可以避免传统模拟退火算法的庞大时间复杂度.通过对军用红外图像的分割实验,可以看出这种算法能够在抗噪声、保留目标边缘和降低时间复杂度方面得到较满意的结果.     

基于平稳小波变换的遥感图像融合方法

针对目前方法在多光谱图像和高分辨率图像融合中存在的问题,提出了一种IHS交换和平稳小波变换相结合的图像融合方法.首先对多光谱图像进行IHS变换后,得到I、H和S三个分量,接着对I分量和高分辨率图像进行基于平稳小波变换的图像融合,得到一幅新的强度图像,最后用新的强度图像和H及S进行IHS反变换,进而获得最终融合图像.实验表明,它优于传统的IHS变换法和小波变换法.