基于最小生成树的二维图像深度分配

随着三维视频资源需求的增长,二维转三维(2D-3D)转换技术成为三维(3D)图像处理技术研究的焦点.由于2D视频中没有包含深度信息,2D-3D转换技术的关键在于2D视频中深度信息的提取.提出一种基于最小生成树的二维图像深度分配方法.利用最小生成树的方法对图像进行分割,然后先验理论对分割区域进行深度分配以产生合适的深度图像.最小生成树的方法不需要设置较多参数,对于不同场景的图像有较强的自适应性,而且最小生成树算法具有算法简单,运行速度快的优势.     

基于小波域的多尺度非参数图像分割方法

主要介绍了一种基于信息熵理论及图像多尺度信息来对图像进行非参数主动轮廓模型分割的有效方法.由于小波多分辨率特性的引入,可以最大程度地利用图像多尺度信息以确保分割的准确性和完整性.又由于小波变换的特性,低频信息的使用更是进一步降低了噪声影响.文中把图像分割问题定义为在分割区域边缘长度满足一定约束条件下,图像标记场与各个尺度图像像素值之间的互信息熵最大化过程.该方法可以有效地降低噪声对于分割的影响,及确保分割的准确性和完整性.     

修正主成分分析及其在车牌定位中的应用

车牌照识别技术是现代智能交通的重要组成部分.为了从彩色图像中定位及分割出汽车牌照,将图像中每一个像素点的红、绿、蓝值看成三维空间中的点(r,g,b),采用主成分分析对含牌照的彩色图像进行正交变换得到(r′,g′,b′),分别以r′,g′,b′作为灰度值得到三个主成分图像,牌照信息体现在第二主成分图像中.为了进一步提高车牌定位效率,对正交变换矩阵进行了修正,对修正后的第二主成分图像进行二值化,分割出白色区域即可定位出汽车牌照.实验表明,本算法对噪声不敏感,抗干扰性强,识别效率高.     

低分辨率医学图像的多图谱分割方法

基于多图谱的图像分割方法因其分割精度高和鲁棒性强,在医学图像分割领域被广泛研究,主要包含图像配准和标签融合两个步骤.目前对多图谱分割方法的研究通常都是在图谱图像和待分割目标图像具有相同分辨率的情况下展开的.然而,由于受图像采集时间,采集设备等影响,临床实践中采集的影像大多是低分辨率数据,使得目前在影像研究中广泛使用的方法无法有效应用于临床实践.因此,针对这一问题,我们结合图像超分辨率恢复方法,提出了精确鲁棒的低分辨率医学图像的多图谱分割方法,实验结果显示提出的方法显著地提高了多图谱分割方法的分割精度.     

基于小波边缘刻画与LBF水平集变分模型的图像分割

本文研究了基于水平集的图像分割的问题.利用小波变换的方法,构造出图像边缘刻画函数,引入到LBF水平集分割变分模型中,获得了基于小波变换的WLBF模型,同时给出了WLBF模型的数值求解算法.针对不同情景下的典型灰度图像,给出了图像分割实例,推广了LBF模型及算法,实验结果证明WLBF模型及算法对图像分割的有效性.     

手部软组织红外热像图处理与K-L变换分析

首先对手部软组织的红外热像图进行图像处理,包括灰度化、降噪、增强、分割,其中图像分割采用Otsu算法选择适当的阈值,从而将目标图像与背景分割.然后将处理后图像的像素值代入K-L变换,得到样本的特征空间,将所有样本都投影到该特征空间得到投影系数.最后利用欧式距离公式,最终判断手部软组织的病变情况.     

图像校准中的多元样条方法

图像校准是将两两具有公共部分的一组图像通过变换合成到同一个图像的过程.通常这组图像可以是从不同时间、不同传感器(成像设备)或不同条件(气候、亮度、摄像位置和角度等)下获取的.基于任意三角剖分上的多元样条函数,本文提出了图像配准的一种新方法.实验结果表明,与目前国际上流行的其他图像校准方法相比,本文方法计算简单并且得到的合成图像具有更为自然的边界过渡.     

基于混合单纯形算法的模糊均值图像分割

针对模糊C均值算法用于图像分割时对初始值敏感、容易陷入局部极值的问题,提出基于混合单纯形算法的模糊均值图像分割算法.算法利用Nelder-Mead单纯形算法计算量小、搜索速度快和粒子群算法自适应能力强、具有较好的全局搜索能力的特点,将混合单纯形算法的结果作为模糊C均值算法的输入,并将其用于图像分割.实验结果表明:基于混合单纯形算法的模糊均值图像分割算法在改善图像分割质量的同时,提高了算法的运行速度.     

基于小波与齐次Besov空间的图像分割算法

从具有全局最优解的几何活动轮廓方法出发,分别提出了两种基于齐次Besov窄间与小波变换的图像分割算法,并给出了解的存在性证明.数值求解利用小波软阈值以及分裂Bregman方法,能够有效提高计算效率.由于小波变换具有多分辨特性,对于包含较多细节信息的图像,采用新算法能够得到更好的分割效果.数值实验表明采用新算法能够获得较...     

多幅图像恢复有高光和阴影物体的三维表面

提出一种在多光源下多幅图像来恢复有高光和阴影物体三维表面的方法.对有高光和阴影图片恢复物体的三维表面,物体表面可以认为是L am bertian模型加上高光阴影区域的混合模型.