基于统计模型组的Markov SAR图像分割

该文首先介绍SAR图像分割的概念,分析了其地物数据的统计特性,在此基础上利用多种模型构成的统计模型组来匹配大幅SAR图像中各类地物的直方图分布,给出了衡量实际地物直方图和假设已知模型匹配程度的检验统计量,以此来选取最优的统计模型组;并提出了基于统计模型组的Markov随机场的SAR图像分割算法,利用Radarsat的实测数据验证了算法的有效性,给出了性能评估结果,并与其它分割方法做了比较。     

基于Contourlet域图谱聚类和多尺度Markov模型的多光谱遥感图像分割

针对多光谱遥感图像的特点,结合图谱聚类、Co ntourlet系数分布的统计特性和多尺度Markov模型, 提出了一种基于Contourlet域图谱聚类和多尺度Markov模型的分割(CSCMMS)方法。首先对 待分割图像进行Contourlet变换,利用图谱聚类对最粗尺度低频图像聚类得到可靠的初始分 割结果;然后 利用互信息构造Contourlet域的多尺度Markov模型,结合多尺度、多方向的图像信息将低频 图像的初始分 割结果逐尺度传递到最细尺度,得到原始图像的分割。对合成图像和多光谱遥感图像的实验 结果表明,提 出方法在边缘信息保持和噪声敏感性上具有明显改进,错分率和运算时间进一步降低。     

一种基于Wedgelet的SAR图像多尺度快速分割方法

由D．Donoho等人提出的能有效捕获图象的几何结构，但基于变换的多尺度分割算法在楔形方向的选择上需要计算所有分解楔形系数，且没有利用上层分解的结果，计算量特别大。从图像的几何结构出发，在图象四分树的基础上加以楔形区域分割，对于矩形区域的楔形方向选取上建立了多分辨分析算法，在上层分割的基础上，只需计算八个方向的Wedgelet，而不是所有的方向，既避免了窗口初始化，降低了分割过程特征抽取的复杂性，减少了迭代次数。经试验比较，该方法优于同类方法。     

基于自组织网络的SAR遥感图像的多尺度分割

基于多尺度信息特征和混合模型,将自组织混合网络(SOMN)应用于合成孔径雷达(SAR)图像的分割.首先对SAR图像的多尺度序列进行多尺度随机建模,以此进行多尺度特征提取;然后对其建立混合模型,并经过SOMN进行学习研究得到混合模型的参数;最后再利用Bayesian分类器,对SAR图像进行分割.实验结果表明,本文方法能够充分地利用SAR图像多尺度序列中不同类型地形的统计信息,进而明显地改进了图像的分割质量.     

基于改进Markov随机场的高分辨率SAR图像建筑物分割算法

提出了一种基于改进Markov随机场模型的高分辨率SAR(Synthetic Aperture Radar,合成孔径雷达)图像建筑物分割算法.针对高分辨率SAR图像信噪比低和建筑物复杂纹理特性的特点,采用多尺度Markov随机场模型的最大似然准则方法获取图像的初始分割,并在传统Markov邻域能量模型基础之上提出一种新的基于Gabor纹理相似度的邻域势函数模型,采用ICM(Iterative Conditional Model,迭代条件模型)算法进行建筑物分割.多组实际高分辨率SAR图像的实验结果表明,与传统MRF算法等方法相比,本文方法具有更高的分割正确率,同时建筑物边界更为清晰平滑,分割效果较好.     

基于小波域多状态隐马尔科夫树模型多尺度文本图像分割

该文基于小波域多状态隐马尔科夫树（HMT）模型，引入一种新的文本分割方法。该分割方法是在H.Choi et al.(2001)工作的基础上，将文本按纹理分为背景、文字与图片3种类型，分别建立多状态HMT模型。另外，基于平滑图像将上述方法又作了进一步的改进，引入了多状态IHMT分割方法，最后通过实例阐明了方法的有效性。     

基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

基于可Markov分割混沌系统的图像加密算法

为了设计复杂度高、安全性好而计算代价小的图像密码算法,该文从一类新的具有Markov分割性质的混沌系统出发构造了此算法。首先,通过控制此混沌系统的参数并配合时空混沌系统设计了一个密钥流发生器;然后,利用真随机数发生器产生的随机数来扰动系统的初始密钥,以动态生成图像的置换矩阵和加密密钥流;最后,通过利用不同群中的加法混合运算构造扩散函数以增加破译复杂度,以两轮迭代完成了图像加密过程。实验结果表明,此混沌系统产生的密钥流序列有比较好的统计特征,该算法可以破坏原始图像的特征,使得密文图像难以辨识。进一步分析可知,该算法可以很好地抵抗差分分析等其它已知攻击,效率高于一些基于超混沌系统设计的密码算法。此外,此算法计算简单,安全性高,易于实现,具有良好的应用前景。     

一种基于Markov过程和证据理论的多源图像融合分割方法

文章从多传感器图像的属性研究出发，提出图像分割的新概念。建立图像邻域系统的Markov过程和基于Markov过程的Dempster-Shafer融合分割模型。并充分利用象素间的空间邻接关系。用证据理论描述图象分类的不确定性，较好地解决了传感器图像分割信息不全的问题，实现了景物图像的准确分割。     

基于多尺度多结构元素的肝脏图像分割

提出了一种基于多尺度形态滤波的多结构元素的肝脏CT图像分割方法.首先,利用肝脏先验知识预测肝脏位置,执行多阈值法简化原图.然后,通过递归多尺度形态滤波和区域标记得到肝脏初始轮廓.最后,构造5个不同方向的结构元素并结合它们的多尺度形态学检测肝脏边缘.为验证本算法的正确性和通用性,选用了不同形状的肝脏图像进行实验.结果表明本文算法能够成功地完成肝脏分割.     

基于MAR-MRF的SAR图像分割方法

该文提出了一种基于多尺度自回归模型和马尔科夫随机场的SAR图像分割算法。算法引入多尺度自回归模型,建立层与层之间以及相邻层的像素点之间的数学关系,并将此模型与马尔科夫分割算法结合,实现了更为合理的多尺度分割策略。通过相邻尺度的依赖关系及同一尺度空间的马尔可夫性,使用多尺度自回归模型的预测结果来引导精细尺度图像分割,不仅使得最细尺度下的分割迭代次数减少;而且去除了最细尺度下多余的误分类斑块;同时还能够分割出清晰、平滑的目标边界,实现了较满意的SAR图像分割。     

基于自适应窗口固定及传播的 多尺度纹理图像分割

 本文提出一种基于自适应窗口固定及传播的多尺度纹理图像分割方法,在小波域隐马尔科夫树模型(WHMT)的初始分割基础上,根据分割粗尺度上的区域一致性好,细尺度上的边缘准确的特点,利用上下尺度像素之间以及本层邻域像素的马尔科夫性,标记出图像的一致性区域和边缘区域,将一致性区域固定,类标直接下传到下一尺度,边缘区域则利用邻域信息确定出上文权值背景传播到下一尺度,与下尺度一起共同指导图像分割,从而很好的保持了区域均匀性和边缘准确性.同时根据纹理图像区域聚集性的特性,利用基于多项式展开和置信区间交叉(LPA_-ICI)方法找出各类区域聚集的物理位置中心,融入上下文权值背景中,使得指导分割策略能够更好的进行.实验表明,对于合成纹理图像来说,本文提出的多尺度融合算法在均匀区域内部及区域边界都大为改善,而且无须进行参数的训练,使算法快速的完成.     

一种基于简化PCNN的自适应图像分割方法

近年来的研究表明,脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)可有效地用于图像分割.然而对于不同图像,常需要选取适当的网络参数,以得到有效的分割结果.但是,目前网络参数的选取还主要停留在人工调整和确定阶段,尚无一种能够根据图像本身特性自动确定参数的方法,这在很大程度上限制了PCNN的应用.针对这一问题,本文提出了一种基于简化PCNN的自适应图像分割方法,通过利用图像本身空间和灰度特性自动确定网络参数,实现对不同图像的分割.实验结果表明,本文算法可以有效地对不同图像进行自动分割,具有一定的健壮性.     

基于改进小波域隐马尔可夫模型的遥感图像分割

该文提出了一种基于改进小波域隐马尔可夫树(HMT)模型进行图像分割的方法。该方法利用基于希尔伯特变换对的二维方向小波,这种小波变换具有平移不变性、方向检测性好的特点。同时该方法还利用拓展HMT对该改进小波域中尺度间的小波系数相关性进行建模,并结合多背景融合技术进行遥感图像的分割,得到了优于已有文献的分割结果,而且与同类算法相比,降低了算法所需的计算量。     

一种基于马尔可夫随机场的SAR图像分割新方法

该文提出了一种基于马尔可夫随机场(MRF)的合成孔径雷达(SAR)图像分割新方法。在传统MRF的邻域基团势函数基础上,引入了图像邻域中各个像素的强度差值以及像素之间的距离因子,使SAR图像中空间上下文信息得到了更加充分的利用。根据贝叶斯定理将图像分割问题转化为最大后验概率的求取问题,运用迭代条件模型(ICM)算法求得最大后验概率的解。在实验中,将该文提出的方法、传统上使用ICM以及模拟退火(SA)优化方法的MRF分割运用于模拟的SAR图像以及真实SAR图像。比较结果证明,该文的方法在误分率以及抗噪性上更具优势。     

基于最大熵和PCNN的图像分割新方法

针对脉冲耦合神经网络(PCNN)无法确定最优分割以及脉冲门限具有非线性因子的问题,提出了一种基于最大熵和脉冲耦合神经网络的新型图像分割算法.该算法采用线性方式动态调整脉冲门限,采用最大熵确定PCNN网络的循环迭代次数,并引用均值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.     

一种概率自适应图像去噪模型

从小波变换入手,提出了一种概率自适应去噪模型.该模型包括尺度层间模型和层内模型.去噪方法首先利用小波域层间模型,将小波系数分成两类:有意义系数和无意义系数;然后在层内概率模型下运用最大后验概率估计方法,从有意义系数中恢复出原始系数.我们还将这种模型引入复数小波变换域.实验结果及分析表明了该去噪模型的有效性.     

基于边缘信息测度的自适应分块DCT压缩算法

提出了一种基于边缘信息测度的四叉树自适应分块的DCT压缩算法。该方法首先对原始图像建立的边缘信息测度图进行四叉树分块，继而根据分割好的各个块的大小和块内包含边缘点的多少来进行不同压缩比的：DCT压缩编码。尺度大的块内压缩比较高；尺度小的块内压缩比相对较低.计算机模拟实验证明，单位bit恢复信噪比(SNBR)比非自适应法提高了30％。     

特殊靶标图像的Otsu自适应双阈值分割法

针对特殊管道弯曲度测量光斑的高精度定位要求,提出了一种特殊靶标图像的Otsu自适应双阈值分割法。介绍了基于准直激光管道弯曲度测量原理,先对特殊靶标图像进行处理,然后对整个图像灰度分布统计特性进行计算,建立起计算自适应双阈值的数学模型,从而实现特殊靶标图像自适应双阈值分割。实验结果表明,该方法具有较强的稳定性、实时性好、靶标图像分割效果较好,提高了光斑的定位精度。     

Markov随机场方法在灰度图象恢复中的应用

本文在叙述了Markov随机场（MRF）及Gibbs随机场的基本概念之后，综述了这种随机模型在灰度图象的恢复中的应用，其中包括模型的选择，及使用最大后验（MSAP）估计方法进行图象恢复。最后对给出的实例进行了计算，对使用不同的MRF模型及计算方法的恢复结果进行了对比。