基于水平集的闪光照相图像分割算法

针对Chan-Vese(C-V)模型局部控制能力差的缺点,将基于区域的C-V模型和分割曲线的局部信息结合起来,提出了一种新的水平集图像分割算法。该算法以C-V法的分割曲线为初始曲线,以获得全局收敛性,在后继分割中引入分割曲线的局部信息,以提高模型对图像中微弱信号的分割能力。对闪光照相图像的数值实验表明,该算法噪声抵抗能力强,对初始轮廓位置不敏感,能实现对含细长拓扑结构和微小孔洞的弱边界闪光图像的自动分割。     

基于水平集的闪光照相图像分割算法

针对Chan-Vese(CV)模型局部控制能力差的缺点,将基于区域的CV模型和分割曲线的局部信息结合起来,提出了一种新的水平集图像分割算法。该算法以CV法的分割曲线为初始曲线,以获得全局收敛性,在后继分割中引入分割曲线的局部信息,以提高模型对图像中微弱信号的分割能力。对闪光照相图像的数值实验表明,该算法噪声抵抗能力强,对初始轮廓位置不敏感,能实现对含细长拓扑结构和微小孔洞的弱边界闪光图像的自动分割。     

基于马尔可夫随机场的改进Metropolis混凝土CT的图像分割方法

提出一种基于马尔可夫随机场改进的Metropolis模拟退火算法.该算法中阈值α的选取优化了Metropolis算法.根据Beyes理论将图像分割问题转化为最大后验概率求取问题,并给出了参量预测算法.在实验中,将本文提出的算法与ICM、传统的Metropolis和Gibbs采样模拟退火算法进行比较.结果表明改进的Metropolis算法在图像分割效率和分割准确度上都有明显的提高.通过混凝土CT图像分割实验,改进Metropolis的应用能够较完整地反映出混凝土材料的内部结构和缺陷.     

基于马尔可夫随机场的改进Metropolis混凝土CT的图像分割方法

提出一种基于马尔可夫随机场改进的Metropolis模拟退火算法.该算法中阈值α的选取优化了Metropolis算法.根据Beyes理论将图像分割问题转化为最大后验概率求取问题,并给出了参量预测算法.在实验中,将本文提出的算法与ICM、传统的Metropolis和Gibbs采样模拟退火算法进行比较.结果表明改进的Metropolis算法在图像分割效率和分割准确度上都有明显的提高.通过混凝土CT图像分割实验,改进Metropolis的应用能够较完整地反映出混凝土材料的内部结构和缺陷.     

基于贝叶斯准则的闪光照相图像重建

 针对闪光照相图像低信噪比的特点,研究了一种带约束的贝叶斯图像重建算法,较好地抑制了噪声对重建结果的影响,同时对细节信号具有较高的保持能力。该算法以贝叶斯重建为基础,在重建过程中考虑了闪光照相图像的受模糊影响比较严重的特点,引入了重建结果具有平滑性的先验信息进行约束,以提高重建结果的信噪比。通过在迭代过程中对重建结果进行平滑性约束以提高重建质量。数值模拟结果表明,该方法在闪光照相图像重建中具有较好的抗噪能力和边界保持能力。     

基于贝叶斯准则的闪光照相图像重建

针对闪光照相图像低信噪比的特点,研究了一种带约束的贝叶斯图像重建算法,较好地抑制了噪声对重建结果的影响,同时对细节信号具有较高的保持能力。该算法以贝叶斯重建为基础,在重建过程中考虑了闪光照相图像的受模糊影响比较严重的特点,引入了重建结果具有平滑性的先验信息进行约束,以提高重建结果的信噪比。通过在迭代过程中对重建结果进行平滑性约束以提高重建质量。数值模拟结果表明,该方法在闪光照相图像重建中具有较好的抗噪能力和边界保持能力。     

闪光照相图像缺陷消除方法

 介绍了一种检测闪光照相图像缺陷以及消除这些缺陷的方法。在闪光照相实验中,底片图像会出现一些小尺寸的缺陷影响了底片信息的精确提取。根据闪光照相实验中采用完全一样的多张底片接收的特点,提出了一种闪光照相多底片图像的缺陷消除方法。首先对这些底片图像进行精确配准,将这些图像进行简单平均以获得均值图像,利用均值图像与各底片图像的差值获得缺陷图像,然后根据缺陷图像的特点对缺陷进行分割并判断各缺陷的归属。最后根据均值图像与缺陷图像以及缺陷分割与判断结果获得修补后的底片图像。实验结果证明该方法可以有效地消除多底片图像中的各类缺陷。     

闪光照相图像缺陷消除方法

介绍了一种检测闪光照相图像缺陷以及消除这些缺陷的方法。在闪光照相实验中,底片图像会出现一些小尺寸的缺陷影响了底片信息的精确提取。根据闪光照相实验中采用完全一样的多张底片接收的特点,提出了一种闪光照相多底片图像的缺陷消除方法。首先对这些底片图像进行精确配准,将这些图像进行简单平均以获得均值图像,利用均值图像与各底片图像的差值获得缺陷图像,然后根据缺陷图像的特点对缺陷进行分割并判断各缺陷的归属。最后根据均值图像与缺陷图像以及缺陷分割与判断结果获得修补后的底片图像。实验结果证明该方法可以有效地消除多底片图像中的各类缺陷。     

基于自适应准则的闪光照相图像重建

针对闪光照相图像低信噪比的特点,提出了一种自适应的图像重建算法。该算法以代数法(ART)迭代重建为基础,在迭代重建过程中引入了两个权重矩阵,其中一个矩阵用来控制重建过程中的高频分量以保持重建结果的边界;另一个矩阵控制重建结果的平坦区域以提高重建结果的信噪比。通过在迭代过程中更新这两个矩阵来实现图像的自适应重建。数值模拟结果表明,相对于传统的单准则ART重建算法,该方法具有更好的抗噪能力和边界保持能力。     

基于极大似然模型和期望最大化算法的闪光图像重建

针对闪光照相图像低信噪比的特点,研究了带约束的基于极大似然模型和期望最大化算法（ML-EM）的闪光照相图像重建算法。该算法在ML-EM迭代重建算法的基础上,根据闪光照相图像低信噪比的特点及被重建客体具有分段平滑的先验信息,在迭代重建的过程中进行了相应的噪声抑制,抑制了噪声对重建结果的影响,同时很好地保持了客体的边界特征。数值模拟结果表明,基于噪声约束的ML-EM重建算法能取得较好的重建效果。     

Magnetic-resonance image segmentation based on improved variable weight multi-resolution Markov random field in undecimated complex wavelet domain

To solve the problem that the magnetic resonance (MR) image has weak boundaries, large amount of information, and low signal-to-noise ratio, we propose an image segmentation method based on the multi-resolution Markov random field (MRMRF) model. The algorithm uses undecimated dual-tree complex wavelet transformation to transform the image into multiple scales. The transformed low-frequency scale histogram is used to improve the initial clustering center of the K-means algorithm, and then other cluster centers are selected according to the maximum distance rule to obtain the coarse-scale segmentation. The results are then segmented by the improved MRMRF model. In order to solve the problem of fuzzy edge segmentation caused by the gray level inhomogeneity of MR image segmentation under the MRMRF model, it is proposed to introduce variable weight parameters in the segmentation process of each scale. Furthermore, the final segmentation results are optimized. We name this algorithm the variable-weight multi-resolution Markov random field (VWMRMRF). The simulation and clinical MR image segmentation verification show that the VWMRMRF algorithm has high segmentation accuracy and robustness, and can accurately and stably achieve low signal-to-noise ratio, weak boundary MR image segmentation.     

基于小波域马尔可夫随机场模型的压缩传感图像重构

目前在压缩传感重构算法中利用图像的可稀疏性表示先验知识,从比奈奎斯特采样少得多的观测值中恢复原始图像。除了稀疏性之外,邻域系数的相关性也可以作为先验知识加速重构算法收敛。为了克服目前算法中没有利用邻域系数相关性的缺点,提出了基于小波域马尔可夫随机场模型的压缩传感图像重构算法,根据显著性度量对变换系数进行分类得到具有马尔可夫性的初始掩模,利用ICM算法完成掩模优化,实现系数更新,并将算法与未考虑邻域相关性的算法进行了比较。实验结果证明了算法的有效性。     

基于Markov随机场的新型景像匹配算法

为了提高景像匹配导航系统的定位精度,给出了一种基于Markov随机场理论和极大后验概率估计的新型景像匹配算法。考虑到在x方向和y方向位置偏差的实时图与基准图之间的灰度分布关系,利用图像上的灰度分布服从Markvov随机场分布这一特性,建立了景像匹配问题的条件概率分布模型。应用最小二乘法和噪声的先验统计信息估计位置偏差的方差,给出了描述基准图与实时图之间灰度偏差的测量模型,确定了测量的统计特性。基于极大后验概率估计准则计算了位置偏差的估值。由于新算法在计算位置偏差估值时用到了被估量和噪声的统计信息,因此具有很高的精度。将该算法与最小二乘景像匹配算法进行了仿真比较。仿真结果表明,新算法的匹配精度达到了0.1~0.2像素,高于最小二乘匹配算法的匹配精度。     

种基于偏微分方程约束的闪光照相图像重建算法

针对闪光照相图像信噪比低的特点,提出了一种基于偏微分方程基于非线性PDE的约束的图像重建算法,该算法在重建迭代过程中引入了基于非线性PDE的平滑约束来抑制图像噪声,同时保护图像边缘。数值试验结果表明:相比于Landweber和预优约束共轭梯度（PCCG）重建算法,新算法具有更强的抗噪能力和边缘保护能力,是一种更加有效的闪光照相图像重建算法。     

基于约束共轭梯度的高能闪光照相图像复原算法

 针对闪光照相系统模糊较大、成像信噪比低的特点,提出了一种基于约束共轭梯度的闪光照相图像复原算法,将闪光照相图像复原问题转化为一个约束优化问题,引入基于非负、中值滤波和偏微分方程的光滑约束条件,并利用约束共轭梯度法迭代求最优解。数值试验表明,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

一种基于约束共轭梯度的闪光照相图像重建算法

针对闪光照相系统成像信噪比低的特点,提出了正则化预优约束共轭梯度算法（RPCCG）。RPCCG算法在闪光照相重建方程中引入Tikhonov正则化准则,利用预优约束共轭梯度法迭代求图像重建的最优解。数值试验表明,采用最小二乘+平滑准则的RPCCG算法是一种具有较高的抗噪能力的有效闪光照相图像重建算法,具有良好的收敛性和稳定性以及较高的重建精度。     

Generalized ICM for image segmentation based on Tsallis statistics

In this paper, the iterated conditional modes optimization method of a Markov random field technique for image segmentation is generalized based on Tsallis statistics. It is observed that, for some q$q$ entropic index values the new algorithm performs better segmentation than the classical one. The proposed algorithm also does not have a local minimum problem and reaches a global minimum energy point although the number of iterations remains the same as ICM. Based on the findings of the new algorithm, it can be expressed that the new technique can be used for the image segmentation processes in which the objects are Gaussian or nearly Gaussian distributed.     

Image segmentation based on hierarchical belief propagation with variable weighting parameters

The belief propagation (BP) algorithm is an efficient way to minimize the MRF energy for image segmentation. This paper proposes a hierarchical BP algorithm with variable weighting parameters (HBP-VW) to improve the segmentation accuracy of the BP-based algorithms. In the HBP-VW, two variable weighting parameters are introduced, the global parameter and the local parameter. The global parameter is used to overall adjust the influence of each part in the message update rule. The local parameter is designed to describe the local texture pattern for each site. Texture, remote sensing, and nature images are employed to test the proposed algorithm. Experimental results illustrate a better segmentation accuracy compared with other BP-based algorithms.     

基于最大模糊熵和遗传算法的图像分割

为了分割照度不均匀的网格图像,提出了一种基于最大模糊熵和遗传算法的阈值分割方法。基于模糊集合理论,根据像素灰度值把原始图像中的像素分为黑和亮两个模糊集,利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,实现图像分割。由于穷举法搜索模糊参数的最优组合存在计算复杂度高、占用存储空间大等缺点,因此采用了遗传算法确定最优阈值。为了验证该方法的有效性,对其进行了图像分割实验,并与最大类间方差法、迭代法和一维最大熵法进行了比较。实验结果表明,该方法能够自动、有效地选取阈值,分割效果优于其它三种算法,并能保留原始图像的主要特征。