血管内超声图像初始轮廓提取算法的研究

Snake模型在医学图像分割中的应用已经越来越广泛,但在应用该模型时,如何选取合适的初始轮廓是一个难题;在对血管内超声医学图像的研究基础上,提出了一种基于灰度信息与ROI区域的初始轮廓获取方法,根据IVUS图像的灰度特征对其进行自适应阈值分割以及面积滤波,然后获得分割轮廓点集进而得到snake初始轮廓点集;在matlab7.0环境分别对不同类别的2种IVUS图像的中外膜边缘提取进行仿真实验,实验证明该方法获得的初始snake轮廓较为逼近目标真实轮廓且适合于snake模型进行迭代收敛,由于其初始轮廓已较为接近目标真实轮廓,因此节省了snake模型的迭代次数,算法运行效率也优于手工提取初始轮廓的snake方法,可以较为方便的应用于实际领域。     

改进Canny算法的红外人脸图像边缘轮廓提取

红外人脸图像的边缘轮廓特征对于红外人脸检测、识别等相关应用具有重要价值。针对红外人脸图像边缘轮廓提取时存在伪边缘的问题,提出了一种改进Canny算法的红外人脸图像边缘轮廓提取方法。首先通过对引导滤波算法引入“动态阈值约束因子”替换原始算法中的高斯滤波,解决了原始算法滤波处理不均匀和造成红外人脸图像弱边缘特征丢失的弊端;接着对原始算法的非极大值抑制进行了改进,在原始计算梯度方向的基础上又增加了4个梯度方向,使得非极大值抑制的插值较原始算法更加精细;最后改进OTSU(大津)算法,构造灰度-梯度映射函数确定最佳阈值,解决了原始算法人为经验确定阈值的局限性。实验结果表明:提出的改进Canny算法的红外人脸轮廓提取方法滤波后的图像,相较于原始Canny算法滤波处理,信噪比性能提升了34.40%,结构相似度性能提升了21.66%;最终的红外人脸边缘轮廓提取实验的优质系数值高于对比实验的其他方法,证明改进后的算法对于红外人脸图像边缘轮廓提取具有优越性。     

基于人工蚁群的红外图像分割算法

基于人工蚁群的红外图像分割方法利用模糊非线性增强算子作为启发信息,与信息素共同指导蚂蚁的行为。通过蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向分割图像收敛,最后根据信息素分布提取分割结果。仿真和实验表明,该算法对真实图像得到了理想的分割结果。     

基于人工蚁群的红外图像分割算法

基于人工蚁群的红外图像分割方法利用模糊非线性增强算子作为启发信息,与信息素共同指导蚂蚁的行为。通过蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向分割图像收敛,最后根据信息素分布提取分割结果。仿真和实验表明,该算法对真实图像得到了理想的分割结果。     

基于改进的GAC模型图像分割算法

针对图像分割中经典GAC模型无法准确分割拓扑结构变化的凹陷目标、容易穿越深度凹陷的弱边缘轮廓和无法准确分割含噪声目标的问题,通过利用图像灰色关联度、类间方差和经典GAC模型构造新能量函数,提出了一种改进的GAC模型,该模型可增强经典GAC模型的边界检测能力,减少分割时间。仿真实验验证了改进的GAC模型的正确性和有效性。     

基于灰度变换的红外图像实时分割算法

针对高灰度等级红外数字图像提出了一种基于灰度变换的实时分割算法.通过实时分析原始图像中几个小区域的灰度直方图,自动确定分割阈值,将原始图像通过灰度变换实时转换为低灰度等级图像.该算法能够将高灰度等级的红外数字图像实时显示在普通显示器上,并且能够有效抑制背景并保留目标灰度信息.由于变换后的图像灰度等级较低而且背景及噪音信息较弱,极大地提高了红外跟踪器的性能.     

改进的多分辨纹理图像分割算法

提出了一种改进的有监督纹理图像的分割算法。基于实际纹理图像是分割图像叠加了不规则噪声的假设,用被污染的高斯分布描述待分割的图像,并且利用多分辨模型得到代分辨层上的模型参数,从而实现由粗到细直到纹理图像的每个像素的分割。另外在禽域关联为先验信息利用上更为合理。所以这种方法不仅计算量小,而且分割结果也较为精确。     

基于区域检测与非下采样轮廓波变换的红外与彩色可见光图像融合

针对灰度图像融合的分辨率低及现有的彩色图像融合方法融合的图像色彩不自然、不符合人的视觉感受的特点,在此提出一种基于Snake模型的区域检测和非下采样轮廓波变换（NSCT）的红外与彩色可见光图像融合的方法。首先对彩色可见光图像进行亮度、色度和饱和度（IHS）颜色空间变换提取亮度分量,并用Snake模型对红外图像的目标区域进行检测;然后对亮度分量和目标替换的红外图像应用NSCT分解,对所得到的高频系数采用像素点绝对值和取大、低频系数采用基于亮度重映射技术的加权融合规则进行融合;通过对融合系数进行NSCT逆变换获得融合图像的亮度分量,最后运用颜色空间逆变换得到融合图像。实验结果表明,所提出的融合方法既能保持可见光图像的高分辨率和自然色彩,又能准确保留红外图像中检测出的目标信息,获得视觉效果较好、综合指标较优的融合图像。     

基于区域检测与非下采样轮廓波变换的红外与彩色可见光图像融合

针对灰度图像融合的分辨率低及现有的彩色图像融合方法融合的图像色彩不自然、不符合人的视觉感受的特点,在此提出一种基于Snake模型的区域检测和非下采样轮廓波变换(NSCT)的红外与彩色可见光图像融合的方法。首先对彩色可见光图像进行亮度、色度和饱和度(IHS)颜色空间变换提取亮度分量,并用Snake模型对红外图像的目标区域进行检测;然后对亮度分量和目标替换的红外图像应用NSCT分解,对所得到的高频系数采用像素点"绝对值和取大"、低频系数采用基于"亮度重映射技术"的加权融合规则进行融合;通过对融合系数进行NSCT逆变换获得融合图像的亮度分量,最后运用颜色空间逆变换得到融合图像。实验结果表明,所提出的融合方法既能保持可见光图像的高分辨率和自然色彩,又能准确保留红外图像中检测出的目标信息,获得视觉效果较好、综合指标较优的融合图像。     

基于最小平均距离免疫算法的模糊红外图像分割

由于犯罪分子利用各种方法来避开传统的刑侦图像技术,因而红外图像逐渐成为获取犯罪现场痕迹的有效手段。然而,从犯罪现场拍摄的红外图像其目标痕迹大多是弱化的,所以在这类红外图像中分割目标是一项具有挑战性的任务。已有基于生物免疫的各类算法尚未明确描述免疫分割作用领域,以及免疫网络算法模型中的免疫识别距离。为实现对目标痕迹弱化红外图像的有效分割,提出了一种新的具有免疫作用领域和最小平均免疫识别距离的人工免疫构架,设计了一种具备最小平均距离免疫域的免疫分割算法。该方法根据红外图像的特点,采用多步分类算法、免疫变异和自适应免疫最小均距识别方法,根据目标区域和背景区域的总体统计特性实现最佳分类。实验结果表明,提出的基于最小平均距离的免疫算法能够有效地分割目标弱化的红外图像。与经典的边缘模板和区域模板方法相比,该算法具有更好的分割效果,尤其是针对目标弱化红外图像的分割,该算法能够较好地给出五个手指的边界轮廓。     

不确定性边缘表示与提取的认知物理学方法

图像边缘检测是图像处理的一种重要技术, 其中不确定性表示与提取是关键问题之一. 在现有模拟物理学思想的相关方法基础之上, 提出了基于认知物理学的不确定性边缘表示与提取方法. 该方法利用数据场发现图像全局灰度认知, 构建图像灰度值空间到数据场势值空间的映射关系, 从场论的角度建立了可扩展的理论框架、统一了现有相关方法; 另一方面, 构造半升云模型建立云模型确定度的变化幅度与边缘像素表示与提取的内在关联关系, 最终在认知物理学核心理论的支持下实现图像不确定性边缘表示与提取. 所提出的方法时间耗费近似与图像尺寸成线性关系. 定性和定量的实验结果及分析表明, 该方法的分割效果较好, 性能稳定, 具有合理性和有效性. 关键词： 边缘检测 图像分割 云模型 数据场     

一种红外成像制导中的图像分割算法

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。针对飞机目标红外图像的特点,提出了一种有利于目标特征点识别的图像分割算法。它首先采用区域填充的方法对图像进行分割,然后在此基础之上利用形态学原理对分割过程中产生的"洞"区域进行填充,最后得到比较精确的分割图像。对于实现红外成像制导导弹的稳定跟踪具有一定的应用价值。     

红外气动退化图像复原校正的复合算法研究

鉴于气动效应图像退化因素的复杂性和随机性,单一复原算法难以满足要求,提出构造复合算法来提高湍流退化图像复原质量的思路,综合各种基于不同理论模型和应用对象的实用算法,实现优势互补。给出了现有算法结合的主要途径,主要探讨了基于统计理论的MAP复原算法与基于正则化理论的总变分算法复合后各算法结构的自适应调整和改造以及各种参数的自适应性选择问题。充分利用各算法的优势,完成基于算法结构相对稳定的智能化组合。在微机上进行了一系列的复原对比实验。实验结果表明：复合算法提高了图像的总体复原质量。     

Salient contour extraction from complex natural scene in night vision image

The theory of center-surround interaction in non-classical receptive field can be applied in night vision information processing. In this work, an optimized compound receptive field modulation method is proposed to extract salient contour from complex natural scene in low-light-level (LLL) and infrared images. The kernel idea is that multi-feature analysis can recognize the inhomogeneity in modulatory coverage more accurately and that center and surround with the grouping structure satisfying Gestalt rule deserves high connection-probability. Computationally, a multi-feature contrast weighted inhibition model is presented to suppress background and lower mutual inhibition among contour elements; a fuzzy connection facilitation model is proposed to achieve the enhancement of contour response, the connection of discontinuous contour and the further elimination of randomly distributed noise and texture; a multi-scale iterative attention method is designed to accomplish dynamic modulation process and extract contours of targets in multi-size. This work provides a series of biologically motivated computational visual models with high-performance for contour detection from cluttered scene in night vision images.     

基于阈值判断的CamShift目标跟踪算法

针对CamShift算法只利用目标的颜色信息,在跟踪过程中,易受目标相似物、遮挡以及光照等复杂背景影响导致目标搜索窗口发散,跟踪稳定性能降低,提出了一种基于阈值判断的目标跟踪方法。该方法将OTSU法和Snake模型结合,利用OTSU法以最佳阈值对图像进行分割,分离前景区域和背景区域,初步提取目标轮廓作为Snake模型的初始轮廓,经收敛得到目标的精准轮廓,利用轮廓外接最小矩形框内的像素计算目标质心,判断与CamShift算法中目标搜索窗口质心之间的欧式距离,如果未超出阈值,则直接使用CamShift算法跟踪目标,反之,则将计算出的目标质心作为CamShift算法中当前帧目标搜索窗口的质心跟踪目标。实验结果表明,该算法跟踪目标具有较好的实时性,跟踪性能稳定、可靠。     

Fast image enhancement using multi-scale saliency extraction in infrared imagery

We propose a multi-scale saliency extraction based fast infrared image enhancement approach. A local frequency-tuned based saliency extraction technique is designed for highlighting the salient regions, firstly. Then, multi-scale saliency extraction is demonstrated, introducing multi-scale local windows with different sizes to extract regions of interest at different scales. Finally, the original image is enhanced with combining multi-scale salient image regions into one image. The experimental results prove the proposed approach is robust and efficient for infrared image enhancement.     

An improved Chan–Vese model by regional fitting for infrared image segmentation

In this paper, a regional fitting method is proposed for infrared image segmentation. In our model, the intensity of each pixel in a region is described by using the sum of the class center and the weighted variance of the region, in order to build energy function for encouraging the similarity pixels to be clustered together. The adoption of such way can thereby eliminate the issue associated with the drift of the class center that is existed in Chan–Vese model. Particularly, followed by incorporating energy function into the level set evolution without re-initialization framework, the variational formulation can force the level set function to be closed to object boundaries. Experiments on some representative and real infrared images have demonstrated that our model has higher performance of segmentation in comparison with Chan–Vese model without re-initialization, and some existing methods, including LBF and LCV model.