一种改进的噪声图像语义分割方法

在图像的获取和传输过程中,可能会出现噪声, 它不仅破坏了图像的真实信息,而且严重影响了图像的视觉效果。因此, 噪声图像的语义分割成为图像分析中最具挑战性的问题之一。为了提高噪声图像的分割性能 ,本文在分析全卷积网络(FCN)的 基础上,提出一种改进的FCN模型(IFCN)对噪声图像语义分割。该算法采用一种新的中值 池化方法代替卷积神经网络的最大值 池化,可以在去除噪声的同时保留更多边缘信息。在训练整个深度网络时,通过反向传播算 法以一种直接的端到端,像素到像素 的方式映射。实验结果表明,提出的模型在PASCAL VOC2012数据集上对噪声图像语义分割 可以获得比较好的分割效果,准确率mean IU达到86.5%。     

一种基于多相位水平集的图像分割

基于水平集的方法已经广泛的使用于图像分割中,但是其复杂的计算限制了其应用范围。为此,提出了一种基于水平纂方法的多坦位的c—v模型。该方法首先通过一种新的初始化方法,获得初始轮廓,加快了算法的收敛速度;同时,引用了距离约束项来消除传统c-V模型的重新初始化问题,提高了算法的计算效率;最后,为了获得了更好的边缘定位能力,在模型中加入了梯度信息。分别对模拟合成图像和一般真实图像进行了实验,结果表明该模型具有边界定位准确和收敛速度快等优点。     

一种基才星体面积的星图分割方法

图像分割是图像识别过程中的关键一步,分割结果的好坏会直接影响到星体的细分定位和模式识别。星体在星图中属于小目标,多目标．其分割与普通图像的分割有较大的不同。文中在分析星图特点的基础上,提出了基于星体面积的分割方法,并通过仿真与其他分割方法进行比较,验证了其有效性和优越性。     

图像非广延高斯熵分割的阈值选取方法

图像分割是实现图像目标与背景分离的基础和关键,其中阈值化是最为流行和有效的技术之一。考虑到图像处理作业场景的复杂境况,实时有效的阈值分割方法的提出一直是研究和应用中的极大挑战。针对复杂的工业无损检测图像及红外图像目标分割问题,基于非广延高斯熵提出一种新的图像阈值分割方法。对于图像中像素灰度级不均衡、不规则的随机分布特点,提出方法体现了较好的处理能力。在与实践常用方法的比较实验中,实验结果表明了提出方法的较优异性能和推广应用前景。     

基于类标号的快速RSST图像分割方法

给出了一种基于类标号的快速回归最短生成树(RSST)图像分割方法.在传统RSST方法基础上,将区域相似性度量由像素域距离改进为类标号距离;通过定义类标号距离,可增加类标号图对应的加权图中权重为0的边所占比例,减少了传统方法中的区域合并次数,因此能较多的减少分割用时.方法已在微机上进行了模拟,结果表明,在相同分割数目和相当的分割效果情况下,分割用时明显减少.改进方法更适用于图像的实时分析和处理.     

一种基于脑部肿瘤MR图像的分割方法

针对传统的分割方法难以实现医学图像自动分割和准确分割的问题,提出了一种基于GVF Snake模型的医学图像分割方法。该方法采用Canny算子的边缘检测结果作为GVF扩散方程计算的边缘映射图,提高了GVF Snake模型的抗噪性能;用分水岭算法自动获取的轮廓作为GVF Snake模型分割的初始轮廓,降低了GVF力场计算的复杂性和分割时轮廓线的迭代次数。分析和实验结果表明,采用该方法对脑部肿瘤MR图像进行分割时,能自动准确地分割出肿瘤区域。     

基于双稳态系统二值图像质量改善算法

针对二值图像处理,为抑制噪声改善图像质量,论文提出一种利用双稳态随机共振系统实现含噪二值图像恢复方法。论文首先对图像分别按行和列重采样为一维信号,并将该一维信号输入双稳态系统,通过欧拉法或龙格-库塔法迭代求解双稳态方程的输出序列,得到恢复图像对行和列两个方向的偏导数,再结合该偏导数根据截断的二维泰勒公式推导出邻近像素点的值,然后对每个像素计算获得的多个值加权平均得到恢复的灰度图像,对灰度图像二值分割即得到最终的复原二值图像。实验结果表明,论文算法能有效从高强度噪声中恢复原二值图像,且相对于传统维纳滤波算法峰值信噪比提高了22.36%,相对于对比算法,峰值信噪比平均提高了10.8%。      

基于阈值分割技术的图像分割法研究

在阈值分割法中,Otsu算法是图像阈值化分割法的经典算法,在图像处理中有广泛的应用;但此算法存在耗时长、分割精度低等缺点。在对Otsu阈值分割法进行分析的基础上,提出一种改进的Otsu算法。该算法采用缩小可取的灰度值范围的方式减少计算量,在小范围内应用Otsu算法计算最终分割阈值。通过Matlab仿真,所得结果对比表明,改进的Otsu算法在图像分割时间和效果上均优于原Otus算法。     

一种新的含噪遥感图像Otsu分割算法研究

Otsu（最大类间方差）是经典的非参数、无监督、自动获取最佳阈值的最优图像分割方法。但是,在用于含噪图像的分割时,Otsu方法并不能取得理想的分割效果。针对这一问题,本文在Otsu分割方法的基础上,给出了一种新的含噪遥感图像分割算法。该算法首先用小波包对含噪图像进行全局阈值的去噪处理,然后利用局部加权回归对图像像素逐一估计去噪,得到去噪后的图像,之后采用Otsu方法对估计图像分割。仿真实验表明：该算法不仅计算量小,具有良好的抗噪能力,而且获得了较好的分割效果。     

基于变分法的图像分割的数值算法

解释一种图像分割问题的数学模型，并讨论图像分割问题与Mumford-Shah泛函的关系，对此问题首先就一维的情形提出一种可行的解法并推广到二维。若干试验结果验证了算法的有效性。     

分割映射的单幅彩色图像去雾方法

针对传统暗通道先验去雾方法在进行大气散射函 数估计时容易出现块状模糊效应的问题,提出了一种 基于分割映射的单幅彩色图像去雾方法。首先对前端采集图像进行近景与远景区域分 割,并基于分 割区域进行亮度信息的分段映射,通过分段计算获取大气散射函数的预测估计值;接着,采 用传统的导向 滤波方法对大气散射函数的估计值进行优化分析,进一步增强图像的边缘信息,改善在大面 积天空颜色情 况下图像边缘的块状模糊效应,提升含雾图像在突变区域的去雾效果。针对实际采集 的含雾图像进 行去雾效果分析和对比,分别基于图像的对比度改善量e、色彩自然度(CN I)、颜色丰富程度(CCI)以及计算耗时等4方面进行定量对比。分析结果表明, 本文方法很好地改善了图像的去雾效果,并进一步提升了运行的实时性。     

基于聚类技术的多阈值图像分割技术

多阈值图像分割中经常出现所选阈值数量不能事先确定的情况。为解决这一问题,提出一种基于聚类技术的多阈值图像分割方法,通过Mean Shift技术找出模式中心,通过迭代选择确定相邻模式中心的不同阈值,最后用多阈值完成对图像的分割。仿真实验结果表明,这一方法可有效应用于图像分割,并取得较好的效果。     

一种基于图像融合的含噪图像边缘检测方法

针对含噪声图像在边缘定位、噪声抑止、弱边缘保留及边缘细节的视觉感知等方面难以兼顾的具体情况,提出了一种基于图像融合的含噪图像边缘检测方法。首先,讨论了基于小波变换模极大值的图像边缘检测法;结合数学形态学基本运算与信息熵理论,提出了改进的灰值数学形态学图像边缘检测法,并分析了其基本原理。然后,结合两种方法的优点,采用叠加运算进行图像融合最终检测到的图像边缘连续完整。最后,与传统边缘检测法、小波变换模极大值法、改进的灰值数学形态学法进行了实验对比,结果表明,本文算法优质系数最大,所花时间最少。     

基于最佳分割目标优化的医学图像分割方法

针对医学图像中组织边缘模糊、灰度不均匀、图像噪声高的问题,将改进的布谷鸟算法和信息熵结合,提出一种基于改进布谷鸟算法优化最大熵的医学图像分割方法。通过改进的布谷鸟算法优化最大熵法确定图像的最佳分割门限,在此基础上完成最佳分割点的分割。在多个实验样本上的测试结果表明,文中提出的新方法在很大程度上解决了过去几种方法的缺陷,使得分割速度与精度明显提升,另一方面,其鲁棒性也相对理想,适用于实际应用。     

基于自适应粒子群优化的三维OTSU图像分割算法

针对三维OTSU分割算法运算量大、计算时间长的问题,提出了一种基于自适应粒子群优化的三维OTSU图像分割算法。首先采用最佳熵的方法初步提取图像的目标区域,根据该目标区域特征自适应地调整三维OTSU算法的背景搜索范围,然后采用三维OTSU算法并结合粒子群优化最佳分割阈值对原图像进行分割。实验结果表明,与三维OTSU阈值分...     

一种基于二维OTSU的莫尔条纹图像分割方法

在分析莫尔条纹图像信息组成的基础上,针对原始莫尔条纹图案中背景光信息、有效莫尔条纹信息以及原始光栅信息的频率分布特点,提出了一种莫尔条纹图像分割方法。该方法首先采用高斯低通滤波提取有效莫尔条纹信号,然后经过高低帽变换进行图像对比度增强,最后采用OTSU法进行图像分割。实验结果表明,该方法简单易行,分割后的图案很好地保留了莫尔条纹的有效信息。     

A spatially constrained generative asymmetric Gaussian mixture model for image segmentation

Accurate image segmentation is an essential step in image processing, where Gaussian mixture models with spatial constraint play an important role. Nevertheless, most methods suffer from one or more challenges such as limited robustness to noise, over-smoothness for segmentations, and lack of flexibility to fit the observed data. To address these issues, in this paper, we propose a generative asymmetric Gaussian mixture model with spatial constraint for image segmentation. The asymmetric distribution is modified to be easily incorporated the spatial information. Then our asymmetric model can be constructed based on the posterior and prior probabilities of within-cluster and between-cluster. Based on the Kullback-Leibler divergence, we introduce two pseudo-likelihood quantities which consider the neighboring priors of within-cluster and between-cluster. Finally, we derive an expectation maximization algorithm to maximize the approximation of the data log-likelihood. We compare our algorithm with state-of-the-art segmentation approaches to demonstrate the superior performance of the proposed algorithm.     

Unsupervised image segmentation based on analysis of binary partition tree for salient object extraction

This paper proposes an unsupervised image segmentation approach aimed at salient object extraction. Starting from an over-segmentation result of a color image, region merging is performed using a novel dissimilarity measure considering the impact of color difference, area factor and adjacency degree, and a binary partition tree (BPT) is generated to record the whole merging sequence. Then based on a systematic analysis of the evaluated BPT, an appropriate subset of nodes is selected from the BPT to represent a meaningful segmentation result with a small number of segmented regions. Experimental results demonstrate that the proposed approach can obtain a better segmentation performance from the perspective of salient object extraction.     

An image segmentation based method for iris feature extraction

In this article, the local anomalistic blocks such as crypts, furrows, and so on in the iris are initially used directly as iris features. A novel image segmentation method based on intersecting cortical model （ICM） neural network was introduced to segment these anomalistic blocks. First, the normalized iris image was put into ICM neural network after enhancement. Second, the iris features were segmented out perfectly and were output in binary image type by the ICM neural network. Finally, the fourth output pulse image produced by ICM neural network was chosen as the iris code for the convenience of real time processing. To estimate the performance of the presented method, an iris recognition platform was produced and the Hamming Distance between two iris codes was computed to measure the dissimilarity between them. The experimental results in CASIA v1.0 and Bath iris image databases show that the proposed iris feature extraction algorithm has promising potential in iris recognition.