一种改进的基于过渡区的图像分割方法

就过渡区的图像分割技术提出一种改进的过渡区方法。该方法关少了过渡区方法分割图像的运算量，且利用了直方图方法计算简单的优点，它还能将直方图中峰差别很大或双峰间的谷比较宽广而平坦的图像分割得较好，而直方图方法对此类图像不适合，同时它利用了不同灰度值象素的梯度信息，具有较好的稳定性，可以抗噪声和干扰，克服了图像中非目标区域的影响。实验证明它不失为一种好的图像侵割方法。     

一种基于 k-means 聚类和半监督学习的医学图像分割算法

医学图像分割是计算机视觉和图像处理领域近年来研究的热点问题之一。一种基于k-means聚类和半监督学习的医学图像分割新算法被提出。在k-means聚类模型中,相似度函数是关系到聚类效果好坏的关键因素。所使用的相似度函数通过基于side-information的半监督学习方法来确定;确定后的相似度函数又被运用回k-means聚类模型中来实现对医学图像的分割。为了检验该算法效果,脑部肿瘤患者的磁共振图像被运用在实验中。分析结果表明:该算法在本文所采用的实例中能获得优于传统算法的分割效果。     

基于支持向量机的核磁共振左心室图像自动检测与分割

提出了用基于支持向量机的方法来实现核磁共振左心室图像的自动分割方法。首先用经过训练的支持向量机(SVM)在二维图像中进行识别和定位左心室目标区域并进一步找出边缘区域，采用一种改进的训练方法来提高SVM识别率，然后在足够准确的区域中利用梯度方法找出边缘点，并把他们连接起来，找出目标的边缘，达到分割的目的。实验表明，这种分割方法降低了SVM对背景图像的敏感度，提高了SVM识别率。     

基于变分高斯混合模型的图像分割算法

提出了一种基于变分推断的高斯混合模型的图像分割算法. 该算法首先用贝叶斯混合高斯模型对图像的特征进行建模, 并针对模型的参数学习问题, 利用变分推断算法估计模型的参数及其后验概率; 这种方法比采样法的计算量更少, 而且能够根据图像数据自动优化混合个数, 实现了模型的自动选择. 最后, 该算法在Berkeley的自然图像集上进行的实验结果与经典的图像分割算法进行了比较, 结果表明此方法得到的图像分割结果精度较高, 具有较好的性能.     

基于卷积神经网络的刺绣风格数字合成

针对刺绣风格数字化模拟方法立体感不强、缺少线条方向等问题,提出了一种基于深度学习和卷积神经网络的算法,将刺绣艺术风格传输到目标图像。利用图像语义分割网络及风格迁移网络,分别对目标内容图像与刺绣艺术风格图像进行目标提取和风格迁移。首先,输入目标内容图像与刺绣艺术风格图像,采用基于条件随机场的图像语义分割,将目标内容图与刺绣艺术风格图的前景与背景分离,并进行二值化处理,形成掩模图像;其次,将目标内容图与刺绣艺术风格图的RGB颜色空间转换为YIQ;最后,参照掩模图像使用VGG19网络模型提取目标内容图的内容特征及刺绣艺术风格图的风格纹理特征进行目标区域内的风格迁移,从而对刺绣艺术进行数字化模拟。该算法能模拟出具有刺绣艺术效果的结果图像,能更好地模拟真实刺绣艺术的线条方向,突出了线条的立体感。通过使用语义分割与风格迁移相结合的方法,有效模拟了色彩艳丽、立体感强的刺绣艺术风格图像,是对非真实感绘制的有效补充,为刺绣数字化保护与非物质文化传承奠定了基础。     

基于卷积神经网络的刺绣风格数字合成

针对刺绣风格数字化模拟方法立体感不强、缺少线条方向等问题,提出了一种基于深度学习和卷积神经网络的算法,将刺绣艺术风格传输到目标图像。利用图像语义分割网络及风格迁移网络,分别对目标内容图像与刺绣艺术风格图像进行目标提取和风格迁移。首先,输入目标内容图像与刺绣艺术风格图像,采用基于条件随机场的图像语义分割,将目标内容图与刺绣艺术风格图的前景与背景分离,并进行二值化处理,形成掩模图像;其次,将目标内容图与刺绣艺术风格图的RGB颜色空间转换为YIQ;最后,参照掩模图像使用VGG19网络模型提取目标内容图的内容特征及刺绣艺术风格图的风格纹理特征进行目标区域内的风格迁移,从而对刺绣艺术进行数字化模拟。该算法能模拟出具有刺绣艺术效果的结果图像,能更好地模拟真实刺绣艺术的线条方向,突出了线条的立体感。通过使用语义分割与风格迁移相结合的方法,有效模拟了色彩艳丽、立体感强的刺绣艺术风格图像,是对非真实感绘制的有效补充,为刺绣数字化保护与非物质文化传承奠定了基础。     

复杂背景下的宫颈癌细胞图像分割方法

提出了一种基于完备色差模型的分割方法.利用优化的颜色空间模型转换公式,将宫颈癌细胞图像从RGB颜色模型转换为HSV颜色模型,对H、S、V通道分别进行最大类间方差直方图均衡化,构造最优色差模型实现图层重组,然后通过阈值分割结合特征参数筛选完成细胞从复杂背景中的提取.在VC++和OpenCV开发系统予以实现.实验结果表明,在处理背景与目标细胞色彩相似的宫颈癌细胞图片时,能够得到准确、完整的分离结果,弥补了传统分割方法的不足.     

一种基于感兴趣区域提取的医学图像检索技术

针对胸部CT扫描图像库,提出了一种基于感兴趣区域提取的图像检索方法．首先为了提取感兴趣区域,提出一种基于灰度层共现矩阵的区域增长算法,分割出病灶区域,再通过闽值算法进行边界的磨合,然后针对感兴趣区域提取形状和分布特性作为图像匹配准则的客观依据．最后,将该算法与其他底层特征算法进行比较和分析．实验结果表明,该算法能够比较有效地应用于基于内容的医学图像检索系统中．     

基于深度学习的岩石薄片矿物自动识别方法

岩石薄片矿物识别是岩石学研究工作的基础,亦是进一步认识岩石种类、成因机理、物质运移和演化历史的基础。传统的矿物识别主要依靠光学显微镜进行人工鉴定,经济成本和时间成本较高、效率较低,且受制于专家个人经验与主观判断。随着深度学习技术的发展,计算机能从图像中自动提取更准确的语义信息,从而为岩石薄片图像的智能分析提供有效途径。提出了一种基于深度学习的岩石薄片矿物自动识别方法,利用深度卷积神经网络自动提取岩石薄片图像中不同矿物的有效特征,并对其进行语义分割与识别,综合利用单偏光与正交偏光2种光性图像实现了对矿物的自动识别。对南京大学岩石教学薄片显微图像数据集进行了矿物识别测试,结果表明,总体精度为86.7%,Kappa系数为0.818,识别结果较传统图像分类方法更准确。     

基于图像的二维剪纸自动生成方法

中国剪纸的设计极具挑战性, 要求画面简洁、直观, 还需要表达特定的文化内涵, 且整张剪纸须整体连通。提出了一种基于图像的二维剪纸自动生成方法, 能够将任意数码照片自动转化为剪纸图形。首先,利用图像分割方法建立区域连接图; 接着, 基于该连接图对颜色、边界对比度和区域连通性进行数学建模, 并获得优化目标函数; 最后, 通过模拟退火算法求解目标方程, 自动生成保持图像内容的剪纸图形。还开发了连通性后处理和区域指定等用户交互工具, 允许用户在自动生成的剪纸图形中方便地加入个人设计。实验表明, 所生成的剪纸图形画面简洁、整体连通。 本方法在降低剪纸设计难度的同时还可满足个性化的设计需求, 有助于传播和传承我国的民间剪纸艺术。     

一种基于胸部CT图像感兴趣区域提取的检索技术

探索高效的医学图像检索技术,可以方便医务人员快速高效地查找相似的图像．针对胸部CT图像,提出一种采用改进的区域生长法提取感兴趣区域,在此基础上再提取纹理特征作为图像的特征向量,并以特征向量作为图像检索的依据来进行检索．实验结果表明：在有效提取出病灶区域之余,针对该区域提取图像特征起到了良好的检索效果．将此方法应用于医学图像检索系统可有助于提高医生的诊断效率．     

基于机器视觉的梭子蟹质量估计方法研究

传统梭子蟹养殖定期质量估计的方法是捕捞部分梭子蟹进行称重,会对其造成物理和应激伤害,且检测过程中受到人为因素干扰,因此利用机器视觉技术对梭子蟹的质量进行估计.通过摄像头拍摄不同生长阶段的梭子蟹图像,对图像进行模板校正及图像分割,提取梭子蟹面积特征参数.利用最小二乘法对面积和质量进行拟合,其中二次多项式相关性最好可达到0.9220,测试平均相对误差6.40%,证明该方法可以满足梭子蟹质量估计的要求.     

基于低秩表示的图像修复方法

现实场景中, 存在很多原因导致所获图像信息并不完整, 其中会存在少许的破损, 这对基于此数据进行下一步的研究造成了障碍. 针对图像存在的破损问题, 提出一种基于低秩表示的图像修复方法. 通过图像的矩阵存储方式, 由稀疏理论获取其低秩表示, 提取到图像的全局特征. 根据所获的低秩表示, 结合缺损区域与其相邻区域的相似性, 将缺损区域逐步缩小, 并对缩小区域进行强制校正, 从而完成修复图像任务, 最后得到补全后的最终图像. 在二维图像上设计对比实验进行验证, 结果证明该方法在结构简单图修复、破损老照片修复、去除叠加文字以及大块物体移除等方面都具有良好的性能. 实验结果表明, 低秩表示在图像修复方面具有获取全局信息的优势, 修复效果良好.     

融合形态学连通域和CV模型的民族服饰图案纹样元素分割方法

对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题。通过融合形态学连通域标记和CV模型（MCC-CV）,提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割。实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率（BR）为0.5时,分割准确率为60%,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的基本要求。