基于改进的FA优化二维Otsu图像分割算法

针对一维最大类间方差算法(1-Otsu)抗噪性能较低、二维最大类间方差算法(2-Otsu)计算复杂度高、实时性差的问题,提出一种基于改进的萤火虫算法(FA)优化二维Otsu图像分割算法(FA-2-Otsu).首先,通过引入步长调整函数改进原有固定步长因子,使得FA中步长可随迭代次数及收敛需求自适应获得;然后,通过改进的FA算法优化2-Otsu距离测度函数的寻优过程,仅搜寻萤火虫位置更新点的最大亮度值,获得最佳阈值,以此进行图像分割.在经典Lena图与boat图上进行实验,结果表明:本文所提算法比1-Otsu抗噪性能强,较2-Otsu分割效率高,在保证香农熵、区域对比度基本不变的前提下,算法分割时间减少了约26.0%.     

基于深度学习的人体图像分割算法

人体图像分割作为人体行为理解和分析的基础,对分割的准确度及实时性都有较高的要求,目前人体图像分割的方法大多只能保证其中一项指标,使得人体图像分割在实际应用上受到很大的限制.本文在深度卷积神经网络的基础上结合反卷积神经网络,提出一种简单有效的基于深度学习的人体图像分割方案.百度人体图像分割数据库上的实验表明,该方法的重叠率为88.77%,单张图片分割耗时为60.7ms.在重叠率和实时性上获得了比较好的平衡,人体图像分割的效果有较大提升,显示出较好的实用价值.     

基于图注意力网络的三维网格分割算法

针对三维网格模型分割质量提升问题,提出了感知几何的图注意力网络。首先,定义了感知几何的图注意力系数,利用节点之间的边特征扩展由网络学习得到的注意力系数,引入与节点局部几何信息相关的注意力系数,更好地反映节点之间的相似性。然后,通过调整网络架构,将三维网格模型的几何特征与标签信息共同作为图注意力网络的输入,使标签信息参与网络训练和验证,并通过残差形式的线性连接实现网络的更稳定输出。大量实验结果表明,本文算法能够获得精确的分割边界,其在PSB数据集上的分割准确率较现有经典算法提升约2个百分点,也取得了更好的兰德指数。同时,通过消融实验验证了算法的合理性。     

一种基于FCM的噪声图像分割算法研究

针对噪声污染的图像进行有效分割困难问题,提出了一种基于模糊C均值的噪声图像分割方法.该方法首先应用离散小波变换(DWT)将图像进行分解获取不同尺度的小波系数;然后利用粒子群(PSO)算法自适应搜索最优的阈值对小波系数进行处理,将处理好的系数利用小波重构得到重构图像;最后利用模糊C均值聚类完成图像分割.该算法在Berkeley数据集上进行实验,结果表明与其他算法相比,该算法具有更好的性能.     

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.     

分割图像插值的一种局部算法

对于医学序列切片，图像上像素之间的间隔常常小于切片之间的距离，而在图像处理中，常常需要它们有一致的分辨率。对于已分割的切片图像，插入的切片图像也应是分割的图像。本文提出了一种图像插值的局部算法，该算法在产生新插入图像每点的分割信息与颜色信息时，计算只与相邻切片图像的局部像素值有关。因此既保持了相邻切片的物体形态过渡自然，又具有良好的数值稳定性。应用该算法于医学序列切片进行插值时，可达到良好的视觉效果。算法已成功应用于医学数据的三维重建系统。     

融合SLIC的DCUT改进图像分割算法

谱聚类DCUT算法能在任意形状的样本空间上聚类且收敛于全局最优解,但其缺点是计算相似度矩阵和特征向量的复杂度较高.为了提高了DCUT的算法速度,提出了基于SLIC的DCUT算法(SDCUT).SDCUT算法首先采用SLIC算法分割图像成超像素,再根据任意两个超像素的归一化直方图计算Pearson系数作为超像素之间的相似度,从而建立基于超像素的相似度矩阵,最后采用DCUT算法对超像素进行分类获得最终分割结果.在一系列图像上的实验结果表明,与几种经典谱聚类算法相比,本文方法的分割速度更快,且具有较好的分割效果.     

基于自适应步长布谷鸟搜索和粒子群融合算法的AUV水下三维路径规划

针对传统布谷鸟算法在处理自主式水下机器人（AUV）于复杂水下的三维路径规划研究时存在搜索目标不可达、寻径和避障能力弱和算法收敛速度慢等问题,提出AUV路径规划算法PSO-ASCS(particle swarm optimization-adaptive stepsize cuckoo search),将粒子群算法引入改进的自适应步长布谷鸟搜索,对布谷鸟算法进行优化。利用空间分层思想建立复杂水下三维模型对PSO-ASCS算法进行路径规划和避障实验;通过考虑路径长度、路径平滑性和路径危险性三个要素构造适应度函数,对PSO-ASCS算法进行测试并与自适应步长布谷鸟算法、标准布谷鸟算法和粒子群算法进行比较。实验表明,本文算法具有较强的全局搜索能力和寻优性能、算法收敛较好,使AUV具备高效的避障和路径规划的能力。     

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。     

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。     

基于Kerckhoffs原则的图像隐密算法

针对图像隐密算法中加密秘密信息的问题,将Kerckhoffs原则应用到图像隐密算法中.在对比密码技术和隐密技术的异同点的基础上,分析了在图像隐密算法中使用Kerckhoffs原则的重要性,通过使用掩护图像集,将秘密信息分散隐藏在掩护图像集合的某个子集中,从而减少含密图像被攻击者发现的几率,并且在算法中使用加密手段抵抗密码分析者的攻击.分析表明,本文提出的基于Kerckhoffs原则的图像隐密算法可以提高隐密的安全性,保证秘密信息不被攻击者获得.     

一种基于GPU的并行三维各向异性扩散的超声图像斑点噪声滤波算法

三维的各向异性扩散的斑点噪声滤波算法(3D SRAD)计算密集,在CPU上串行处理运行效率较低,耗时长,不能满足实时系统的需求.为解决此问题,本文基于CUDA平台提出一种并行的3D SRAD算法——3D pSRAD.该算法从数据处理,任务分配以及纹理存储器和共享存储器的使用对并行处理进行了优化.实验结果表明,3D pSRAD提高了运算效率,计算加速比在60以上.     

基于人类视觉系统的交通标志优化分割方法

交通标志的有效分割是交通标志识别系统中的关键问题.针对禁令标志颜色特征,结合人类视觉系统的颜色感知特点,首先以颜色分量R（红）、G（绿）、B（蓝）作为输入特征量构造颜色特征粗分类器,再通过计算粗分类结果的特征量与红色特征类标准样本中心的矢量余弦,得到颜色相似度特征灰度图,用改进的Otsu方法实现标志的最终分割,最后给出了通过训练粗分类器优化分割结果的方法.实验结果表明,本文的分割方法可在不同气候条件下,有效地提高交通标志分割效率,具有较好的鲁棒性.     

基于凹点匹配的黏连车辆图像分割方法

在利用智能交通监控系统对过往车辆进行检测时,车辆之间相互重叠、黏连的图像会给车辆计数和特征提取带来很大困难。本文针对车辆黏连图像提出一种简单快速的凹点匹配分割算法。该算法主要通过计算黏连车辆的凸闭包,得出黏连区域的凹区;再根据点到特定对角线的最小或最大距离,确定原图像的凹点集合;最后选择最优分割线对黏连车辆进行分割。仿真结果证实该算法精度高,并且稳定性好。     

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。     

低对比度图像目标分割的研究

利用图像分割技术 ,采用矩不变自动门限方法 ,对低对比度的精子显微图像进行了自动分割 ,实验表明 ,该方法能够在较短的时间内分割出目标和背景 ,同时能克服二值化过程中出现的断线和粘连等问题 ,且方法简单 ,容易实现 ,具有较好的实用价值 .     

基于图像深度预测的景深视频分类算法

景深视频因高清、美观广受大众喜爱。然而,要从海量视频中检出此类视频十分困难。已有较多研究基于景深图像成像原理,开展景深像素分割算法研究,但难以直接应用于实际视频分类场景。本文针对景深视频类型,设计了可预测视频类型的深度网络。根据景深成像原理,各语义物体之间相对相机的景深深度存在一定的逻辑关系。为此提出以图像深度为指导,利用深度预测模块预测图像的景深深度信息,将其合并后输入至分类网络进行训练检测,以降低景深视频误检率,提升网络模型的性能。此外,针对现实需求中该领域有标数据较少,而不同数据集分布会降低性能的问题,设计了迭代式景深视频数据集收集方法,以较低的劳动成本快速收集所需要的视频数据,具有一定的实际应用价值。本文算法在快手线上的景深视频数据集中识别准确率达85.7%。     

基于精英反向学习的混沌布谷鸟搜索算法

布谷鸟搜索(Cuckoo Search,CS)算法高效简单,但在求解复杂问题时收敛效率较低.为提高CS算法的寻优精度和收敛速度,提出了一种基于精英反向学习的混沌扰动布谷鸟搜索算法(CH-EOBCCS).该算法引入精英个体,通过精英个体反向学习生成精英反向解,从当前解和精英反向解中挑选优异个体作为下一代种群,同时,在迭代中对鸟巢位置采用混沌扰动策略,扩大种群多样性,有效的提高了算法全局搜索能力和搜索精度.通过8个标准测试函数对比实验,结果表明加入混沌扰动的精英反向学习布谷鸟搜索算法具有较强的搜索能力和较高的寻优精度.     

基于DBF的超分辨率方位分割算法的初步研究

针对高频地波雷达海洋环境遥感技术中的角分辨率问题,提出了基于数字波束形成DBF（ Digital Beam Foming)的方位侵害分割DD（Direction-subDividing)算法。该算法将待测海域分割成小的方位元／海元,以DBF方式实现接收波束扫描,获得陈列在不同指向的接收波束下海洋回波的多个接收值,再通过奇异值分解得到最小二乘意义上每个海元的后向散射回波,进而实现方位超分辨率的海洋环境参数的提取。文中阐述了算法的基本思想,给出了部分模拟结果,最后提出了算法目前存在的不足。     

基于梯度方向图像局部增强的车牌定位算法

车牌识别是智能交通系统中的关键技术。而车牌定位是识别的先决工作。本文在定位过程中提出了根据梯度的变化方向，对图像的目标部分增强明暗的对比．克服了图像目标局部灰度变化差异性而引起的二值图像中字符笔划缺失或粘连问题．为车牌定位和字识别提供更为可靠二值图像；