一种基于强边缘块的时域多分辨率图像分割算法

针对序列图像的变化检测,提出了一种基于强边缘块的时域多分辨率图像分割算法.首先在具有明显边缘特征的图像序列中,提取图像强边缘块的直方图,然后,利用时域多分辨算法,比较不同帧之间的图像差异.这种方法不但能够检测出图像的变化,而且能够确定图像变化的类型.在阈值的选取过程中,采用了自适应阈值方法,实验证明这种方法取得了较好的效果.     

被动式太赫兹图像分割算法

提出了一种被动式太赫兹图像识别算法。算法对原始太赫兹图像进行去噪预处理之后,通过对灰度直方图分析并对其曲线拟合,选定种子点和生长阈值对图像进行区域生长,以实现图像分割。实验结果证明,算法能够有效地从被动太赫兹图像背景中提取感兴趣的目标区域,有利于快速准确地发现被检测者隐藏在衣服内的违禁品,增强了安检成像系统的实用性。     

基于EM和GMM相结合的自适应灰度图像分割算法

提出一种阈值自适应、EM方法估计GMM参量的图像分割算法,能够根据图像的内容结合区域和边界两方面的信息自适应地选择阈值,精确地进行图像边界分割.算法首先提取图像的边界,然后根据边界的直方图计算图像的可分割性,由可分割性确定EM方法的阈值进行GMM分割,最后合并图像的近似区域.实验数据表明,相比其它图像分割算法,以及固定阈值的传统EM算法,本算法的分割结果更为准确.     

X光图像中缺陷的自动提取方法研究

针对炭素制品X光图像的特点,对其缺陷的提取技术进行了研究,提出了基于迭代的阈值构造方法和基于数学形态学的边缘提取算法。为快速准确地提取缺陷,设计了目标边界提取算法和基于小波变换的图像增强算法,实现了原始图像中目标区域的增强及其背景的去除。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从目标区域中提取出缺陷区域,并在迭代阈值分割的基础上,利用基于数学形态学的边缘提取算法提取了缺陷的边缘。实验结果表明,该法很好地实现了缺陷区域及其边缘的自动提取,且受噪声影响很小,为进一步的缺陷特征参量的提取与选择奠定了良好的基础。     

自适应红外目标特征增强算法

利用直方图均衡化和灰度变换增强算法,不能有效增强红外图像目标。鉴于此,在研究红外图像特点的基础上,提出了一种自适应红外目标特征增强算法。该算法先对红外图像进行中值滤波,滤除掉图像中的随机噪声,然后利用直方图分割将红外图像分为目标和背景2部分,通过线性加权叠加抑制背景和增强目标。实验表明,该算法不仅能够根据红外图像中目标的灰度特性自适应地选取直方图分割阈值,而且在去除噪声和增加对比度的同时还抑制了背景,达到了预期的效果。该算法尤其适用于目标和背景像素比例相近时直方图具有局域双峰特征的红外图像中目标的增强。     

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.     

基于灰度直方图的MR脑组织的提取方法

根据脑磁共振图像(Magnetic Resonance Imaging,MRI)的灰度直方图中不同峰值对应不同的脑组织灰度分布的特点,提出了一种基于灰度直方图提取MR图像中脑组织的方法。首先,为了克服传统方法主观选择门限阈值等方面的不足,利用多项式曲线拟合灰度直方图获取区域生长门限阈值确定最优种子点,并结合形态学重构方法进行颅骨分离,对脑MR图像进行了预处理。然后,结合K均值聚类算法通过对灰度直方图多峰值的选取确定初始聚类中心,将颅骨剥离后的脑组织图像高效、精确地细化分割出脑脊液、灰质、白质。文中分别使用了模拟脑MRI数据以及真实脑部MRI数据进行测试,对分类结果进行定性、定量的分析,并与模糊C均值算法进行比较。结果表明,该方法提高了提取脑组织的工作效率和准确度。     

范围限制的自适应亮度保持多阈值直方图均衡算法研究

针对目前直方图均衡算法难以实现,且易造成亮度饱和等问题,本文提出了一种范围限制的自适应亮度保持多阈值直方图均衡算法。首先,对输入图像进行适当平滑,从而获得它的直方图峰值点个数（N+1）。然后,对Otsu算法进行N阈值扩展,并通过这种方法获得图像的N个分割阈值,从而按照此阈值对图像进行分割。为了能够最大程度地保持输入图像的亮度,利用输入图像和输出图像的均值亮度最小误差（AMBE）准则,重新计算了图像的均衡范围。最后,利用新的均衡范围分别对每一个子图像进行均衡。实验表明,使用本算法处理Lena图的绝对均值亮度误差为0.416 4,明显优于使用RLBHE算法的0.629 5。本算法能够获得更清晰的图像细节,同时图像的整体亮度保持的也较好。     

一种新的基于纹理和空间分布特征的图像检索

提出一种新的基于纹理和空间分布特征的图像检索方法.将检索图像分块,采用平移和尺度不变小波对各图像子块进行分解,在改进的快速小波直方图算法基础上提取图像子块的小波直方图,并提取每个图像子块的小波信息熵和三阶中心距作为纹理特征.对小波信息熵和中心矩特征进行高斯归一化,并利用特征向量的欧氏距离计算图像的纹理和空间特征的相似度.基于纹理图像库和自然图像库的检索试验表明,该方法比基于快速小波直方图算法和对数极坐标变换检索算法具有较高的检索准确度.     

融合改进直方图PDE和二维Tsallis熵多阈值SAR分割

针对合成孔径雷达(SAR)图像中存在大量的相干斑噪声,对SAR图像进行分割易出现分割不精、边缘模糊等问题,融合改进的直方图PDE和二维Tsallis熵多阈值,提出了一种SAR图像分割算法。根据PDE直方图均衡化方法,将图像去噪与图像增强加权融合,利用各自权值调整去噪项与图像增强项;同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割, 建立基于多阈值的选取方法,并引入萤火虫算法来求解最优阈值对,实现了二维Tsallis熵多阈值对去噪增强SAR图像的有效分割。仿真结果表明:与其他3种分割算法相比,该文算法在处理噪声大、灰度差值小的图像时具有较高的分割精度,PRI至少提升2.53%、VOI降低8.48%、GCE降低11.14%。     

一种改进的球栅阵列封装焊点射线图像阈值分割算法

球栅阵列封装焊点的射线图像具有信噪比差、背景不均匀等特点,故传统的阈值分割方法无法将目标焊点与背景图像很好的分割.本文通过对球栅阵列封装焊点射线图像直方图的分析,利用了自适应维纳滤波对阈值分割前的图像进行了预处理.根据图像的差异来调整该滤波器的参量,对局部差异大的地方进行小的平滑操作,对局部差异小的地方进行大的平滑操作.在最大类间方差法的基础上,对分割后的图像进行了进一步的分析并提出了改进的二次分割方法.改进的方法为并不直接通过OTSU法进行二值化处理来去除背景,而是在阈值分割得到的两个灰度级内通过计算中值和统计最大灰度像素的方法得到了更优化的阈值,使得去除背景后的焊点图像整体更加清晰和均匀.在背景灰度级内寻找了一个合适的灰度级作为处理后的灰度图像新背景,实验证明该方法明显改进了传统最大类间方差法对球栅阵列封装焊点射线图像的阈值分割效果.     

A new adaptive contrast enhancement algorithm for infrared images based on double plateaus histogram equalization

In infrared images, detail pixels are easily immerged in large quantity of low-contrast background pixels. According to these characteristics, an adaptive contrast enhancement algorithm based on double plateaus histogram equalization for infrared images was presented in this paper. Traditional double plateaus histogram equalization algorithm used constant threshold and could not change the threshold value in various scenes, so that its practical usage is limited. In the proposed algorithm, the upper and lower threshold value could be calculated by searching local maximum and predicting minimum gray interval and be updated in real time. With the proposed algorithm, the background of infrared image was constrained while the details could also be enhanced. Experimental results proved that the proposed algorithm can effectively enhance the contrast of infrared images, especially the details of infrared images.     

Adaptive threshold selection for background removal in fringe projection profilometry

In fringe projection profilometry, background and shadow are inevitable in the image of an object, and must be identified and removed. In existing methods, it is nontrivial to determine a proper threshold to segment the background and shadow regions, especially when the gray-level histogram of the image is close to unimodal, and an improper threshold generally results in misclassification of the object and the background/shadow. In this paper, an adaptive threshold method is proposed to tackle the problem. Different from the existing automatic methods, the modulation-level histogram, instead of the gray-level histogram, of the image is employed to determine the threshold. Furthermore, a new weighting factor is proposed to improve Otsu's method to segment the image with a histogram close to unimodal, and the modulation difference of the object pixels and the background/shadow pixels is intensified significantly by the weighting factor. Moreover, the weighting factor is adaptive to the image. The proposed method outperforms existing methods either in accuracy, efficiency or automation. Experimental results are given to demonstrate the feasibility and effectiveness of the proposed method.     

基于改进型平台直方图的红外均衡化算法

针对红外图像特别是红外弱小目标图像的特点,提出了一种基于改进型平台的直方图均衡算法。在设置统计上限平台阈值的基础上,设置了累计直方图上限阈值,并用修改的映射函数算法对图像进行均衡化处理。算法中的上限统计平台阈值对噪声进行了适当抑制,累计平台阈值自适应控制映射动态范围,从而克服了平台直方图均衡化对动态范围较窄的红外图像过分拉仲的缺点。相对平台直方图的均衡算法,该方法能够对多种复杂场景增强图像整体效果,在抑制噪声的同时较好地保持了图像细节。     

邻域差值法确定灰度变换的分段点

光电跟踪测量设备电视系统受到自然条件的影响,往往捕获不到清晰的画面,很容易出现对比度极低的图像。针对此种情况,提出了一种用邻域差值来确定分段点的灰度变换法。通过计算像素55邻域的灰度差值,取最小的12个值之和ND。在大量实验的基础上确定合适的阈值T,与ND相比较,确定出图像边缘像素的灰度值范围,据此确定分段灰度变换公式的分段点。实验结果表明,在原图像对比度为1.19%的基础上,通过该算法处理后图像的对比度是原图像的18.79倍,是直方图均衡化后图像的6.97倍,是直方图规定化后图像的41.41倍,图像对比度达到了22.36%,图像的直方图也由单峰突出变为比较均衡的状态。该算法无论在数据上还是在视觉上都取得了很好的效果,满足了电视系统的跟踪要求,已经应用在光电跟踪测量设备上,有较好的实用价值。     

Wood species identification using improved active shape model

In this paper, we propose a robust wood species identification scheme by using color wood surface images. First, a novel wood image acquirement system is devised, and the wood color image is converted into a V₁V₂I color-base image. Second, the corresponding grey histograms for V₁ and V₂ are established. Third, an improved active shape model is used to fulfill the curve deformation of the histogram curve of the standard specimen. This active shape model will then converge to the histogram curve of the test specimen. Finally, wood recognition is performed by comparing the initial and final active shape models with the histogram curve of the test specimen. We have experimentally proved that this scheme improves the mean recognition accuracy to approximately 90% for 5 wood species and that it can also be applied to the Gaussian noisy images. Moreover, the recognition accuracy can be further improved by combining this scheme with the texture feature recognition.     

色度亮度空间中的线束端子显微图像分割

为提取检测线束端子质量的相关数据,提出一种在色度亮度空间中分割线束端子显微图像的算法。该方法利用线束端子显微图像的颜色分布特点,用阈值法分割线束端子。通过分析线束端子显微图像的颜色特点,把彩色图像转换至色度亮度空间。为了保证图像内部的颜色均匀,对其中的色度向量进行滤波。借助获取色度向量的红色通道,考虑红色通道直方图双峰夹一谷和双峰夹多谷情况下阈值并分割图像,使用数学形态学方法处理二值图像获得内径轮廓。实验结果表明,分割得到的端子内径轮廓周长偏差小于0.1%,表明此方法可以准确地分割线束端子显微图像。     

大豆冠层多光谱图像提取方法

为解决大豆冠层在近地端的多光谱图像边缘灰度不均,目标与背景之间灰度差别小,难以准确高效地获取大豆冠层目标区域的难题,将多光谱成像处理技术与经典图像分割方法有机融合,提出基于多光谱图像处理技术的大豆冠层提取方法。以东北大豆为对象,通过Sequoia多光谱相机采集绿光、近红外、红光、红边和可见光五类大豆多光谱图像,采用高斯平滑滤波法对原始大豆多光谱图像进行预处理,分析多光谱图像中大豆冠层和背景的灰度直方图分布特性,在此基础上利用迭代法、Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域,并以图像形态学开运算处理细化和扩张背景,避免图像区域内干扰噪声对大豆冠层识别效果的影响,同时以有效分割率、过分割率、欠分割率、信息熵以及运行时间等为监督指标,对大豆冠层多光谱图像识别模型进行效果评价。大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像,有效分割率分别为97.81%和87.99%,对绿光、红光和红边大豆冠层图像分割效果较差,有效分割率低于70%;Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像,且有效分割率均在82%以上;三种算法对红光大豆冠层图像的有效分割率均低于20%,未达到较好效果。在原始多光谱图像中应用迭代法、Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为：0.120 1,0.054 7和0.059 8,其中Otsu法和局部阈值法较小,表明了对于大豆冠层多光谱图像识别中两种算法的有效性。该算法中Otsu法和局部阈值法均可以有效提取绿光、近红外、红边和可见光等多光谱的大豆冠层图像,二者较为完整地保留了大豆冠层信息,其中Otsu法实时性能较局部阈值法更好。该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。     

Quantum watermarking based on threshold segmentation using quantum informational entropy

We propose a new quantum watermarking scheme based on threshold selection using informational entropy of quantum image. The core idea of this scheme is to embed information into object and background of cover image in different ways. First, a threshold method adopting the quantum informational entropy is employed to determine a threshold value. The threshold value can then be further used for segmenting the cover image to a binary image, which is an authentication key for embedding and extraction information. By a careful analysis of the quantum circuits of the scheme, that is, translating into the basic gate sequences which show the low complexity of the scheme. One of the simulation-based experimental results is entropy difference which measures the similarity of two images by calculating the difference in quantum image informational entropy between watermarked image and cover image. Furthermore, the analyses of peak signal-to-noise ratio, histogram and capacity of the scheme are also provided.