印刷网点微观图像阈值分割算法研究

目的 通过阈值处理方法, 准确获取网点微观图像的特征参数, 将其与仪器测量值相结合, 综合评价印刷品复制质量。方法 提出一种基于高斯函数模型拟合网点图像灰度直方图数据的阈值分割算法, 寻找网点类图像最佳分割阈值, 对图像进行二值化处理, 得到准确的网点参数。结果 得到的印刷品网点面积率在全阶调范围内更接近于测量值, 分割效果明显优于传统的阈值分割算法。结论 提出的高斯拟合阈值分割算法更有利于提取网点类图像的微观参数, 精度高, 稳定性好,为获取准确的网点图像微观参数提供了理论与实践参考。     

基于多分辨率分析和分水岭的图像分割方法

提出了一种基于小波多分辨率分析和分水岭算法的图像分割方法.在小波分解后的低分辨率图像上进行分水岭分割,提高了分割的速度;由低分辨率图像返回到高分辨率图像时,采用了一种基于边缘信息的合并函数,避免了边缘信息的丢失,保证了分割的准确性.此外预处理过程中,在梯度图像上基于Rayleigh分布采用阈值处理的方法,有效抑制了高斯噪声对梯度图像的影响,避免了过分割.实验结果证明,本文所提出的基于小波多分辨率分析的图像分水岭分割算法能够很好地兼顾算法的效率和分割的准确性.     

基于Tsallis广义散度的图像阈值分割

为了有效获取图像自动分割的最佳闽值,基于Tsallis广义散度概念,提出了一种新的图像阈值化方法.首先,对Tsallis广义散度公式进行化简,进而建立该简化公式的对称形式.接着,在简化公式的对称形式上构造阈值化前后图像前景与背景的散度和,然后对该和式求职极小值获取图像分割的最佳阈值.实验结果表明,新方法是可行的且能更好的适应复杂多样的图像,是一个有效的阈值分割方法.     

基于SLIC超像素分割的图分割算法

图像分割是对图像进行分析和理解的关键步骤,是计算机视觉的基本技术之一.计算复杂度是评判一个图像分割算法好坏的重要标准,因此降低算法的计算复杂度是当前图像分割领域的主要任务之一.本文提出了一种基于SLIC超像素分割的图像分割方法.该方法利用SLIC算法生成超像素,通过构造相应的相似性矩阵,有效降低了Ncut分割算法的计算复杂度,大幅度缩短了Ncut算法的运行时间.由于SLIC超像素分割算法的准确性与高效性,在进行三类自然图像分割实验时,本文提出的方法无论在分割效果,还是在运行时间上,都要明显优于Ncut分割方法及它的改良算法.     

基于 NSCT 域特征和 PCNN 的SAR 图像目标分割

针对 SAR 图像的目标自动分割问题,在分析非下采样轮廓波变换和脉冲耦合神经网络的基础上,提出了一种基于非下采样轮廓波域特征图和 PCNN 的 SAR 图像目标分割算法.对 SAR 图像经过 NSCT 分解后的高、低频图像分别运用不同方式进行处理.对低频图用 PCNN 进行分割以获取目标所在的区域,对高频子带构造了特征图,对特征图利用 PCNN 进行分割以获取目标的精细结构.利用 MSTAR 数据进行了仿真实验,并与基于模糊 C 均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对 SAR 图像目标的分割结果更为准确,同时较其它算法具有更强的抗噪性能,是一种有效可行的 SAR 目标分割算法.     

红外序列图像的支持向量机分割方法

红外序列图像的准确分割是自动目标识别的关键,而当图像背景复杂时,传统的图像分割技术往往难以满足要求,为此,提出了基于支持向量机的红外序列图像分割方法。序列图像中的部分帧被作为训练样本,通过选择适合的模型参数,运用支持向量机方法建立学习机器,将后续图像帧中的目标从复杂的背景中识别出来,从而实现红外图像分割。实际红外序列图像分割表明,基于支持向量机的图像分割方法不需要复杂的预处理和后处理工作,分割效果理想,对于小目标的图像,识别正确率可达 99%。     

一种基于mean shift的多通道图像分割算法

目的针对目标与背景对象的色彩值比较接近的RGB图像中,目标对象难以有效分割的问题,探索一种基于mean shift的RGB多通道图像的分割方法。方法根据RGB图像的3个通道对颜色的敏感性差异,运用均值偏移算法对RGB图像的3个通道分层聚类,再引入可靠性因子,分别对3个单通道的各聚类像素进行可靠性计算,并保留可靠性高的像素作为分割结果,最后采用逻辑"或"运算融合单通道的分割结果,得到最终分割图像。结果与一般分割算法相比,该方法的分割效果好,误分率低,改善了图像的分割质量。结论该算法具有很好的推广性,能够应用于彩色印品缺陷检测、彩色包装图像检测中。     

一种改进的势函数聚类多阈值图像分割算法

针对基于势函数聚类的多阈值图像分割算法的不足,定义了伪势的概念,并在原算法基础上提出了一种改进的图像分割算法。由伪势概念确定了伪势合并的判别方法,按照此方法,当相邻的两个峰之间的距离小于所定义的自适应模糊伪势因子时,则应该进行伪势合并。改进后的算法在计算剩余势函数时判断是否存在伪势,然后在势划分函数组的确定过程中相应地进行伪势合并计算。利用多幅图像进行了多阈值分割的仿真试验,结果表明,改进的基于势函数的多阈值图像分割算法具有更好的鲁棒性和分割效果。     

基于snake模型的IVUS图像序列三维分割方法

针对血管内超声（Intravascular Ultrasound,IVUS）图像序列中血管壁内外膜轮廓的提取问题,提出一种基于snake模型的三维并行分割方法。首先,对原始图像进行滤除噪声和抑制环晕伪像等预处理。然后,获取IVUS图像序列的四个纵向视图,并从中提取出内腔边界和中-外膜边界。通过将这些边界曲线映射到各帧IVUS图像中,得到横向视图中的初始轮廓。最后,将该初始轮廓作为snake模型的初始形状,通过使snake能量函数最小,模型不断变形,最终得到各帧IVUS图像中的内腔和中-外膜边界。该方法可实现对IVUS图像序列的并行分割,与二维串行分割方法相比,可大大提高处理效率。采用大量临床图像数据的实验结果证明该方法可自动、快速、可靠的完成IVUS图像序列的分割。     

柔版印刷套印误差检测技术研究

目的为了提高柔版印刷过程中套印误差的检测精度。方法分析了柔版印刷产生套印误差的主要原因,并提出了一种基于机器视觉的套印误差检测方法。首先进行工业相机的标定,获取原始的"十"字圆环标记图像,采用融合滤波算法对图像进行预处理,对预处理后图像进行数据分析时,提出一种二次分割算法进行图像色彩分离;再使用模板匹配算法进行模板匹配,获取偏差数据进行套印偏差分析。结果使用该算法在实验中对5组标记图像的轴向、纵向检测误差,均控制在0.03 mm以内,符合行业检测误差在0.2mm以内的检测标准。结论提出的基于视觉的套印误差检测方法具有识别准确率高、处理速度快的特点,能可靠稳定地运行,具有一定的可行性。     

一种新颖的分割算法在果业机器人视觉中的应用

传统流域变换主要依赖图像梯度,该方法并不完善。在噪声图像中,边缘提取也不能够达 到很好的效果。提出的多尺度流域变换算法主要利用一组结构元素按照一定顺序,进行腐蚀膨胀的迭代来分割灰度图像。在多尺度测地重建滤波下,不同尺度的梯度流域分割线存在严格的因果关系。实验结果证实多尺度流域分割的性能远比传统方法优越。     

Oriented distance regularized level set evolution for image segmentation

The conventional distance regularized level set evolution method has been very popular in image segmentation, but usually it cannot converge to the desired boundary when there are multiple and unwanted boundaries in the image. By observation, the gradient direction between the target boundaries and the unwanted boundaries are usually different in one image. The gradient direction information of the boundaries can guide the orientation of the level set function evolution. In this study, the authors improved the conventional distance regularized level set evolution method, introduced new edge indicator functions and proposed an oriented distance regularized level set evolution method for image segmentation. The experiment results show the proposed method has a better segmentation result in images with multiple boundaries. Moreover, alternately selecting the edge indicator functions we proposed during the level set evolution can lead the zero level set contour to converge to the desired boundaries in complicated images.     

基于小波滤波器的浮动阈值算法

在处理光照不均匀的图像分割时用常用的阈值分割方法不能得到良好的分割效果，通过分析图像特征及对小波分析理论的研究，提出采用小波滤波器将滤波以后的低通图像作为图像的浮动阈值进行二值化，获得了比较理想的效果，该算法在枪支在线OCR识别系统中得到实际应用。     

An Improved Unsupervised Image Segmentation Method Based on Multi-Objective Particle Swarm Optimization Clustering Algorithm

Most image segmentation methods based on clustering algorithms use single-objective function to implement image segmentation. To avoid the defect, this paper proposes a new image segmentation method based on a multi-objective particle swarm optimization (PSO) clustering algorithm. This unsupervised algorithm not only offers a new similarity computing approach based on electromagnetic forces, but also obtains the proper number of clusters which is determined by scale-space theory. It is experimentally demonstrated that the applicability and effectiveness of the proposed multi-objective PSO clustering algorithm.     

基于方差和显著性特征的超声图像分割方法研究

针对超声图像对比度小导致的影像上相邻灰度差别很小,人眼有时难于区分的问题,提出了一种基于方差和显著性特征的超声图像分割方法。首先提取图像中已知样本像素点的方差和显著性特征;然后利用支持向量机根据提取的样本像素点方差和显著性特征进行样本训练,得到分类模型;最后根据训练模型对整幅图像上的像素点进行分类,实现图像的有效分割。实验结果表明该方法针对超声图像的分割是有效的。     

一种改进的倾斜航拍图像注释块分割方法

航拍图像的注释信息中记录着航拍中重要的成像参数,如相机类型及外方位元素等。本文针对当前倾斜航拍图像注释块分割存在的一系列问题,提出采用小波变换进行分割的改进方法,并结合数学形态学的方法进一步分割出注释块。实验证明,该方法不仅快速,而且准确,取得了良好的分割效果。     

一种基于HSI空间的红外测量图像伪彩色编码方法

由于红外测量图像灰度分布极不均衡,采用传统的HSI空间(Hue Saturation Imensity,HSI)编码方法对红外测量图像进行伪彩色变换时,常常导致变换后的伪图像色彩仅仅局限于少数几种颜色.针对此问题,本文结合阈值分割理论,根据红外测量图像的灰度分布特性及图像处理要求,提出了一种基于HSI空间的红外测量图像伪彩色编码方法.实验结果表明:采用该方法编码的伪彩色图像色彩丰富,且方法具有较好的自适应性,易于实现.     

WISECODE: wise image segmentation based on community detection

Image segmentation is one of the fundamental problems in image processing and computer vision, since it is the first step in many image analysis systems. This paper presents a new perspective to image segmentation, namely, segmenting input images by applying efficient community detection algorithms common in social and complex networks. First, a common segmentation algorithm is used to fragment the image into small initial regions. A weighted network is then constructed. Each initial region is mapped to a vertex, and all these vertices are connected to each other. The similarity between two regions is calculated from colour information. This similarity is then used to assign weights to the edges. Afterwards, a community detection algorithm is applied, and communities are extracted such that the highest modularity measure is achieved. Finally, a post-processing algorithm merges very small regions with the greater ones, further enhancing the final result. One of the most striking features of the proposed method, is the ability to segment the input image without the need to specify a predefined number of segments manually. This remarkable feature results from the optimal modularity value, which is utilised by this method. It is also able to segment the input image into a user defined number of segments. Extensive experiments have been performed, and the results show that the proposed scheme can reliably segment the input colour image into good subjective criteria.     

具有分割健壮性的超声图像分类方法探索

在早期癌症的发病表现中,肿块和微小钙化点是重要的特征和诊断依据.然而,病变可疑区域与正常组织区域之间的差别很小,并且肿块的边界和内部结构在超声图像上形态不一,与周围组织的差别也很细微,很难用人眼检查到,这样使得早期确诊变得比较困难.本文采用一种基于模糊数学理论的乳腺超声图像增强算法,经过增强处理之后,原先由于图像的模糊而隐藏的信息能够清晰的观察到,这也后后面的肿瘤的分割与分类打好基础.     

Brightness preserving optimized weighted bi-histogram equalization algorithm and its application to MR brain image segmentation

Medical image segmentation is crucial for neuroscience research and computer-aided diagnosis. However, intensity inhomogeneity and existence of noise in magnetic resonance images lead to incorrect segmentation. In this article, an effective method called enhanced fuzzy level set algorithm is presented to segment the white matter, gray matter, and cerebrospinal fluid automatically in contrast-enhanced brain images. In this method, first, exposure threshold is computed to divide the input histogram into two sub-histograms of different gray levels. The input histogram is clipped using a mean gray level to control the excessive enhancement rate. Then, these two sub-histograms are modified and equalized independently to get a better contrast enhanced image. Finally, an enhanced fuzzy level set algorithm is employed to facilitate image segmentation. The extensive experimental results proved the outstanding performance of the proposed algorithm compared with other existing methods. The results conform its effectiveness for MR brain image segmentation.