结合闭合解抠图及最小生成树的图论分割算法

针对图像目标物体与背景边界交错在一起或两者之间边界不明晰以及背景与目标纹理相似的情况,进行图像分割非常困难．为此,提出了一种基于图论(graph theory)及闭合解抠图思想的图像分割算法．首先,利用闭合解抠图算法对图像进行预分割,粗糙地将图像分为前景和背景两部分;其次,提取目标及背景的细节,再分别用改进的图论分割算法细分割目标物体及背景,从而得到最终图像分割结果．实验结果表明,抠图算法避免了前景和背景的混叠,改进的图论算法可有效提高6％～12％的分割精度．与传统的区域合并、通常的图论及阈值算法相比,该算法精度高、效果好,具有显著优越性．     

图像背景自适应分割技术研究

图像在进行分类识别之前,重要的一步处理过程是进行背景分割,以便把识别对象与图像背景分开,阈值化分割算法是图像分割中应用数量最多的一类,但如何设置阈值进行图像背景的自适应分割成了问题的关键所在。通过图像分割技术,比较分析各种算法的优缺点,提出一种用于图像背景自适应分割的方案。此算法不需要人为设定其他参数,是一种自动选择阈值的方法,且选取出来的阈值理想,对各种情况的表现都较为良好。     

指纹图像的自适应方差分割法

指纹图像分割的目的是从图像背景中分离出有用的指纹区域。灰度方差法是一种简单快速的指纹图像分割算法,本文给出一种自适应阈值的灰度方差分割法。实验表明,本文方法选取的分割阈值能够较好的分离出指纹图像的前景和背景,是一种有效的指纹图像分割算法。     

基于信息熵的OTSU二次分割算法

OTSU算法是以图像的背景和目标之间的最大类间方差为测度准则,该算法由于未考虑到目标与背景内部像素分布的均匀性问题而影响分割效果.当背景和目标的类内方差的差别较大时,OTSU算法求出的阈值将偏向方差大的那一类,从而将类内方差较大的那一类数据中的部分像素划分到类内方差较小的那一类中,造成图像的错分割.针对这个问题,本文提出了一种基于信息熵的OTSU二次分割算法,将信息熵理论与OTSU算法相结合,在OTSU算法的基础上加入信息熵.该算法首先用OTSU算法求出图像的阈值,然后根据该阈值对图像进行分割,最后根据信息熵的理论对错分割像素进行分割.为了证明本文算法的有效性,将本文算法与常用的分割算法进行了比较,并采用分割精度来判断分割的性能.实验结果表明,本文算法相较于其他算法,能够得到更高的分割精度,有效地改善图像的错分割现象.     

基于多尺度的区域生长的图像分割算法

针对医学图像的特点,提出了一种多尺度区域生长分割算法。该算法首先利用高斯滤波器对原图像进行滤波处理,之后利用区域生长算法分别对原图像与平滑图像进行分割操作,最后将两个分割图谱进行比对,获得最终的分割结果。进行区域生长算法时,从背景区域选择一个像素作为初始种子点进行区域生长。该方法的优势为噪音具有较好鲁棒性,初始种子点选取规则简单。该方法同样适合于其他背景简单、目标区域复杂的图像分割情形。为了选取合适分割阈值,提出了最大梯度概念。利用图像的最大梯度矩阵的统计特性,将阈值选取问题转化为求最小值问题。实验表明,该方法能够准确地获得医学图像的分割结果。     

ISODATA聚类在指纹图像分割中的应用

针对指纹图像的特点,研究了传统的指纹分割方法和形态学图像处理方法,将迭代自组织分析算法（ISODATA聚类）应用到指纹图像分割中.首先根据指纹图像块灰度均值、块标准偏差、块灰度对比度和块方向一致性,使用聚类方法划出图像的部分背景块;然后将背景块灰度用背景处灰度平均值代替,使用形态学图像处理方法实现指纹图像的分割.对FVC（国际指纹识别竞赛）指纹库中不同质量的指纹图像进行了测试.结果表明,此算法比传统算法更有效.     

基于关联熵系数的图像分割新算法

图像分割是图像分析的基础,阈值法因简单、快速和稳定而成为图像分割的一种重要方法,在图像处理与识别中广泛应用。针对图像分布具有多样性,本文提出基于随机变量之间关联熵联系的图像分割新算法,该算法通过最大化目标和背景两个概率分布之间的关联熵系数并获得图像分割的最佳阈值。实验结果表明,本文提出的关联熵系数阈值分割方法是可行的。     

一种新的运动目标自适应图像分割算法

提出了一种新的运动目标自适应图像分割算法．在设置自适应跟踪波门对运动目标进行跟踪的基础上,依据最大类间方差函数准则自适应地求出调节系数,再用设置门限分割法完成图像的自适应分割．对该算法进行了详尽的图像分割实验,与著名的Otsu法、迭代法、最大熵法相比较,该分割算法不仅能适应多种复杂背景,而且分割精度高、速度快,是一种实用有效的图像分割方法．     

一种高效的指纹图像逐层分割算法

通过研究传统指纹图像分割算法以及多种混合技术指纹图像分割算法,提出一种高效的结合多种方法对指纹图像进行逐层分割的算法.该算法能准确地从原始指纹图像中分割出背景区和前景区,再从前景区中分割出清晰区和模糊区,最后从模糊区中分割出可恢复区和不可恢复区.实验结果表明:该算法抗噪能力强、分割效果好.     

自适应背景恢复差减算法

针对视频图像进行目标分割时,只对目标区域进行分析而未充分利用视频图像中的所有信息,本文提出了基于自适应背景恢复的差减算法。该算法可在背景未知的情况下,对任意运动目标都能实时、有效地进行自动分割。     

一种新的SAR图像目标识别预处理方法

针对合成孔径雷达(SAR)目标识别问题,提出了一种有效的SAR图像预处理方法．首先通过自适应阈值分割、形态学滤波及几何聚类处理获得干净平滑的目标图像,再采用幂变换来增强图像质量,然后提取图像的主分量分析(PCA)、二维主分量分析(2DPCA)特征来进行识别．基于美国运动和静止目标获取与识别(MSTAR)计划录取的数据的实验结果表明,结合上述预处理,PCA,2DPCA的识别性能均可达到96.5%以上．     

一种改进的CV水平集图像分割方法

由Chan Vese提出的水平集图像分割模型可以不依赖于图像的边缘信息而对弱边缘以及含有内部轮廓的图像具有良好的分割效果.但对于背景图像灰度包含两个及以上等级分层时,图像分割得不到准确的结果.提出一种新的基于C V模型的改进算法,该算法引入了快速C V方法的思想,融入全局梯度信息以及目标的先验知识.实验结果表明,该方法能够很好地分辨出背景图像复杂灰度包含多个等级分层的目标区域轮廓且具有良好的适应性.     

一种基于矢量阈值的自适应图像分割方法

针对灰度图像,提出一种基于空间特征矢量的图像分割方法,分割前首先对边缘进行增强处理,并构建以像素的灰度、梯度、像素邻域均值为特征的三维特征空间.将图像像素点引入对应于空间特征点.通过计算像素特征矢量与特征矢量阈值的差矢量,求出矢量差与特征矢量阈值的夹角,比较夹角与动态分割参数的关系,以判定像素所在区域(目标或背景).实验表明,该方法能较快的实现图像分割,分割的效果也较好.     

基于Itakura-Saito散度的图像分割法

针对Otsu阈值法仅适合图像目标和背景分布呈正态分布且两者像素量和方差要求基本相当的不足,提出了基于Itakura-SaitoS散度的图像阈值化分割新算法。实验结果表明,对有些图像采用Itakura-Saito散度的阈值法比传统Otsu阈值法能够获得较好的分割效果。     

基于微分视场的图像目标捕获算法

在数字图像处理领域,形心跟踪的目标捕获有着广泛的应用,尤其在对于天空等相对简单均匀的背景。形心跟踪算法通过目标与背景在灰度上的差别确定是否是目标,其具有较高的跟踪准确性和稳定性,容易实现目标自动捕获,但当图像背景不均匀而且目标与背景灰度相近时,会严重影响对目标的捕获,而不均匀背景在日常是不可避免的。本文分析了有关形心跟踪算法的特点和不均匀背景图像的特点,提出了基于微分视场的不均匀背景图像目标捕获算法,并应用在实际的工程应用系统中,该算法把整个视场图像分为多个更小的图像块分别进行处理,然后对处理结果进行综合分析,获得真正的目标;通过实验和在工程中应用证明,该算法能较好地克服不均匀背景对弱小目标的捕获跟踪影响,改善弱小目标的捕获效果。     

利用窄波段像素色比的红外弱小目标检测方法

针对单帧红外弱小目标检测中背景抑制残差图中的目标检测问题,提出一种基于窄波段像素色比的残差图融合方法．首先在传统背景抑制获得残差图的基础上,通过计算窄波段图像的像素色比,选取适当的恒定分割率实现目标和杂波的分离,依照特定的融合准则获得信噪比较高的融合残差图;然后应用基于目标体积检测的方法对融合图像中目标能量进行集中,以获取信噪比更高的结果图．该方法的优点在于,弥补了背景抑制后的图像直接阈值分割时受杂波影响大的缺陷,能够有效降低虚警率．     

基于序列图像中运动小目标检测

根据序列胶片图像中运动目标帧间相关特性,提出一种弱小目标检测的方法。采用图像积累的方法,提高信噪比,去除图像背景;采用自适应门限进行阈值分割,得到二值化的图像;利用帧间目标相关的特性去掉噪声点,检测出目标点。实验结果表明,该方法能够有效地提取出低信噪比下序列图像中的微小运动目标。     

基于BP神经网络模型的遥感图像道路分割处理方法研究

图像分割是军事目标识别的主要处理方法.由于神经网络对于解决目标识别问题具有适合用于高速并行处理系统、可以实现特征空间较为复杂的划分等优势,采用神经网络模型在复杂的遥感图像背景中,识别出宽度很小的道路是较为理想的.在简单介绍BP神经网络模型的基础上,论述了BP神经网络模型在目标识别中关于道路分割问题的处理方法,并以实例证明了采用BP神经网络模型对遥感图像进行分割,得到的结果图像能够从复杂的背景图像中分割出道路,并能清楚地反映道路的方向和分叉,对于遥感图像的目标识别有重要的实用价值.     

利用DT-GrowCut的MSTAR SAR图像自动分割技术

结合Delaunay三角剖分理论,提出了一种DT-Growcut全自动SAR雷达图像分割技术.首先将MSTAR数据图像进行Delaunay三角剖分.由于背景噪声是随机相干斑噪声,所以选择两个最大的连通域,引导设置GrowCut种子函数,依据自动细胞机竞争机制,对SAR图像进行分割处理.该方法不需要预先设置类别,能够消除相干斑噪声,能有效地提取SAR图像边沿,大大降低图像的边缘模糊.通过对MSTAR数据库进行仿真实验,并对分割结果进行分析,证明了该方法的有效性和可行性.