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。     

手背静脉图像的降噪和分割研究

手背静脉识别是一种新兴的生物特征识别技术。根据手背静脉图像的特点,对静脉图像预处理进行了研究。静脉图像预处理分为图像的降噪和静脉图像的分割两部分。提出了一种混合噪声滤除算法,在判断出的脉冲噪声基础上,根据连通性去掉被误判成脉冲噪声的边缘,有效地滤除了静脉图像中的脉冲噪声和高斯噪声,且较好地保护了静脉图像的细节特征;采用了局部动态阈值算法NIBlack算法对图像进行分割。很好的提取出了手背静脉。     

新的指纹纹理区域分割算法

首先对指纹图像进行归一化处理。然后,以脊线方向和与其垂直方向的灰度差值为依据来进行指纹纹理区域的分割。最后,对分割模板进行平滑处理和开运算,提取纹理区域。与5种分割算法的对比结果显示:本文提出的算法快速有效,并且能够很好地去除指纹采集器的边框和噪声等非纹理区域。将分割算法加入匹配实验中,结果表明:本文方法可以有效地提高指纹自动识别系统的性能。     

基于图像分割和可变窗的联合立体匹配

提出一种基于图像分割和可变窗的联合立体匹配算法。首先对参考图像和目标图像进行图像分割,根据视差在同一色彩分割区域平滑的假设,计算出分割区域的匹配代价;然后由窗口内的匹配误差均值、误差方差、偏向误差确定最佳可变窗并求出其匹配代价;最后综合两类匹配代价通过局部优化方法获得稠密视差图。实验结果表明,该算法能够较好的处理低纹理和深度不连续区域,得到较高匹配精度的同时降低了匹配时间。     

基于模糊逻辑和区域合并的分水岭变换图像分割

通过分析分水岭变换对图像细微变化敏感而产生过分割现象的缺陷,提出一种基于模糊逻辑的分水岭变换区域合并算法。首先使用形态学滤波方法对图像进行平滑降噪处理,并进行分水岭变换。再根据相邻区域的边缘有效性与灰度相似性,通过模糊推理及去模糊化方法获得区域可合并度。最后根据可合并度进行区域合并,获得分割结果图像。实验结果的数据分析表明:该方法在保证了重要轮廓信息不丢失的前提下,克服过分割现象,大量减少无效区域,提高了分割结果对图像中物体轮廓的概括性,较好地达到分割图像的目的。     

基于水平集的自适应保边平滑分割

为了提高活动轮廓模型对自然图像的分割效果,提出了一种新的分割算法。首先将水平集和全变分有机结合,建立了保边平滑分割模型;其次运用聚类算法自适应选取平衡参数,避免了水平集曲线收敛于局部最优;最后根据水平集对不同平滑分量分割区域不同,设计了基于区域置信度的分割平滑收敛函数,解决了分割曲线消失问题。实验表明,该算法对自然图像分割测评分数高于传统活动轮廓分割算法,对图像纹理和噪声不敏感。     

基于最小错误率和快速水平集的图像分割

提出一种基于最小错误率和快速水平集的图像分割方法,通过对速度项和停止条件的重新设计,实现了快速而有效的图像分割。算法采用模式分类思想,以统计直方图来近似目标和背景区域的概率密度,对基于最小错误率的判别函数进行平滑滤波以获得外部速度,从而实现曲线的进化;同时,分割过程在分类错误率达到最小时停止。实验结果表明,本文算法对弱边缘、低对比度灰度图像具有较好的分割效果,且具有较强的抗噪性能;在分割速度上,本文算法也明显优于几种已有算法。     

基于边缘检测终止条件的区域生长算法

提出了一种边缘检测和区域生长分割算法相结合的病灶区域提取的新方法.通过最大最小曲线流保留边缘算法对图像进行平滑去噪,利用区域生长算法对图像进行分割.采用Canny算子做为分割的终止条件.实验证明,该方法能够精确的提取出病灶区域.     

一种基于FCM和VBM的头部磁共振图像多组织分割算法

为了在无损情况下获得精确的人体头部三维模型,需要从颅脑的MRI序列图像中分割出头皮、颅骨、灰质、白质和脑脊液等5种主要的组织。首先,通过BET算法从原始的MRI图像中摘取出颅脑区域,然后通过模糊C-均值聚类(FCM)算法对得到的颅脑区域进行细分得到灰质、白质和脑脊液,继而再通过基于体数据的形态学(VBM)分割算法分割出颅骨、头皮和脑部空腔等非脑组织区域,最后对分割得到的各个组织进行平滑和形态学处理,最终成功分割出了所需的5种组织。通过与K均值聚类算法及形态学分割方法对比发现,该分割算法在组织边缘梯度更高的情况下具有更低的形态失真度。     

Mean shift 算法在带钢缺陷图像分割中的应用

带钢自动表面检测系统中缺陷图像的分割效果对缺陷识别具有重要影响．为了提高缺陷图像的分割效果,提出了采用 Mean shift 算法对带钢缺陷图像中的感兴趣区域进行平滑从而获取缺陷边缘的方法,并将该算法与中值滤波算法进行了比较．测试结果表明,Mean shift 算法能够有效地对缺陷图像中的感兴趣区域进行平滑,并精确得到缺陷目标的边缘,该算法在带钢的缺陷分割中具有较好的性能．     

基于图像能量和量化的公开数字水印算法

提出了一个新的基于图像能量和量化的公开数字水印算法.首先对原始图像进行均匀分块,然后根据相应的水印信息和量化方法修改各个图像子块的能量以嵌入水印;水印的提取则是水印嵌入的逆过程.由于在算法中采用了量化嵌入策略,从而使该算法在提取水印时无需原始图像.实验结果表明:该算法具有很好的水印不可见性,对常见的图像处理攻击:如重采样、颜色抖动、平滑、加噪声和JPEG压缩等具有很强的稳健性.     

使用代数多重网格进行多聚焦图像融合

针对将代数多重网格对图像结构信息的提取能力应用到图像的融合方面进行了研究,提出了一种基于代数多重网格的自适应多聚焦图像融合算法。首先提取图像的粗网格数据,然后进行分块重建,根据分块重建结果与原始图像的均方差选择合适的源图像分块进入融合图像。为了避免分块之间的不连续性,采用了自适应的策略。实验结果表明,自适应图像融合的结果没有丢失有效信息,能够最大程度地将清晰物体保留在融合图像之中。     

基于边缘检测的颈动脉CT图像分割技术研究

在传统图像分割算法的基础上,提出_『基于改进边缘检测的颈动脉CT图像分割方法．首先利用Canny边缘检测算子对CT图像进行边缘检测,然后利用数学形态学方法进行后续处理,并提取各种目标的轮廓．实验结果表明,该方法能有效实现目标与背景的分离,为正确诊断提供了指导信息,大大降低了工作量．     

基于小波变换域的数字图像嵌入和提取方法

针对数字图像水印的嵌入和提取问题,提出了一种基于小波变换域的数字图像水印的嵌入和提取算法.该算法结合了离散小波变换、Arnold置乱变换和奇异值分解.通过Arnold置乱变换对数字水印图像进行变换,对原始图像进行二次离散小波变换,之后分别对置乱后的水印图像和原始图像小波变换中的低频部分进行奇异值分解,对两者的奇异值矩阵进行加性操作实现水印的嵌入过程.结果表明:该算法能够准确实现水印的嵌入和提取功能;嵌入的水印具有良好的隐身性,人眼不能感觉出水印嵌入带来的变化;算法具有较强的鲁棒性,经过椒盐噪声、高斯噪声、JPEG压缩、高斯平滑和裁剪操作等污染及攻击后,都能较好地恢复水印信息.     

基于标记提取分水岭算法的医学图像分割

针对医学图像分割中分水岭算法的过分割问题,提出了一种改进的基于标记提取的分水岭算法．此算法埘分水岭算法进行厂两点改进：一是在预处理阶段,先对原始图像做腐蚀滤波和膨胀滤波处理,将原始吲像与腐蚀图像相加后减去膨胀图像得到合并图像,再对合并图像做开、闭运算,从而达到滤除原始图像中的噪声和非感知信息、保留原始图像结构信息的目的;二是在分割阶段,对开、闭运算后的图像进行分水岭分割,该分割由形态梯度计算、标记提取和分水岭分割二部分组成．改进后的算法因为无需进行分割后的区域合并处理,降低了分割的复杂性,同时能较好地抑制慨部医学图像中的过分割问题,并把图像中的病变区域有效分割出来．     

基于深度信息的动态手势识别算法

针对目前手势识别方法计算复杂、特征量提取不可靠等问题,提出基于Kinect传感器深度信息快速动态手势识别算法。通过Kinect的深度摄像头获取深度图像,利用阈值分割法对深度图像进行预处理;结合深度信息,利用OpenCV函数库来提取前景;选用动态时间规整(dynamic time warping)算法计算测试行为模板与参考行为模板之间的相似度以实现样本的分类;最终结合OpenNI和OpenCV,在VS2010环境下实现了该算法。与其他算法相比,该算法改进动态手势特征的提取方法和分类过程,能够快速跟踪手部,有效分割手势。实验结果表明,本方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下具有较好的鲁棒性。     

数字图像的一种小波滤波算法

提出了一种用于图像增强的小波平滑滤波算法．该算法可根据测试图像特点改变小波变换的尺度，在区域平滑的过程中使图像的边缘锐化，较好地处理了平滑噪声和锐化边缘这对滤波技术中的矛盾．实验结果表明，该算法具有良好的滤波性能和实时性．     

一种边缘二进制码的表情识别方法

针对如何从图像中提取有效的表情特征来提高表情识别率的问题,提出了一种基于边缘二进制码的表情特征提取方法,用于表情识别.该方法首先对图像进行边缘检测,然后对边缘的局部结构进行二进制码描述作为表情特征,最后利用支持向量机进行表情分类.在JAFFE人脸表情数据库上,分别用该方法和传统的方法进行试验,结果表明,该方法可显著提高表情识别率.