基于小波变换的图像分割研究

基于多分辨率分析的图像分割技术是当前图像处理的重要内容,提出了小波变换多分辨率分析方法与改进分水岭分割算法相结合的综合分割方法.此方法利用逐层影射和小波反变换可以得到高分辨率图像,与在原始图像上直接进行传统分水岭分割算法相比较,该方法的实验结果能有效地减少分水岭算法图像过分割现象,经实验证明了该方法的有效性和实用性.     

基于小波变换的GrabCut图像分割

研究 GrabCut 是以迭代能量优化算法为基础,以颜色和纹理为特征,从背景图像中提取出目标的图像分割算法。但该方法速度较慢,为了达到实时应用的目的,提出了一种基于小波变换的 GrabCut 图像分割方法。该方法首先对原始图像进行小波变换的图像压缩,使得原始图像的分辨率降低,然后在压缩后的图像上迭代GrabCut算法,最后将收敛获得的目标区域作为原始图像初始值,再次使用GrabCut算法在原始图像上进行迭代,从而提取出目标。实验结果证明该算法提高了图像目标的提取速度,并保持图像目标的特征基本不变。     

基于小波变换的纹理图像分割

基于小波的纹理图像分割方法是把小波变换应用于纹理的特征提取。通过对原始纹理图像进行高阶小波分解，构成每个象素对应一个特征矢量，对所提取的特征利用均值举类算法进行分类，最终获得图像的分割结果。为了提高纹理分割图像的边缘准确性和区域性以及降低分割错误率，提出了利用特征加权来进行后分割的方法。     

基于小波变换的自适应阈值三维图像分割

图像分割技术是由图像处理到图像分析的关键步骤,应用基本的分割技术很难得到精确的阈值。研究了三维图像分割技术,提出一种自适应阈值三维图像分割技术,先对三维图像分解成一系列二维图像,根据小波变换理论,分析不同分辨率下小波变换的特点,确定分割区域数和分解层次,再由低分辨率开始对每幅二维图像直方图进行小波变换,逐步到最高分辨率,并根据不同分辨率下小波变换结果,由粗到细地自动设定精确的阈值分割每幅二维图像,最后将多幅二维图像合成三维图像。实验表明了该方法的有效性,能够满足目标识别的要求。     

基于小波变换的图像过渡区提取与分割

复杂背景下目标的准确分割是自动目标识别中的关键技术之一。该文将基于过渡区提取的图像分割技术应用于自然纹理场景的图像分割,提出了基于小波变换的过渡区提取与分割算法,克服了以往过渡区直接提取方法的不足。实验结果表明,该方法用于自然纹理场景下的目标分割具有很好的分割效果。     

基于小波变换的并行图像分割算法分析与优化

研究了基于小波变换图像处理的可行性,在分析了二维小波变换的数学模型后,改进了基于多处理机的均匀分块并行算法,有效减少了算法中的通信量。该算法具有通信量小、负载均衡等特点,适合实现多级小波变换,符合实际应用中对分辨率的要求。     

基于小波变换的多分辨率图像分割

基于多分辨率分析的图像分割技术是当前图像处理的重要内容。该文介绍了基于小波变换的多分辨率图像分析和分水岭分割算法的综合分割方法。小波变换的多分辨率应用可以有效地减少分水岭算法图像过分割现象;给出了低分辨率下的分割图像到高分辨率图像层上的映射策略,完成了图像从粗糙到精细分割,从而保证了分割准确性,降低了分割的复杂性和计算量。分析了形态学滤波器降低图像噪声和保护图像中对象边界的处理方法,进一步减少了图像过分割的现象,提高了图像分割效果。经实验证明该方法的有效性。     

小波变换在图像照度不均校正中的应用

数字图像中照度不均匀影响了图像分割的质量,本文研究图像照度不均匀的校正。讨论几种现有数字图像照度不均匀的校正技术,分析这些方法在计算误差上面的原因及缺点,在此基础上提出基于小波变换的数字图像照度不均匀校正技术。小波变换兼顾了空域和频域,对光照不均匀数字图像做校正,这对后期图像分割非常重要。图像对比实验表明,该方法与其他方法相比较,具有速度快,所得图像区分度高、背景噪声小的特点。     

基于小波变换的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好地对SAR图像进行分割,该文结合SAR图像和小波变换多分辨分析的特点,提出了一种新的SAR图像分割方法。首先利用小波变换提取SAR图像的纹理特征信息,然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果表明,该方法是一种有效的SAR图像分割方法。     

小波变换在指纹图像恢复中的应用研究

在刑事技术领域中,指纹是刑事侦查中的一项重要信息资源,而对指纹图像的分析又是指纹识别的一个重要的组成部分。本文主要采用基于频域（frequency processing）小波变换方法对原始指纹图像进行处理,从而有效的去噪并突出了指纹的特征。达到了较好的图像恢复效果。     

改进的一种图论分割方法在舌像分割中的应用

由于人舌体的特殊性质,从舌像中直接分割舌体时常存在过分割和过合并现象。针对舌像特点提出了一种结合图论分割和多分辨率分割的图像分割算法,用一种图论分割算法让舌像在两种分辨率下分别进行分割,根据两种分割的结果把它们进行交或者并处理,从而有效地分割出舌体。实验结果表明这种方法能够有效避免直接使用图论分割时出现分割过度或者欠分割的情况。     

基于小波变换的权重自适应图像分割模型

针对灰度不均匀且含噪声图像的分割问题,提出了全局和局部灰度信息的权重参 数自适应水平集分割模型。首先,利用图像的全局和局部灰度信息构造全局能量项和局部能量 项;然后,利用小波变换和小波阈值去噪方法,构造对噪声不敏感的边缘信息刻画矩阵,定义包含 图像边缘信息的自适应权重系数矩阵;最后,利用定义的权重系数矩阵组合全局和局部能量项, 得到分割模型的能量泛函。使用变分法得到了水平集函数演化方程,利用有限差分法实现数值 求解。实验结果表明,该模型兼有 Chan-Vese 模型和 Local Binary Fitting 模型的优点,能够有效 地分割灰度不均匀含噪图像,并对活动轮廓曲线的初始位置和初始形状具有很强的鲁棒性。     

基于Gabor 变换的GrabCut 纹理图像分割

多数自然图像都包含纹理信息, 它相对颜色特征而言具有描述方向性与尺度差异的特性. 因此, 可以利用半交互式的GrabCut 的图像分割方式对图像前景区域与背景区域进行有效的分割, 通过建立前景和背景所对应的高斯混合模型(GMM), 结合最大流最小割的图像分割方式实现全局优化, 并利用前景和背景的KL 测度, 自适应地终止分割过程. 实验对比分析表明, 所提出的方法对于合成纹理图像与自然纹理图像具有较好的整体分割效果及较高的分割准确率.

     

小波变换在医学图像处理上的应用

小波变换是对傅立叶变换的继承和发展,近年来发展迅速,已广泛应用于图像处理、生物医学信号提取、语音合成、地震信号处理等众多领域.小波变换特别适用于提取微弱、背景噪声较强的随机信号,处理医学图像信号这一类非平稳信源.简要介绍了小波变换的原理和特点,综述了小波变换在医学图像压缩、去噪、增强、边缘提取、图像融合等方面的应用.     

基于小波分解和Markov场的CT/MRI医学影像分割

提出了一种基于小波分解和Markov随机场的医学影像图像分割算法.该算法利用小波金字塔分解得到的多尺度分布较好的提取出图像的边缘轮廓信息,通过分层Markov建模,并借助最大后验概率准则克服了其边缘定位不准及非平稳性困难的缺点.实验结果表明,该算法有效地提高了图像分割的质量.     

小波变换在水下图像处理中的应用

因水下信道的特殊性以及成像的复杂性,使得水下图像中的不确定因素给图像处理带来严重的影响。本文主要介绍了一种利用小波变换进行水下图像增强的方法。为降低对水下图像噪声增强程度,方法对不同尺度上的系数进行不同尺度的对比度增强。通过真实水下图像实验证明了该方法的有效性。     

基于对偶树复小波变换的模糊纹理分割

提出了一种基于对偶树复小波变换的模糊纹理图像分割算法,该方法包括纹理特征提取和纹理分类两个阶段,其中,特征提取在对偶树复小波变换的基础上进行;纹理分类可以直接用模糊C均值算法进行聚类从而完成纹理的分割,但由于该算法中隶属度函数是基于样本到类中心的距离设计的,这对非球形分布数据很不合理,针对该问题,引入样本与样本的紧致度来度量类中各个样本之间的关系从而修正隶属度函数,并将其用于纹理分类。实验结果表明与模糊C均值算法在运行时间上相差不大的情况下,改进的方法在分割精度、边缘准确性和区域一致性上都得到了明显的改善。     

Texture segmentation using wavelet transform

Texture analysis such as segmentation and classification plays a vital role in computer vision and pattern recognition and is widely applied to many areas such as industrial automation, bio-medical image processing and remote sensing. This paper describes a novel technique of feature extraction for characterization and segmentation of texture at multiple scales based on block by block comparison of wavelet co-occurrence features. The performance of this segmentation algorithm is superior to traditional single resolution techniques such as texture spectrum, co-occurrences, local linear transforms, etc. The results of the proposed algorithm are found to be satisfactory.     

提升的M通道小波变换在图像压缩中的应用

针对M通道小波变换对信号分频范围更细这一特点,利用基于空间域的小波提升方案,实现了M通道小波变换的提升分解。这种提升分解是不唯一的,可以利用这种分解的不唯一性,使变换具有所需的性质。为此给出了一种M通道快速提升小波变换的算法。该方法只要有分解算法,立即可以得到合成算法,而且将运算结果取为最接近的整数,就可实现整数到整数的小波变换。实验结果表明了该方法对图像压缩的有效性。