一种基于内容的视频对象分割算法

提出了一种基于内容的视频对象分割算法。该算法先对分块的图像进行运动估计，利用运动矢量初步分割运动前景和背景，对于产生的背景噪声使用改进的中值滤波算法滤除，并用形态学的方法恢复出运动物体。实验结果表明：该算法能够较好地从视频序列中分割运动前景和背景，比较适合于在基于内容的视频编码标准MPEG-4中使用。     

一种基于密集深度分离卷积的SAR图像水域分割算法

SAR图像的水域分割在舰船目标检测、灾害监测等军事和民用领域具有重要意义。针对传统水域分割算法鲁棒性差、难以准确进行分割等问题,该文首先建立了基于高分三号的SAR图像水域分割数据集,并基于深度学习技术提出了基于密集深度分离卷积的分割网络架构,该网络以SAR图像作为输入,通过密集分离卷积和扩张卷积提取图像高维特征,并构造基于双线性插值的上采样解码模块用于输出分割结果。在水域分割数据集上的实验结果表明,与传统方法相比,该方法不仅在分割准确度上有大幅提高,在算法的鲁棒性和分割速度上也具有部分优势,具备较好的工程实用价值。      

一种新的含噪遥感图像Otsu分割算法研究

Otsu（最大类间方差）是经典的非参数、无监督、自动获取最佳阈值的最优图像分割方法。但是,在用于含噪图像的分割时,Otsu方法并不能取得理想的分割效果。针对这一问题,本文在Otsu分割方法的基础上,给出了一种新的含噪遥感图像分割算法。该算法首先用小波包对含噪图像进行全局阈值的去噪处理,然后利用局部加权回归对图像像素逐一估计去噪,得到去噪后的图像,之后采用Otsu方法对估计图像分割。仿真实验表明：该算法不仅计算量小,具有良好的抗噪能力,而且获得了较好的分割效果。     

基于小波和模糊聚类的示温漆彩色图像分割算法

针对小波分析和聚类算法用于彩色图像分割的不足,提出了一种结合小波和模糊聚类示温漆彩色图像分割算法.首先通过小波变换模值得到图像各颜色分量的模值,并与颜色特征一起作为颜色特征量;然后根据聚类算法计算欧氏距离;最后根据欧氏距离和颜色特征量,按照模糊C均值聚类算法完成图像分割.实验结果证明,将该方法应用于示温漆彩色图像分割中,取得了较好的效果.     

基于直方图极大值准则可变参数图像阈值分割方法

提出了一种基于直方图极大值准更则图像阈值分割方法，通过调节参数可对多类图像进行分割。阉值分割是实时图像处理首选的分割算法。本文通过一维灰度直方图确定极大值，从而获得图像中多个目标区域和背景区域阉值，分割出多个区域，将每个区域赋为不同的灰度级，根据具体所要分割的目标再进行分割。实验证明该方法分割效果较好，分割速度快，实时性较好。     

基于先验信息遗传算法的图像分割

医学图像分割通常由医生根据器官位置、形状等先验信息从图像中手动圈出疑似的肿瘤区域,以便用于确定治疗计划与诊断。手动分割的方法存在主观差异性与分割的不一致性,可能造成疾病诊断的误判,延误治疗时机。由于器官间对比度较弱,且不存在明确的分割界限,自动医学图像分割应用于疾病诊断还具有很大的挑战。本文在遗传算法的基础上,结合已知形状、区域属性和目标位置等先验信息,提出了一种新颖有效的自动医学图像分割算法。为了验证提出算法的有效性,在盆腔CT图像上应用该算法进行前列腺癌的分割。实验结果分析表明,文中提出的算法可以清楚地区分出目标器官的边界,准确地分割出前列腺区域,对模糊的图像也有较好的检测分割效果,适合用于肿瘤的自动分割。     

改进OTSU算法和边缘检测的图像分割算法研究

最大类间方差法是一种最广泛使用的图像阈值自动选取方法之一,在分析理解该算法的基础上,提出了一种改进最大类间方差法和边缘检测相结合的分割方法,该算法在选取最佳阈值时不仅考虑目标和背景的均值还考虑了它们的方差。通过实验分析表明该算法能够达到较好的分割效果,有较好的使用价值。     

基于公路收费系统的车牌定位与字符分割算法

针对收费站点环境的特殊性，在使用新的边缘检测与图像二值化方法的基础上，提出了仅基于车牌特征信息进行车牌定位与字符分割的算法。经过现场检测，该算法定位与分割准确率较好，且具有很好的鲁棒性，车牌定位准确率为98．7％，字符分割正确率为99％。     

基于自适应Canny和区域生长的滴头图像分割算法研究

文章采用一种融合Canny边缘检测与区域生长的图像分割方法来分割滴头图像,该算法首先采用自适应Canny进行粗分割,然后对粗定位后的图像进行区域生长,消除伪边缘,最后通过投影的方法精确定位出滴头.实验表明该算法在滴头图像分割中取得了较好的分割效果.     

基于Gabor小波变换的彩色图像分割

本文提出了一种基于Gabor小波变换的彩色图像分割方法，首先对彩色图像进行Gabor小波变换，然后进行特征提取，并采用动态聚类K-均值算法进行分类，最后得到图像分割的结果。实验和分析表明，该方法对于彩色自然图像的分割具有较好的效果。     

基于小波变换的高分辨SAR港口目标自动分割

根据图像边缘检测的思路 ,在研究SAR图像特性的基础上 ,提出了一种高分辨SAR图像中港口目标的自动分割算法 ,并将小波分析成功地应用在预滤波和去噪以及真伪目标识别上 ,取得了良好的检测效果 .     

一种基于最大类间方差和区域生长的图像分割法

提出一种基于一维最大类间方差和区域生长的图像分割法。首先用一维最大类间方差法确定最佳分割阈值,再用改进的区域生长法分割得到目标。实验结果表明,该分割算法不仅适用于简单的图像分割问题,而且对于背景复杂、光照不均匀的图像也能取得较好的分割效果。该算法计算量小,实时性和分割精度均有一定优势,在提取目标的同时,不留下任何背景像素,使下一步的目标识别更为简单。     

基于灰度秩数向量的非监控纹理图像分割

纹理图像分割的首要问题是纹理特征的提取与描述.传统的统计纹理描述方法和结构纹理描述方法各有特点,但也各有不足.本文从结构与统计结合的角度,提出了一种基于灰度秩数的结构性统计方法,该方法可以较好地抽取物体表面的结构特征.在用本算法对纹理进行描述的基础上,本文采用了一种广义最小体积椭球聚类算法(GMVE)对所抽取的纹理特征进行聚类分割.算法有效性在实际纹理分割中得到了验证.     

结合背景抑制技术的FLIR图像分割

针对前视红外（ＦＬＩＲ）图像的分割,提出采用去中值波滤器进行预处理抑制背景、增强目标,进而利用基于模型的ＦＬＩＲ图像分割（ＭＢＳ）算法完成图像分割,从相容性向量及初始概率计算两方面对ＭＢＳ算法进行了改进．对实际红外目标图像分割结果证实该方法与ＭＢＳ算法相比,在低对比度、高噪声情况下能得到更为精确的分割结果,同时能极大地降低了背景干扰     

多尺度马尔科夫随机场在基于高分辨率合成孔径雷达影像的城市地物分类中的应用

本文通过基于多尺度马尔科夫随机场模型的最大似然算法及基于传统马尔科夫随机场势函数的像素间Gabor相似方法,使用迭代条件模型对影像进行分割,使用K均值分类算法对分割后的影像进行分类,选择北京市通州区作为研究区,使用上述方法对多幅该区域的高分辨率合成孔径雷达影像进行了分类,新方法可以实现优于传统算法的分割精度,能够清晰区分建筑物之间的边界。     

磁环表面缺陷图像分割算法的研究及实时实现

为实现小型磁环表面细微缺陷图像无监督分割,并提高分割精度与计算效率,本文提出了一种基于改进2D Gabor滤波器组的自适应阈值分割方法。首先,利用多尺度、多方向的Gabor滤波器组对缺陷图像进行滤波降噪处理,抑制目标区域与背景区域内部的噪声污染,同时增强区域间的差异性；然后,通过对处理后图像的灰度统计特性分析,根据缺陷图像的灰度均值及方差构造了灰度阈值计算公式,实现了小型磁环表面细微缺陷图像的自适应分割。实验结果表明,本文算法可快速、准确地分割缺陷并抑制噪声干扰,在分割精度、计算效率等方面也优于传统的选择迭代法、OTSU、最大熵等方法,并能够在先进的SEED-DVS8168平台上实时实现,验证了此算法的可行性与实时性。     

二维直方图θ-划分Tsallis熵阈值分割算法

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而Tsallis熵与传统的Shannon熵相比,具有普适性且更为有效,本文提出了适用面更广的基于二维直方图θ-划分和最大Tsallis熵的图像阈值分割算法。首先给出了二维直方图θ-划分方法,采用四条平行斜线及一条法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=45o的特例;然后导出了二维直方图θ-划分最大Tsallis熵阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间,θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值。与常规二维直方图直分最大Tsallis熵法相比,本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且所需运行时间及存储空间也大为减少。      

并行MCMC算法的SAR影像分割

MCMC(Markov Chain Monte Carlo, MCMC)方法采用顺序改变表征像素类属性的标号变量值会导致算法运算时间长、收敛速度慢等问题。为此,本文提出并行化改变像素标号值的MCMC方案,在贝叶斯推理框架下,依据高斯分布及MRF(Markov Random Field, MRF)模型建立SAR(Synthetic Aperture Radar, SAR)影像分割模型,设计实现基于多线程的并行采样方案;为了解决MRF标号场中邻域像素标号相关性问题,提出独立的像素并行采样的准则;同时,限制并行线程的数量,以保证采样的随机性。运用传统的串行算法和提出的并行算法对模拟和真实SAR影像进行影像分割实验;定性和定量的时间和精度评价结果表明:该方案在不影响分割精度的前提下大幅缩短影像分割时间,提高了效率。      

基于Contourlet域图谱聚类和多尺度Markov模型的多光谱遥感图像分割

针对多光谱遥感图像的特点,结合图谱聚类、Co ntourlet系数分布的统计特性和多尺度Markov模型, 提出了一种基于Contourlet域图谱聚类和多尺度Markov模型的分割(CSCMMS)方法。首先对 待分割图像进行Contourlet变换,利用图谱聚类对最粗尺度低频图像聚类得到可靠的初始分 割结果;然后 利用互信息构造Contourlet域的多尺度Markov模型,结合多尺度、多方向的图像信息将低频 图像的初始分 割结果逐尺度传递到最细尺度,得到原始图像的分割。对合成图像和多光谱遥感图像的实验 结果表明,提 出方法在边缘信息保持和噪声敏感性上具有明显改进,错分率和运算时间进一步降低。