基于遗传算法的三维重构图像阈值分割

图像阈值分割是三维重构中图像处理的一个重要内容最佳熵阈值的图像分割具有很多优点,但同时也需要大量的运算时间,从而限制了其实际应用．将遗传算法应用于最佳熵阈值的确定中,提出一种新的图像阈值分割方法,以灰度图像的直方图熵作为评价标准,把图像阈值分割问题定义为一个优化问题．利用遗传算法寻优的高效性,搜索到能使分割质量达到最优的分割参数——图像分割阈值．实验结果表明,采用遗传算法不仅可以实现正确的图像分割．而且使得分割速度大大提高．     

基于直方图的模糊最大指数熵图像分割方法

针对最大熵阈值分割算法的计算缺陷,提出了一种基于直方图的模糊最大指数熵阈值图像分割新算法．该算法把模糊性指数、模糊熵概念应用到图像分割中,结合基于灰度图像直方图的模糊最大熵阈值图像分割理论,给出了模糊最大熵的新定义,同时引入了指数熵的概念．该算法能较好地完成图像分割,较传统分割算法具有更强的抗噪能力,为后续的图像处理提供了良好的基础．通过对真实目标灰度图像的分割和对比实验,表明本文新算法分割准确,性能优越。     

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。     

图像分割方法的研究现状与展望

图像分割是图像处理中的一项关键技术，也是一经典难题，发展至今仍没有找到一个通用的方法，也没有制定出判断分割算法好坏的标准．对近几年来出现的图像分割方法作了较为全面的综述，探讨了图像分割技术的发展方向，对从事图像处理研究的科研人员具有一定的启发作用．     

图像分割技术综述

图像分割是图像处理领域的重点和难点,是从图像处理到图像分析的关键技术,是许多智能化图像分析系统中不可或缺的一步。本文主要从静止图像和运动图像两方面对图像分割的算法加以概括总结,指出图像分割技术在抗干扰性、鲁棒性、实时性和自适应性等方面的发展变化,并简要介绍近几年图像分割中的新方法,如支持向量机(SVM)方法和贝叶斯(Bayesian)决策理论,最后对图像分割技术的发展作出总结和展望。     

基于粒子群算法的Otsu法图像阈值分割

图像分割是由图像处理到图像分析的关键步骤,Otsu法是一种效果较好、实现简单的阈值分割方法.针对传统的Otsu阈值计算方法需要在全灰度范围内搜索一个最佳门限组合,耗时较多,难以实际应用这一问题,采用协同和带压缩因子的粒子群改进算法求解Otsu阈值,通过分别用改进粒子群算法和标准粒子群算法对lena测试图像的实验表明,前者相较于后者有更高的精度.而在计算时间方面,两者都不到传统方法的百分之一,有利于提高图像处理的实时性,也证实了将粒子群算法用于阈值分割是可行的.     

牙病图像特征提取算法的研究与设计

为了解决现在许多自动分割方法不能满足医学图像处理实践要求的缺陷，考虑医学图像处理的特殊性，提出一种基于模糊连接的由用户参与控制、引导的交互式阈值分割算法．借助图像分割技术进行医学图像处理．采用牙病图像进行试验，结果表明此分割算法可以较好地描述图像中无法精确定义的区域，解决了医学图像处理实践中对分割准确性的要求，而且进一步解决了口腔图像中目标物体的边界不清晰而难以准确分割的问题．仿真实验结果证明这种算法的可行性和有效性．     

车牌识别中的图像提取和分割算法

在对车牌图像中的几种主流字符提取、分割的方法进行分析、比较的基础上,对车牌图像先应用形态学中的开运算增强,再选择自适应阈值并进行二值化,以连通区域法为基础,结合投影法、固定边界法进行分割.结果表明,这种策略在增强图像分割效果的基础上,加快了图像处理速度.     

图像分割方法及性能评价综述

图像分割是图像处理与计算机视觉的基本问题之一,是完成图像识别、目标跟踪等复杂处理任务的关键步骤。本文综述了常用的经典图像分割方法,介绍了每种方法各自的特点及在分割处理时的性能。同时,还对图像分割的性能评价方法做了简要介绍。     

图像分割算法的研究与实现

图像分割是由图像处理过渡到图像分析的关键步骤。利用Delphi 6.0语言实现了一些经典的图像分割算法。经过实验证明,该程序可以快速、准确实现图像的分割。     

集装箱号识别中图像及字符的处理分割技术

详细介绍了一种实际应用的集装箱号识别系统中的图像及字符的处理和分割过程。在Matlab中实现定位后的图像处理及字符分割,达到了很好的分割效果,应用神经网络相关的BP算法,可以显著提高模式识别率。图像、字母和数字分割准确率达到98%。     

B超医学图像分割技术的研究

图像分割是图像处理过程中一个关键的环节.本文探讨了对B超图像的分割技术,对目前文献中常用的B超图像的分割算法--阈值分割法、结合特定理论工具的方法进行了分析和研究,总结了使用活动轮廊模型进行B超图像轮廓提取的关键技术,同时,联合使用动态阈值分割及最优阈值分割法,实现了对B超图像的二值处理.     

舌脉计算机自动分割方法

为了对舌脉进行计算机自动分析,基于现有的血管分割方法,针对舌脉分布的特点,在基于投影初始边界Snakes模型方法分割舌体的基础上,采用R通道及色度阈值对舌图像预处理,用C均值聚类方法并结合舌脉分布走向的先验知识分割舌脉.实验结果表明,这种方法可以得到较好的分割效果.     

图像分割的分级性研究

图像分割是指将一幅图像分解为若干互不交选区域的集合,是图像处理与机器视觉的基本问题之一．本文对传统的分割定义进行分析,指出其局限性,并提出了新的广义定义;根据不同的分割目的,提出了“４级分割”的分级性框架;并简要介绍了各级分割的应用和常用算法．该成果有利于进一步对各种分割算法进行有效的客观评价．     

结合粒子群算法优化归一割的图像阈值分割方法

为了快速得到图像分割的最佳阈值,依据图论知识,利用灰度级相似矩阵代替像素级权值矩阵,将归一化切割准则作为优化函数.利用粒子群优化算法代替穷举法优化归一化划分准则,提出粒子群算法优化归一割的图像阈值分割方法.实验表明在分割性能上有较大的提高,在分割速度上也有较大的改进,能够满足实时性要求.     

自动选取阈值方法比较研究

在数字图象处理中 ,阈值处理是非常有用的图象分割技术。它已被广泛地应用于数字图象处理的许多领域 ,近年来已有许多种阈值化方法被提出。阈值选取是图象处理与分析问题的基础 ,如何才能正确地找到适当的阈值 ,是一个非常棘手的问题。针对几种常用的图象二值化自动选取阈值方法 ,通过计算机仿真对实验结果进行了比较研究。并在此基础上 ,提出了一种新的图象二值化算法。该算法着重于在图象二值化时保留图象的边缘特征。其基本思想是 :首先 ,用微分算子检测图象的边缘 ;然后 ,在这些边缘象素点上进行二值化阈值的自动选择 ;最后 ,对于其它非边缘象素点则采取常规方法进行二值化处理。实验结果表明 ,这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征 ,并能处理低质量的图象。     

Inverse Synthetic Aperture Radar Imaging of Multi-Targets Based on Image Processing Technique

基于图像处理技术的ISAR多目标成像

王勇，冯帅，张庆祥

(哈尔滨工业大学 电子与信息工程学院，哈尔滨 150001)

创新点说明：

提出一种基于图像域分割处理的多舰船目标ISAR成像算法，创新点如下：

1. 首先应用图像域的一系列处理将稀疏的多目标ISAR图像变为边缘清晰、相互无交叠的多目标轮廓像，进而应用图像域的滤波器实现目标的分离提取，针对分离出的单目标进行精确的聚焦成像。

2. 所用方法解决了速度相近的多目标ISAR成像问题，可有效解决方位向或距离像不可分割目标的分离问题。并在实测数据验证中表现出良好性能。

研究目的：

为解决速度相近的多目标在ISAR成像中难以精确聚焦与有效分割，提出一种基于图像域分割处理的多舰船目标ISAR成像算法。该算法具有一定鲁棒性与自适应性，可对距离相距较近、平动速度相似、三维摆动不同的多目标进行有效分割与再聚焦成像。

研究方法：

1. 对多目标回波数据进行距离压缩，应用积累互相关法及恒定相位差消除法进行整体的初步运动补偿，之后应用RD算法得到多目标的粗成像结果。

2. 对粗成像结果依次进行全局噪声抑制、自适应图像截取、条纹干扰及斑痕噪声抑制、图像空洞填充、几何聚类分割，得到目标各自的轮廓。之后应用该轮廓在复图像域实现目标的分割与提取。

3. 将提取到的目标数据反变换至数据域，重新进行单目标的运动补偿，之后应用RD算法及RID算法（PGCPF）得到不同目标各自的清晰成像结果。

结果：

1. 针对多个相似速度目标（四个舰船目标具有相似的平移运动和不同的三维摆动）进行仿真实验，目标完整分离且成像清晰，说明本文所提出算法的有效性。

2. 应用一段实测双船数据对算法性能做出验证，结果显示分离效果较好，成像较为清晰，说明本文所提出算法具备处理实际场景数据的能力。

结论：

当雷达回波内出现多个目标回波时，由于目标的运动状态差异，导致传统的运动补偿方法无法同时将目标的运动精确补偿，造成成像质量偏低。本文提出一种基于图像域分割处理的多舰船目标ISAR成像算法。该算法经过仿真及实测数据的验证，具备一定的鲁棒性及自适应性。

关键词：图像分割，多目标，ISAR