基于分形维数的纹理图像分割

纹理图发割过程一般分为特征抽取和特征划分,文中提出一种新的基于分形维数的纹理图像分割方法,在特征抽取上,以分形作为纹理特征,运用图像变换的思想,结合差分盒计数和基于分形布朗自相似模型的分形估计方法。     

基于分形和分水岭的图像分割方法

图像分割是一种重要的图像处理技术,也是计算机视觉领域低层次视觉中的主要问题,同时它又是一个经典难题.提出了结合分水岭分割与图像分形维数的一种新方法用于对自然背景下人造目标的提取.实验结果证明,该方法能有效抑制自然背景,并提取出人造目标的轮廓.     

基于分形维数的图像分割研究

本文在分形图象模型研究基础上，采用离散分形布朗增量随机场。通过撮特性参数－Ｈ值，方差，平均灰度值，然后结合传统的聚类分割技术，实现图象分割。在对自然背景中的人造物体图象和金相图的实验结果表明，分割效果良好，且抗噪性能较强。     

基于分形特征的自然景物图象分割方法

提出了一种基于分形特征分割自然景物图象的方法。分割的主要目标是找出景物中的人造物体。首先构造了一组分形纹理特征,给出了图象不同部分的粗糙度及纹理基地大小、方向特性的描述,以此为基础进行图象分割。此外,通过对盒维数方法中的参数拟合性能的分析,对维数估计方法进行优化,理论和实验表明,在自然环境中,该方法能够区 的纹理区域及人造目标,达到满意的分割结果。     

基于图像分形分割的麦穗粒数计算方法

针对小麦育种中小麦单穗粒数品质测定的问题,本文提出了一种基于图像分形分割的麦穗粒数计算方法.首先,利用分形几何中分数维概念,计算图像分形维数作为像元特征,根据像元特征选定一个适当的阈值分割麦穗图像;然后通过分析分割图像的行像素的灰度特征,计算麦穗与图像竖直方向的倾角,按此倾角旋转麦穗图像使麦穗处于图像竖直方向,得到旋转后的麦穗角度矫正图;最后,根据矫正图像的列数据波形特征计算麦穗粒数.实验证明该方法比传统测量方法流程更简洁,准确率更高,计算速度更快,可用于小麦育种中穗粒数测定.     

一种基于纹理信息和遗传神经网络的图像分割方法

提出了一种基于纹理信息和遗传神经网络的图像分割方法,根据分形理论构造了图像的一组分形纹理特征参量,利用遗传神经网络作为图像素的分类器,以此为基础对图像进行分割,分数维的计算采用改进的盒子计算法.试验表明,将该方法应用于生物医学图像,能够区分图像不同的纹理区域,达到满意的分割效果.     

基于纹理和区域特征的台风卫星云图分割方法

在利用GMS红外卫星云图进行无眼台风自动定位方法的研究中,台风云系的分割是处理中关键的一步,文章提出了一种基于纹理和区域特征的台风云系分割方法。首先利用图像的分形维数和灰度特征对台风云系中的密蔽云区进行有效的识别后,然后启动基于区域约束的区域生长计算得到台风云系。     

基于分形理论和Kohonen神经网络的纹理图像分割方法

分形理论作为描述自然现象的一种模型,受到人们越来越多的重视。该文提出采用分形维数和多重分形广义维数谱q－D（q）作为纹理特征,采用自组织神经网络Kohonen网络作为分类器的图象分割方法。通过对纹理图象的分割实验,结果令人满意,证实该方法的有效性。     

基于分形特征的人造目标探测方法研究

自然背景和人造目标对于某些分形特征存在着一定的本质差别，因此充分利用这些差别，能够为目标探测提供一套全新的方法。从仿真实验的处理结果来看，这种方法对于自然背景嵌入少量人造目标这类简单情况的检测效果较好，且具有较强的抗噪声干扰能力；对于其他复杂情况，本分别采用阈值分割组合法和Ｋ均值聚类法进行尝试，得到了一类初步结果。     

基于分形与灰度特征的无监督纹理分割技术

提出了一种新的基于方向分形特征和灰度特征的纹理图像分割方法。该方法首先用一个局部窗从功率谱图像中提取不同方向上的分形维和分形截距,将它们各自的均值和方差与灰度均值、灰度方差结合起来构成一个多维特征向量,然后利用模糊C均值聚类算法进行聚类实现纹理图像的分割。实验结果表明该方法对织物纹理图像和医学图像都有着良好的分割效果,鲁棒性强。     

纹理图象分割的分形方法研究

在分形维数的基础上研究了将其用于纹理分割的方法。采用差分盒维数（ＤＢＣ）方法和一种改进的边缘保持算法计算象素点的分形维数ＦＤ，基于原始图象的方向性差分和多重分形的概念提取出一组特征，并将Ｋｏｈｏｎｅｎ的ＳＯＦＭ网用于对得到的图象特征矢量进行分类，得到了较好的纹理图象分割效果。最后和特征平滑与Ｋ均值聚类方法的结果进行了比较     

一种基于数据融合的医学图像分割方法

针对一类纹理特征明显的医学图像,提出了一种融合纹理信息和灰度信息的图像分割方法,设计了基于金字塔结构的区域增长分割算法,该方法在区域内部结合使用纹理信息和灰度信息,在区域边缘部分则充分利用灰度信息,计算结果表明,该方法对某一类医学图像能够获得较好的分割效果。     

基于纹理分析和区域增长的人群图像分割

以局部区域为分析对象,结合人群密度估计和区域分割技术,实现了一种捕捉人群聚集点的方法.该方法首先通过纹理分析提取局部区域的人群密度特征,然后利用神经网络分类其为不同密度级别,最后用区域增长法分割高人群密度区,即人群聚集点.     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

一种彩色纹理图像的分割方法

纹理分析一直是图像理解和计算机视觉等领域研究的重点和难点,现有的纹理分割方法大多集中于研究灰度纹理图像,文中提出一种基于分形理论的BP神经网络原彩色纹理图像分割方法,该方法将彩色图像由RGB色彩空间转换为HSI色彩空间,根据亮度计算分数维、多重分形广义维数谱q-D（q)和“空隙”等纹理特征,同时加入归一化的色度和饱和度作为另外两个分类特征,采用经过有监督训练的BP神经网络作为分类器,通过对纹理图像的分割实验,结果证实该方法行之有效。     

基于分形理论的一种图象分割方法

介绍了一种基于分形特征进行人造目标分割的方法.它是用分形模型描述自然场景,基于人造目标和自然背景在分形特征上的差别,并利用概率松弛的思想增强这种差异,从而自适应分割出目标图象.实验结果验证了这种方法的有效性和可行性.     

一种基于乘性可变尺度形态分形模型的分割新算法

在定义乘性可变尺度结构算子对数学形态维分形模型进行优化和改进的基础上,提出了一种基于提取分形特征参数的图像分割算法.首先定义并比较了加性和乘性可变尺度形态结构算子,并以此为基础进行形态学膨胀运算,提取归一化模型下的数学形态维分形维数,再用分形特征维数调制灰度值,以拉开各个灰度级间的距离,有效地增大了目标和背景的差异,最后进行自适应阈值分割.大量对比仿真实验取得了良好的分割效果,并且证明了本算法的有效性和可靠性.