共查询到20条相似文献,搜索用时 234 毫秒
1.
显微图象中目标对象的识别 总被引:1,自引:0,他引:1
研究了显微图象中目标对象的识别问题。首先比较了显微图象和宏观图象之间的区别,总结了大部分显微图象具有的一般特征,讨论了宏观图象处理方法用于显微图象时存在的缺陷。然后提出了一种目标对象识别的新方法,该方法利用最优颜色通道识别显微图象中的目标对象,动态地调节识别阈值,减少了误识别象素的数量。对残存的误识别象素和脏点象素采用面积滤波的方式去除,进一步提高识别的效果。该文通过实验,识别了几种显微图象中的目标对象,实验发现,使用这一方法不仅能够提取背景中的目标对象,还可以大量减少误识别象素和脏点象素,说明该方法用于显微图象中目标对象的识别具有一定的优点。 相似文献
2.
本文将细化处理作为一种识别过程看待,对每一个图象象素要么指定为骨架点,要么指定为非骨架点,利用神经网络理论中的多层感知器模型,实现了基于神经网络的图象细化算法,该方法具有很强的抗噪声能力并能提高运算速度。 相似文献
3.
为了在滤除图象椒盐噪声的同时能很好地保持图象的细节,提出了一种新颖的图象椒盐噪声非线性自适应滤除算法。该方法首先在噪声图象的滤波窗口中去除具有最大和最小灰度值的象素,然后求取剩余象素的均值,计算出该均值与对应的象素灰度值的差值,再通过与阈值相比较,确定是否用求得的均值代替原噪声图象的灰度值。阈值由图象的灰度分布自适应地确定,该算法与已发表的同类算法相比,具有更好地滤波性能,尤其在噪声严重时,其效果明显优于传统的中值滤波算法。 相似文献
4.
文中提出了一种新的二值图象边界提取算法。通过分析边界象素的特征,归纳出一个边界象素提取算子,该算子最多只需要计算象素的4邻域象素,运算量小,速度快,运用他能直接提取出二值图象的边界象素,得到单象素宽的边界。实验结果表明,该算法要优于传统的二值图象边界提取算法,实用性强。 相似文献
5.
纹理的各向异性特征(方向性)对于纹理分析有重要意义,基于各向同性和各向异性分离的思想,提出了一种用于方向性纹理分析和综合的多通道模型。分别从频域和空域研究了纹理图象的方向性及非方向性特征,导出了确定纹理主控方向的有效计算方法和残余图象的随机场模型逼近,并将分析所得的参数用于纹理的综合。实验结果和性能分析与比较证实了该方法的有效性和灵活性。 相似文献
6.
现有的图象插值算法会改变局部平均灰度,导致图象对比度下降。本文提出了一种新的保持平均灰度不变的图象插值算法。此算法的关键不同点在于不是让算法结果在采样点的值等于原采样值,而是在一个象素大小的单位面积上得到的平均值等于原采样值。插值结果C1连续,视觉上的平滑性接近于样条插值。将该方法用于图象几何变换可以避免灰度的损失。 相似文献
7.
在图象处理中,图象增强技术对于提高图象质量起着重要的作用,传统的图象增强方法,或者修改图象的傅立叶变换,或直直接处理图象中的象素。本文提出了图象增强的模糊方法不涉及直方图直接在图象的模糊特征域上修改象素,并得到清晰较高的图象由于图象中所具有不确定性往往是由于模糊引起的,因此模糊处理能成功应用于图象处理领域并优于传统方法,本文介绍了图象模糊增强的基本思路和增强算法,给出实验结果以及定性和定量分析。 相似文献
8.
9.
研究了显微图象中目标对象边缘的提取,提出了一种新方法.该方法分三步进行,首先识别目标对象,并与背景区分开,然后滤除误识别象素和脏点,最后提取目标对象的边缘。使用最优颜色通道识别显微图象中的目标对象,动态的调节识别阈值,减少了误识别象素的数量,对残存的误识别象素和脏点采用面积滤波的方式去除,进一步提高边缘提取的效果。试验结果表明,采用本文的方法提取目标对象的边缘优于已有的熵算符法提取的结果。 相似文献
10.
本文提出了一种“背景”消除的图象压缩方法,该法适用于块状结构的图象压缩,“背景”象素定义为:“差分图象”象素值为零值的象素,文中首先描述了这一编码方法的原理,然后给出了编码和重建图象的算法,并以实验结果与等值线编码及差分编码的压缩效果作了比较。 相似文献
11.
目的 与传统分类方法相比,基于深度学习的高光谱图像分类方法能够提取出高光谱图像更深层次的特征。针对现有深度学习的分类方法网络结构简单、特征提取不够充分的问题,提出一种堆叠像元空间变换信息的数据扩充方法,用于解决训练样本不足的问题,并提出一种基于不同尺度的双通道3维卷积神经网络的高光谱图像分类模型,来提取高光谱图像的本质空谱特征。方法 通过对高光谱图像的每一像元及其邻域像元进行旋转、行列变换等操作,丰富中心像元的潜在空间信息,达到数据集扩充的作用。将扩充之后的像素块输入到不同尺度的双通道3维卷积神经网络学习训练集的深层特征,实现更高精度的分类。结果 5次重复实验后取平均的结果表明,在随机选取了10%训练样本并通过8倍数据扩充的情况下,Indian Pines数据集实现了98.34%的总体分类精度,Pavia University数据集总体分类精度达到99.63%,同时对比了不同算法的运行时间,在保证分类精度的前提下,本文算法的运行时间短于对比算法,保证了分类模型的稳定性、高效性。结论 本文提出的基于双通道卷积神经网络的高光谱图像分类模型,既解决了训练样本不足的问题,又综合了高光谱图像的光谱特征和空间特征,提高了高光谱图像的分类精度。 相似文献
12.
指纹自动识别是图像处理技术、模式识别技术与计算机数据库技术的综合应用。指纹图像的方向信息对指纹的预处理、增强、分类及匹配有着重要的作用。因此,在指纹自动识别系统中具有重要的研究价值。文中在金字塔表示法的基础上提出了一种新的指纹图像方向提取方法。该方法通过改进局部方向的估计方法、确定传递权值等方式,提高指纹图像提取方向信息的准确性。实验表明,这种方法对指纹图像噪声有很好的健壮性,且在质量较差的指纹上提取方向信息的准确性方面相对于常用的局部梯度算法来说有明显提高。 相似文献
13.
图像增强是图像处理的重要任务.为了有效地增强对比度极低的表格图像,提出了基于图像方向信息测度算法的自适应图像增强算法.该方法首先在像素级利用图像方向信息侧度将图像像素分为平滑点和阶跃边缘点;然后针对表格图像特点,再对平滑点细分为平滑点和屋脊边缘点,同时,对不同类型的点设计不同的滤波方法,以便通过算法自适应来初步增强图像;最后,利用模糊增强算法来对图像进行对比度增强,以达到更好的增强效果.实验表明,该算法能有效地增强对比度极低的表格图像,并使得结果图像有很好的视觉效果. 相似文献
14.
图像分割是遥感解译的重要基础环节,高分辨率遥感图像中包含复杂的地物目标信息,传统分割方法应用受到极大限制,以深度卷积神经网络为代表的分割方法在诸多领域取得了突破进展。针对高分辨遥感图像分割问题,提出一种基于U-Net改进的深度卷积神经网络,实现了端到端的像素级语义分割。对原始数据集做了扩充,对每一类地物目标训练一个二分类模型,随后将各预测子图组合生成最终语义分割图像。采用了集成学习策略来提高分割精度,在“CCF卫星影像的AI分类与识别竞赛”数据集上取得了94%的训练准确率和90%的测试准确率。实验结果表明,该网络在拥有较高分割准确率的同时还具有良好的泛化能力,能够用于实际工程。 相似文献
15.
16.
17.
Automated segmentation of images has been considered an important intermediate processing task to extract semantic meaning from pixels. In general, the fuzzy c-means approach (FCM) is highly effective for image segmentation. But for the conventional FCM image segmentation algorithm, cluster assignment is based solely on the distribution of pixel attributes in the feature space, and the spatial distribution of pixels in an image is not taken into consideration. In this paper, we present a novel FCM image segmentation scheme by utilizing local contextual information and the high inter-pixel correlation inherent. Firstly, a local spatial similarity measure model is established, and the initial clustering center and initial membership are determined adaptively based on local spatial similarity measure model. Secondly, the fuzzy membership function is modified according to the high inter-pixel correlation inherent. Finally, the image is segmented by using the modified FCM algorithm. Experimental results showed the proposed method achieves competitive segmentation results compared to other FCM-based methods, and is in general faster. 相似文献
18.
19.
Xiang-Yang Wang Author Vitae Ting Wang Author Vitae Author Vitae 《Pattern recognition》2011,44(4):777-787
Image segmentation is an important tool in image processing and can serve as an efficient front end to sophisticated algorithms and thereby simplify subsequent processing. In this paper, we present a color image segmentation using pixel wise support vector machine (SVM) classification. Firstly, the pixel-level color feature and texture feature of the image, which is used as input of SVM model (classifier), are extracted via the local homogeneity model and Gabor filter. Then, the SVM model (classifier) is trained by using FCM with the extracted pixel-level features. Finally, the color image is segmented with the trained SVM model (classifier). This image segmentation not only can fully take advantage of the local information of color image, but also the ability of SVM classifier. Experimental evidence shows that the proposed method has a very effective segmentation results and computational behavior, and decreases the time and increases the quality of color image segmentation in comparison with the state-of-the-art segmentation methods recently proposed in the literature. 相似文献