基于梯度调整的矩不变自动阈值图像分割算法

提出了一种改进的矩不变自动阈值算法。该算法针对矩不变自动阈值法忽略图像细节的缺点,在矩不变自动阈值的基础上增加了基于目标边缘像素的梯度调整,从而使分割效果兼顾图像的整体和细节。该算法无须迭代或搜索,运算速度快,可以满足实时性的要求。仿真结果表明,该算法能有效地对目标图像进行分割。     

矩不变调整的二维Shannon嫡图像分割及其快速实现

为了克服二维Shannon熵阈值法的缺陷,提出了一种使用矩不变法来调整二维直方图斜分Shannon熵的阈值分割方法。首先将二维直方图斜分原理运用到两种Shannon熵阈值法中,然后利用矩不变法从两种熵阈值法获取的阈值中选择最佳阈值,并提出二维直方图斜分Shannon熵阈值法的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,提出的方法不仅分割效果优于当前的二维直方图斜分的最大熵阈值法,而且运行速度更快,约快4倍。     

MSTAR图像的矩特征分析与多阈值分割

图像分割是SAR图像自动目标识别应用中的基础性问题。定义并分析了MSTAR图像的矩特征,进而构造了多阈值处理策略,用于MSTAR图像的分割。首先研究了目标、阴影,以及背景区域统计特性,并确定了相应的数学模型描述,在此基础上给出了矩特征的定义,并分析了其基本特性。通过由图像空间到矩特征空间的转换,显著增强了目标区域与阴影、背景区域的差异性,因此通过构造不同的阈值化规则,实现了MSTAR图像中目标、阴影和背景区域的分割。对MSTAR图像的处理结果表明,与恒虚警率（CFAR）、最大类间方差（OTSU）、模糊C均值（FCM）和马尔可夫随机场（MRF）等典型分割算法相比,本文方法不需进行噪声抑制,但在分割效果和鲁棒性等方面性能更好,同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性。     

图像阈值法分割综述

图像分割是一个经典的难题,由于图像分割的复杂性,图像分割的方法很多也很难有一个通用的方法。该文主要是对图像阈值法分割的一个综述,叙述了阈值法分割的一些方法。最后对这些算法做了一个总结,以及对阈值法分割的期望。     

基于改进的离散傅里叶变换图像分割算法研究

研究图像分割特征提取优化问题。由于外界信号噪声等问题而引起图像分割分辨率低,清晰度不高,提取图像的主要特征目标是图像分割中关键的技术,针对传统的图像特征提取分割算法无法完成对图像关键特征信息适度提取,另外图像分割计算复杂,为了有效的对图像进行分割,提出了一种改进的离散傅里叶变换的图像分割算法。采用傅里叶变换算法对图像中感兴趣的区域进行分割出来后,对各个分割区域特点进行描述并组成一定的结构,从而获得最优图像分割结果。仿真结果表明,改进的算法可以有效地提取复杂图像区域中的特征信息,分割效果明显,提高了图像分割的分辨率和清晰度。     

基于离散傅里叶不变特性的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法，从连续傅里叶变换出发，讨论连续傅里叶变换情况下的傅里叶变换性质，给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质，推导出离散傅里叶变换的不变特征，并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

基于离散傅里叶不变特征的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法。从连续傅里叶变换出发,讨论连续傅里叶变换情况下的傅里叶变换性质,给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质,推导出离散傅里叶变换的不变特征,并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

离散傅里叶变换在指纹图像分割中的应用

指纹图像分割是指纹图像预处理过程的重点之一,是实现后续处理的前题。通过对图像进行快速傅里叶变换,从频域角度对指纹图像纹理的研究,提出一套基于二维DFT的指纹分割算法。这种算法一定程度上克服了传统方法对指纹纹理信息利用不足的局限性,可以获得良好的分割效果。实验结果表明：算法对于剔除背景噪声和指纹图像中模糊区域有效,分割效果非常理想。     

基于矩和自适应阈值的迭代分割算法研究

基于自适应阈值的图像分割算法具有算法简单、易于实现且计算量小等优点.但对于有较复杂背景的小目标图像,单一运用此方法不能将目标从背景中分割出来.为了解决这个问题,提出了一种基于矩特征、角点特征以及自适应阈值的迭代分割方法.首先利用角点特征和矩特征选择目标区域,进而在该区域内计算自适应阈值,利用迭代的思想克服先前图像分割算法中阈值只选取一次的问题,从而得到较为满意的图像分割效果.仿真结果证明,提出的算法在飞机图像分割方面的优越性.     

手背静脉图像阈值分割

首先分别应用几种经典的动态阈值分割技术对静脉图像进行分割、比较,然后又提出了一种新的图像分割方法:阈值图像法。试验结果表明对于静脉图像阈值图像法要明显优于其他方法。     

一种基于矩不变的深度获取计算方法

针对传统矩不变深度信息获取方法在实际应用中普适性不足,且边缘检测效果不理想的问题,提出一种改进的矩不变深度信息获取方法。首先通过改变像距和光圈参数来获取不同位置的两幅图像,然后用基于图像梯度和灰度标准差相结合的方法检测出每幅图像的边缘,最后根据梯度图像占整幅图像的比值来计算深度信息。实验结果表明该算法提升了边缘检测的效果,减少了计算量,提高了距离估测的准确性和实时性。     

基于加权香农熵的图像阈值法

熵阈值法是图像分割的一种重要方法,在图像处理与识别中广为应用。针对最大熵阈值法是基于图像灰度分布的均匀性假设,导致它对有些图像分割无效的问题,首先提出了加权信息熵的图像分割新方法,其次对加权信息熵的灰度级权因子选取方式进行了探讨,最后给出了基于类内熵和类间熵相结合的图像分割效果评价新方法。实验结果表明,提出的方法是可行的。     

融合局部特征的图像过渡区提取与阈值化

针对图像过渡区提取与阈值化问题,提出了一种融合局部灰度复杂度和局部灰度差异度的方法。首先生成图像的局部复杂度和局部差异度等局部灰度特征;其次融合这些局部灰度特征构造新的特征矩阵;然后设计了与特征矩阵的均值和标准差相关的自动特征阈值,并提取图像过渡区;最后将过渡区像素的灰度均值作为最优灰度阈值完成图像二值化。实验结果表明,所提方法的过渡区提取质量高,分割效果好,具有合理性和有效性,可作为经典方法的有效补充。     

一种结合DWT和DFT的彩色图像盲水印方案

为了扩大数字水印的适用范围,提出了一种彩色图像盲水印算法。在嵌入过程中,将宿主图像从RGB空间转换到YIQ空间,对其进行小波分解后再进行分块DFT变换,结合一个嵌入模板矩阵和两个伪随机序列,将Arnold置乱以后的二值图像水印嵌入到宿主图像中;在提取过程中,根据嵌入模板矩阵提取出嵌入到每一图像小块的序列,分别计算该序列和两个伪随机序列的相关性,根据相关性的大小关系恢复水印信息。实验结果表明,算法具有良好的不可见性和鲁棒性。     

基于边缘信息的图像阈值化分割方法

针对现有几种利用边缘信息来进行图像闽值分割的方法存在的对噪声高度敏感,梯度阈值难以选取,且不具有自适应性的特点,提出一种抗噪声影响的形态学梯度算子和一种基于梯度直方图统计特征的梯度闽值自适应选取算法,得出了一套完整的基于边缘信息的图像闽值化分割算法。     

Theory and algorithms for two-dimensional warped discrete Fourier transform

In this paper, the two-dimensional Warped Discrete Fourier Transform(2-D WDFT) is developed based on the concept of the 1-D WDFT. An exact computation algorithm is developed for 2-D WDFT based on matrix factorizing with special structure. A fast algorithm is then proposed to reduce greatly the computational complexity of the inverse 2-D WDFT. Finally, numerical examples are given to show the efficiency of the proposed approach.     

Theory and algorithms for two-dimensional warped discrete Fourier transform

In this paper, the two-dimensional Warped Discrete Fourier Transform （2-D WDFT） is developed based on the concept of the 1-D WDFT. An exact computation algorithm is developed for 2-D WDFT based on matrix factorizing with special structure. A fast algorithm is then proposed to reduce greatly the computational complexity of the inverse 2-D WDFT. Finally, numerical examples are given to show the efficiency of the proposed approach.     

基于正则割（Ncut）的多阈值图像分割方法

在图像处理与目标识别中广为应用的阈值法是图像分割的一种重要方法,因此如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,把图像的一维灰度直方图的灰度级L和对应灰度级L的概率P视为二维平面上的点（L,P）,采用新的相似度函数来定义这些点之间的相似度,从而构建基于灰度级的相似度矩阵,然后使用正则割（Ncut）进行分类,根据分类结果确定图像的分割阈值。算法用基于灰度级的权值矩阵代替基于像素级的权值矩阵来描述图像像素的关系,因而需要的存储空间及实现的复杂性大大减少;与现有的阈值分割方法相比,该算法能够单阈值和多阈值分割图像,因此具有更为优越的性能。     

二维最大相关准则阈值分割的快速算法

提出了一种快速二维最大相关准则阈值分割算法。该方法利用积分和迭代编程技术,避免了数据的重复运算,从而将计算的复杂性从一般二维最大相关准则方法的O(L~4)减少至O(L~2)。实验结果表明,该方法分割效果好,计算效率高,适合实时图像系统的应用。     

基于细胞神经网络的图像阈值化方法*

图像阈值化是一种经典、简单而又非常有效的图像分割方法,并已得到了广泛的研究。在分析灰度图像直方图分布的基础上提出了一种基于细胞神经网络（CNN）结合直方图分析的图像阈值化方法,并给出了阈值化CNN所需阈值的自动搜索算法。实验结果表明,相对于其他两种经典的阈值化方法,该方法的阈值化分割结果较好。