基于数学形态学的snake模型图像分割

基于数学形态学的snake模型图像分割算法,先用数学形态学得到形态学图像的梯度,再对其进行二值化处理得到snake算法的初始轮廓,然后用Greedy algorithm进行图像分割.试验证明该方法可提高图像分割的运行效率,又可取得较好的图像分割质量.     

一种有效的SAR图像水陆分割方法

针对合成孔径雷达（SAR）图像中的水陆分割,提出了一种基于小波能量的自适应水域分割方法．算法首先以小波能量为特征,采用快速模糊聚类算法（FCM）将图像粗分割为3类,结合原图信息从中判断并选择水域区域,然后计算水域区域对应于原图的平均梯度,以此作为特征,自适应地确定梯度阈值,从而实现水域的细分割．实验结果表明：基于小波能量的自适应水域分割方法分割水域结果准确、适用性好．     

基于特征学习的建筑物自动识别算法研究

针对单幅航拍灰度图像的建筑物自动识别问题,给出了一种基于类特征学习的算法结构.利用建筑物顶部的高亮度特性,采用基于灰度的OTSU方法实现图像的粗略分割;然后采用二阶高斯马尔可夫随机场（GMRF）模型描述已分割图像,得到目标/背景类的6维特征向量;以此特征向量及粗分割的类标记为训练集,训练支持向量机（SVMs）分类器学习两类特征,再用训练过的分类器重新分割图像;最后采用基于先验知识的规则对分割区域进行建筑物/非建筑物判定;理论分析和实验结果表明了算法的有效性.     

马尔可夫随机场中应用蚁群系统的红外图像分割

利用蚁群系统(ACS)的信息正反馈和启发式的搜索特点,针对马尔可夫随机场(MRF)图像模型的局部相关特性和最大后验概率(MAP)估计 ,可以在较短时间内得到图像分割目标函数的全局最优解,从而可以避免传统模拟退火算法的庞大时间复杂度.通过对军用红外图像的分割实验,可以看出这种算法能够在抗噪声、保留目标边缘和降低时间复杂度方面得到较满意的结果.     

基于SUSAN和改进的Snake模型的空中目标图像分割

文中提出一种基于SUSAN和改进的Snake模型相结合的算法,用以进行空中目标在图像中的检测和分割.首先使用SUSAN算子检测飞行器的角点,通过连接已检测出的角点形成Snake模型初始轮廓,然后用改进的Snake算子进行目标轮廓拟合.实验结果表明,该方法可以有效地进行空中目标的检测和分割,并且克服传统Snake 模型易漂移和过收敛等缺点.     

一种快速、稳健的图像分割方法

文中的目的在于寻求一种高效、快速的图像分割方法。在分析MeanShift算法的基础上提出差值模型和优选模型．并将这两种模型运用于MeanShift算法的图像分割。差值模型增加了MeanShift算法的步长．优选模型提高了图像分割的准确性。试验结果表明．两种模型的应用使MeanShift算法在图像分割方面的效能得到明显的提高。     

基于改进的马尔可夫随机场声纳图像分割方法研究

声纳图像与普通的光学图像相比,具有对比度低、成像质量差、受噪声污染严重等特点,传统的图像分割方法难以取得高精度、鲁棒性强的分割结果。提出了一种基于改进的马尔可夫随机场(MRF)声纳图像分割方法。即对于MRF模型参数的建立,提出了新的3类分割空间邻域MRF模型参数;在此基础上把新建立的3类分割空间邻域MRF模型参数和层次间相互作用的模型参数,应用于空间分层MRF 3类分割中,得到最终精确的3类分割结果。通过对人造模拟声纳图像以及真实声纳图像的分割实验,验证了本文提出的分割方法具有较高的分割精度和适应性。该方法考虑了声纳图像中像素间的空间相关性,因而提高了其最终分割性能。     

机载瞄准吊舱ATR技术初探

机载瞄准吊舱自动目标识别(ATR)技术包括传感器、处理机及其算法、图像分割与特征提取等常用的前视红外(FLIR)传感器和处理芯片,图像分割采用阈值分割、边缘检测、统计学分割和边界信息法等.特征类型有几何、拓扑和投影等.ATR技术有基于参数分类的ATR、模型ATR、多传感器信息融合的ATR、人工神经网络的ATR等.     

基于颜色和形态学的交通标志检测技术的研究

通过利用交通标志的颜色特征,采用基于RGB空间的彩色分割方法进行图像分割.对分割出的图像进行灰度增强处理,比较和分析了不同边缘检测算子和阈值分割的方法,使用固定阈值分割方法对图像进行二值化,使目标区域突显.利用数学形态学腐蚀算法对图像进行轮廓提取,并通过形状特征对交通标志进行形态学分析.通过MATLAB软件仿真实验,说明算法具有一定实用性.     

RoboCup小型组足球机器人视觉系统设计

集控式足球机器人视觉系统,分图像输入和数字化、图像预处理、图像分割和图像识别几步进行.其图像识别通过图像采集卡、图像增强、去噪处理、边缘增强技术,HIS模型,及基于连续图像相关性的顺序网格和种子填充相结合的目标搜索方法实现.     

军事协同巡检路线优化策略

为提高大规模多机器人巡检系统的工作效率,提出了改进的协同蚁群优化算法。该算法为每个巡检机器人设定一个路线优化蚁群,采用共享禁忌表的方式实现不同蚁群之间的信息共享,不同蚁群中的人工蚁采用代价竞争机制进行巡检节点选择,完成路线协同优化。协同蚁群优化算法能够根据巡检节点的分布完成巡检区域的分割与路线优化,提高了巡检区域划分的合理性。仿真实验结果表明,与基于地图分割的优化算法相比,协同蚁群优化算法能够根据巡检任务对巡检区域进行均衡划分,提高了巡检机器人的利用率,减少了整体巡检量,巡检效率得到了显著提升。     

基于改进型脉冲耦合神经网络的图像分割方法

脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）具有良好的脉冲传播特性，在图像分割中得到了广泛应用。针对其需要人机交互通过实验确定其相关参数，实时性差等问题，改进了标准的PCNN模型，提出了一种基于改进型脉冲耦合神经网络的图像分割方法。仿真结果表明，该方法实时性好、自适应性强，分割出的目标轮廓清楚．细节更多。     

融合修正OTSU 和中值滤波的水上航行器障碍物视觉分割

为进一步提高水上航行器视觉避障时图像分割的精确性,提出融合修正OTSU 和中值滤波的水上航行器 障碍物图像分割算法。利用修正系数将原始图像从RGB 模型转换为Y、Cb、Cr 色度值修正的模型,进行修正OTSU 的阈值分割,对分割后的二值图像实行自适应中值滤波降噪处理,并对3 种水上障碍物识别算法进行测试。结果表 明：与加权Otsu 算法和改进阈值分割算法对比,该算法可以将检测目标区域占比稳定在80%以上,并将干扰噪声区 域占比降低至28.5%,说明算法有效、可行。     

基于多蚁群系统的多无人机协同目标搜索方法

针对多UAV协同搜索问题,建立了基于搜索概率图的UAV环境信息描述模型,提出了一种基于多蚁群算法的协同目标搜索算法。该算法由多个蚂蚁种群构成,每个蚂蚁种群负责搜索一架无人机的路径。蚂蚁个体在搜索路径时通过其所在群体的信息素的引导以趋向最优路径,同时,受到来自其它种群的信息素的排斥作用进而避免无效搜索。实验结果表明,该方法能有效地实现多UAV之间的协同,实现路径搜索,减少路径交叠,提高了搜索效能。     

成像型红外干扰物布放面积计算模型

为有效测量成像型红外干扰物的布放面积,建立了成像型红外干扰物布放面积测试模型。该模型可以根据实际情况,选择不同的目标分割方法,提高图像分割和目标面积计算方法的自适应性。最后通过实验验证了图像分割方法和面积测量的有效性和准确性。     

基于全散度的自适应鲁棒图形模糊聚类算法

针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。     

基于演化计算的迷彩目标隐蔽策略仿真设计

针对典型自然环境下军事装备的隐蔽问题,提出一种新颖的演化计算策略,将其与图像仿真设计手段相结合,根据环境状况,构建一种快速仿真计算进而给出迷彩目标隐蔽策略的新方法。该方法主要包括迷彩目标与场景图像的融合仿真计算,引入视错觉条带覆盖的迷彩目标隐蔽计算,基于粒子群优化算法和概率分布采样的搜索计算,以及基于深度神经网络图像特征的融合度计算。运用深度神经网络图像分割模型,结合迷彩目标的分割识出率,评估新方法的性能。仿真实验结果表明：在林地和荒漠环境中获得的隐蔽仿真图像平均融合度可达0.99以上,平均分割识出率低于0.90;新方法能够为设计给定目标在场景图像中的隐蔽策略提供有效的依据,具有较高的实用价值和可扩展性。