利用元胞自动机和模糊C均值进行图像分割

提出了一种基于元胞自动机和模糊C均值思想的图像分割方法。该方法以模糊C均值算法为基础定义目标函数,以灰度级为对象,应用一维元胞自动机自迭代求取最小目标函数,实现对图像的初步分割;在此基础上,以二维空间邻域信息对原分割结果进行净化。该方法不仅可以用于普通灰度图像的分割,也可用于遥感影像图的分割。     

引入PLSA模型的光学遥感图像舰船检测

提出一种基于概率潜在语义分析(Probabilistic Latent Semantic Analysis,PLSA)的检测算法,首先通过PLSA将目标表述为潜在成分的概率组合,然后利用统计模式识别方法对获取的潜在成分概率进行判别,从而完成最终的检测。其中,生成的潜在成分反映了目标与特征之间相互出现的频率关系,并以潜在成分在目标中概率差异的形式对上述不对应现象给出了直观描述。实验结果表明,所提出的算法对多种复杂情况下的光学图像舰船检测具有很好的准确性和鲁棒性。     

基于图论的图像分割方法及其局限性研究

本文研究基于图论的图像分割方法及其局限性。以图论为工具研究图像分割问题的成果已有不少报道,对其局限性的研究将有利于将概率网络的研究成果应用于图像分割及其它图像问题,这其间图论方法既是桥梁,也是一个广阔的应用领域,它在图像分割问题和概率论的传统方法之间重新建立了一个充满可能的研究空间。     

利用非线性各向异性扩散和EM的SAR图像分割技术

提出了一种SAR图像分割技术。首先利用各向异性平滑技术对原始图像进行平滑,然后利用高斯混合模型并结合强度和空间结构信息进行聚类,最后对类条件概率进行平滑以消除杂波影响。仿真结果表明,该算法具有良好的鲁棒性,自动化程度高。     

基于图像分割的数字航空影像匀光

在传统光学晒印中的马斯克（MASK）匀光原理的基础上,采用数字图像处理中的图像分割技术,对不均匀光照的数字航空影像进行了匀光处理,提出一种适应性强的数字匀光的处理方法,使得马斯克匀光原理在对数字影像的处理中能更加有效的发挥作用。     

纹理图像统计模型与纹理图像分割

本文详细介绍了一种新的纹理图像统计模型－Ｇｉｂｂｓ模型，给出了两种常用的Ｇｉｂｂｓ分布。在此基础上作者详细推导出了两种纹理图像的分割算法，并用一幅遥感图像进行了实验，获得了较好的分割结果。     

利用小波变换和边缘限制条件进行水域分割

阐述了一种利用小波变换和边缘限制条件进行水域提取的新算法，它的特点是先用小波变换将影像变换到不同尺度层上；然后在不同尺度层上统计影像的特征值，以形成影像的特征数据；接着利用Facet边缘检测算法在特征数据上检测特征边缘存在的情况，从而判断像素是否属于水域，与传统的水域提取方法相比，它用到了不同频率上水域灰度信息，从而更准确地刻画了水域的灰度特性，试验结果表明，利用小波变换和边缘限制条件对水域分割效果较好。     

利用改进的FCM方法分割高分辨率遥感影像

传统的模糊C均值聚类算法进行图像分割时只考虑了图像的灰度特征,而忽略了图像中丰富的空间邻域信息,从而导致该算法对噪声很敏感,并得到错误的分割结果。提出两种利用空间信息改进的模糊C均值聚类算法分割高分辨率遥感影像,并通过大量试验验证其有效性,该算法可减少错误分类像素的数目,降低噪声的影响,提高分割结果的精度。     

多维特征自适应MeanShift遥感图像分割方法

针对MeanShift算法分割遥感图像的自动化程度和精度不高的问题,提出一种多特征自适应Mean—Shift遥感图像分割方法。3组实验结果表明,本方法相比EDISON软件能得到更好的分割效果,且能在一定程度上提高遥感影像分割的自动化。     

利用小波变换和边缘限制条件进行水域分割

阐述了一种利用小波变换和边缘限制条件进行水域提取的新算法,它的特点是先用小波变换将影像变换到不同尺度层上;然后在不同尺度层上统计影像的特征值,以形成影像的特征数据;接着利用Facet边缘检测算法在特征数据上检测特征边缘存在的情况,从而判断像素是否属于水域.与传统的水域提取方法相比,它用到了不同频率上水域灰度信息,从而更准确地刻画了水域的灰度特性.试验结果表明:利用小波变换和边缘限制条件对水域分割效果较好.     

一种融合PSO和Isodata的遥感图像分割新方法

针对当前遥感图像分割方法存在的缺点,将人工智能领域的粒子群优化方法应用到遥感图像分割方面,提出了一种融合PSO和Isodata的遥感图像分割新方法。对不同分辨率遥感图像的分割实验结果表明,融合PSO和Isodata的遥感图像分割新方法能够自适应确定聚类数目,避免了聚类过程的随机性,使分割结果更加接近实际情况。     

基于灰度分级的图像分割算法的研究

通过对灰度图像的灰度级压缩,将图像中每个像素的灰度值用一个合适的类标志来代替,构成一个“类-图像”。在一个“好”的分类标准的控制下,实现对图像的分割。     

遥感图像分割中的小波域改进信息割算法

针对传统信息割(IC)算法对存在灰度变化的图像易引起误分割的问题,提出了一种小波域改进信息割(W\\|MIC)算法。使用一个新的结合像素点灰度关联和空间关联的Parzen窗对IC进行改进,以降低灰度变化对分割的影响;将MIC引入到小波域,利用小波的平滑作用降低参数选取复杂度,改善图像分割效果。遥感图像分割实验结果表明,W\\|MIC可有效降低参数选择效应,不仅避免了灰度变化引起的误分割,而且还较好地保持了图像边缘。     

基于吸引子的图像分割新方法的研究

提出了一个“边界点”的新概念,并引用正态分布中大于3倍标准差的事件为小概率事件,作为图像分割中边界点“捡起”或“卸下”的依据。与其他方法相比,能使“捡起”、“卸下”的决策计算大大简化。通过对两幅航空影像的分割实验表明,新方法的分割效果是好的,是一个很有实用潜力的图像分割方法。     

基于数据场的图像分割方法初探

分析了数据场的基本原理,提出了一种基于数据场的图像分割方法。该方法在原有图像分割方法基础上实现了可视化基础上的分割,通过实验,并根据图像分割效果定性定量角度的分析,论证了该方法的可行性和有效性。     

Cognitive Agent在图像分割中应用的研究

在介绍了Cognitive Agent(CogAg)来源和特点的基础上,阐述CogAg图像分割的原理和方法。这种方法中供CogAg搜索的环境是数字图像,这个环境(又称Artifact)中每个像元为CogAg提供用于分割的4个特征信息局部平均灰度、局部标准差、局部能量和局部分形维,这些信息提供CogAg思考、推理、决策选择同质像元。经实际航空影像分割的实验和对比,CogAg图像分割方法是很有应用前景的方法。     

快速的Otsu双阈值SAR图像分割法

提出了一种结合规则划分和M-H（Metropolis-Hastings）算法的SAR图像分割方法。首先,利用规则划分将图像域划分成子块,并假设每个子块内像素服从同一独立的Gamma分布;根据贝叶斯定理,构建基于子块的图像分割模型;然后,利用M-H算法模拟该分割模型,实现SAR图像分割及模型参数估计。在M-H算法中,设计了改变参数矢量、改变标号场及分裂或合并子块三个移动操作。为了验证提出的分割方法,分别对真实及模拟SAR图像进行分割实验。定性及定量评价结果表明了本文方法的可行性及有效性。     

一种基于影像分割的城市建筑物变化检测方法

针对高分辨率遥感影像建筑物变化检测精度不高的问题,本文提出了一种改进城市建筑物变化检测方法。首先通过提取像元顶点构造像元图集,并以长宽比与矩形度作为变化检测测度,对后一期影像进行影像分割,识别建筑物轮廓对象。将建筑物轮廓进行几何关系筛选,完成建筑物变化信息提取。实验表明,该方法具有较高的变化检测精度,可明显削弱光照条件和成像角度对建筑物变化检测精度的影响,是一种普适性较强的城市建筑物变化检测方法。     

基于Delaunay三角网表达的图像分割

由于图像的复杂性和模糊性进一步增强,传统的图像分割算法已经无法满足其对分割精度的要求。为了进一步提高图像分割的精度,本文提出了一种结合SIFT特征提取与Delaunay三角网表达的图像分割方法,该方法可以有效削弱噪声对图像分割结果的影响,与传统去噪滤波相比,平滑过程中模糊图像边缘的程度比较低,同时,运用超像素思想,将传统基于像素单元的分割方法运用到超像素上,对被三角网划分的子区域进行聚类,最后得出分割结果。与传统算法相比,本文算法在分割精度方面有显著提高。