基于多尺度局部区域能量最小化算法的图像分割

常规多尺度MRF模型中固定的四叉树结构造成图像分割结果中常产生块现象和非连续边缘.为解决这一问题,提出了一种新的多尺度MRF模型,并建立了基于区域消息传递的置信度传播(BP)算法,通过BP算法在多尺度MRF模型中对区域消息进行传递;在层间,从粗糙层向精细层进行消息传递时,利用提出的MRF模型父子区域之间的重叠,有效初始化了精细层消息的初值,避免了多尺度MRF模型层间误分类的传递;最后基于MPM准则对分割结果进行估计.实验结果表明提出的算法不仅得到了更准确的图像分割结果,而且具有较快的分割速度.     

一种改进的MBNN图像分割算法

提出了一种改进的基于模型的神经网络(MBNN,model-based neural network)图像分割算法.采用马尔科夫随机场(MRF,Markov randomfield)对图像建模,将该模型融入MBNN,应用改进的最大期望值(EM,expectationmaximization)算法估计网络中MRF参数,采用预指定类别数技术减少网络计算量,最终实现图像分割.实验结果表明,该算法能够有机地将先验知识和图像局部统计相关性结合起来,从而有效地完成图像分割.     

基于局部相似性测度的SAR图像多层分割

针对谱聚类算法计算复杂度高,不适用于合成孔径雷达图像分割的问题,利用谱聚类算法与权核k均值之间的等价性,提出一种基于局部相似性测度的SAR图像多层分割算法．首先提取图像中每个像素的小波纹理特征,利用每个像素点的纹理特征计算各自的局部尺度参数,进而构造像素点之间的邻接关系,然后利用最近邻规则对此邻接关系进行逐层合并,进行基础聚类和逐层细化实现像素点聚类,最终得到图像的分割结果．对人工纹理图像和SAR图像的分割结果表明了新算法避免了传统谱聚类算法对尺度参数的敏感性,获得了更优的分割性能．     

结合CNN与分割约束的立体匹配算法

为了解决弱纹理与遮挡区域中难以准确匹配对应点的问题,在马尔可夫随机场(Markov random field,MRF)框架下,提出一种结合卷积神经网络(convolutional neural network,CNN)与分割线索的立体匹配算法.首先,采用特征表达能力强的CNN提取立体图像特征并匹配区域块.同时,对图像进行区域分割.然后,基于CNN匹配结果构造MRF能量函数数据项.基于分割结果定义能量函数项,通过其他区域约束弱纹理和遮挡区域的匹配过程.最后,最优化求解能量函数计算视差.在Middlebury与KITTI数据集上验证该算法和能量函数各项的作用,并与近2年提出方法进行性能比较.结果表明,该算法准确度更高,应对弱纹理与遮挡区域效果更好.     

基于多颜色和局部纹理的水果识别算法研究

为提高水果种类识别的准确性,本文提出一种基于多颜色特征和纹理特征的水果识别算法。该研究选择不同种类的水果图像作为实验测试样本,使用最大类间方差法Otsu分割图像,得到水果图像的目标区域,分别对目标区域进行红、绿、蓝(RGB)颜色模型和色调、饱和度、明度(HSV)颜色模型的直方图分析,采用颜色矩算法和非均匀量化算法对RGB模型和HSV模型提取特征,利用局部二值模式(local binary patterns,LBP)对目标区域提取局部纹理特征,对颜色和纹理特征向量进行优化组合,结合基于梯度下降算法的BP神经网络对测试样本进行训练分类。针对输入层输入不同特征分别进行实验并比较,得到基于不同特征的水果识别率。研究结果表明,本算法分类识别率可达90%以上,高于单一特征算法识别率。该研究具有一定的实际应用价值。     

基于背景和前景交互传播的图像显著性检测

为了更精确地提取图像中的显著性区域,提出一种新的基于背景和前景交互传播的图像显著性检测计算模型。通过建立一个新的模型来寻找图像中的显著性元素,用一种交互式特征传播方法来扩散显著性特征。采用不同参数对图像进行分割,得到多个尺度下的超像素;在单一尺度下通过背景和前景交互传播获得超像素的显著值;对多个显著值进行加权平均融合,并采用平滑机制进行优化得到最终显著图。在公开图像数据库进行的试验结果表明,该模型提高了对图像显著目标大小的适应性,不仅较好地抑制了噪声,还使得显著目标更均匀地凸显出来,结果优于同类的算法。     

抗纹理噪声干扰的纺织印染图像分割技术

针对纺织印染图像存在主要套色数少,且受纺织“纹理噪声”干扰这两个特点,提出了一种基于上下文模型的多尺度最大后验概率分割方法.在提取印染图像的基本套色以及能代表纺织纹理特征样本图像的条件下,从底层进行粗粒度分割,随着尺度的增加,应用上下文模型对上一尺度下的分割结果进行修正,直至最精细尺度.在计算机模拟实验中,用基于上下文模型的多尺度方法对一些彩色纺织印染图像进行分割,并与mean-shift算法、基于四叉树结构的多尺度块分割算法进行比较,实验结果表明,该算法针对彩色纺织印染图像能达到较好的分割效果,并且分割后图像具有光滑边缘.     

基于MRF的动态场景中运动目标提取方法研究

为在动态场景中准确完成运动目标的提取,提出一种新的基于MRF的运动目标提取方法.即提出在双尺度二阶邻域各向同性的MRF模型中,利用最小二乘法对初始分割结果进行MRF初始参数的自动求取,通过ICM算法实现最大后验概率的估计问题,获得MRF检测结果.采用形态学中的闭运算进行区域填充处理,根据二值化图像水平和垂直投影的顶点坐标实现运动目标区域的准确提取.对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验分析表明,提出的方法具有较高的精度和适应性,能够有效地完成运动目标的准确提取.     

一种基于MRF与区域合并的图像分割改进算法

针对现有基于马尔科夫随机场的图像分割算法容易出现过分割、分割结果不理想等问题,提出了一种基于马尔科夫随机场与区域合并的图像分割改进算法。该算法首先基于马尔科夫随机场与高斯混合模型理论的图像分割算法得到初始分割结果;然后利用各个区域间的相邻关系、颜色关系以及边界情况等信息,给出各个区域间的距离;最后按照区域间的距离与区域合并前后的颜色散度变化率对初始分割结果进行区域合并,输出最终的分割结果。使用伯克利标准图像库进行实验仿真,采用Dice系数和Jaccard系数作为评价指标。仿真结果表明,相比于现有基于MRF理论的算法,本文算法具有更好的分割效果。     

基于LVE和ARG算法的冠状动脉分割

为克服传统区域生长方法中容易发生的欠分割和过分割现象,引入局部图像分析技术,设定一系列感兴趣区域(ROI),对冠状动脉的多层螺旋CT(MSCT)图像进行分割。首先应用基于Hessian矩阵的局部血管增强(LVE)滤波,提升图像的对比度;随后采用自适应性区域生长(ARG)算法,并对阈值适时调整。分割后的局部图像经过全局融合得到整体冠脉树。算法综合了图像的局部形状信息和灰度信息,确保了分割结果的准确性和完整性。实验结果表明,算法对左前降支(LAD)、左回旋支(LCX)、对角支(Diag)及右冠状动脉(RCA)均有较好的分割效果。     

SAR图像分割的多尺度自回归滑动平均模型方法

给出了合成孔径雷达(synthetic aperture radar简称SAR)图像多尺度自回归滑动平均(multiscale autoregressive moving average简称MARMA)模型建模的一种新方法。研究了基于MARMA模型的SAR图像多尺度随机特征提取的方法，构造了相应的分类器．将这类方法用于实际SAR图像分割，并将MARMA模型与多尺度自回归(multiscale autoregressive简称MAR)模型的分割结果进行比较，说明SAR图像的MARMA模型分割方法优于MAR模型分割方法；最后给出了评价SAR图像分割结果的区域均匀性指标方法，实际应用结果表明该评价方法是有效的。     

一种基于马尔科夫随机场的脑MR图像分割改进算法

高斯混合模型（GMM）易受噪声影响,马尔科夫随机场（MRF）模型能够很好地刻画空间特性。两者结合适用于对含有噪声的图片进行分割,但MRF模型用于图像分割时,容易出现过分割现象。针对这个问题,提出一种自适应权值系数的图像分割改进算法,从核磁共振成像（MRI）中较好地分割出脑脊液、灰质和白质组织。首先,使用K?means算法得到初始分割结果,通过期望最大化算法（EM）估计GMM参数,进而得到图像像素灰度的联合概率能量函数。然后,利用MRF邻域系统中心像素与邻域像素的灰度值、后验概率和欧式距离得到自适应的权值系数,使用MRF模型得到先验概率能量函数。最后,借助贝叶斯准则得到最终图像分割结果。实验结果表明,该算法具有较强的自适应性,能够较好地克服噪声对图像分割的影响织。与同类算法相比,该算法对含有噪声的脑部MRI图像具有较高的分割精度,可得到较好的图像分割结果。     

改进的MRF水下目标检测方法

为取得更好的水下目标检测结果,提出了一种改进的MRF水下目标检测方法.即在海底混响区服从Gamma分布的情况下,将建立的三类空间邻域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三类分割中,得到最终精确的水下目标检测结果.在海底混响区服从威布尔分布模型的情况下,对原始声纳图像和人造模拟声纳图像检测结果的比较表明,提出的检测方法能得到更精确的检测结果,且运算速度较快.     

基于局部马尔科夫随机场的模型校准嘴唇分割方法

为了有效挖掘人说话时的唇动特征,提出了一种综合局部区域马尔科夫随机场（Markov random field,MRF）特性和模型校准的嘴唇分割方法。将嘴唇区域图像从RGB转换到LUX色彩空间,并利用对数化色彩分量U实现初始化轮廓的确定。沿轮廓选取固定半径的圆形窗口函数界定局部区域,再利用马尔科夫随机场进行嘴唇分割,并使用基于Kullback-Leiller（KL）距离的模型校准方法使局部区域之间的分割结果相互协调。实验证明,该方法可以在皮肤中分离出嘴唇,分割准确率高,鲁棒性好,具有较高的实用价值。     

多维多分辨仿生识别方法及其应用

提出了一种多维多分辨仿生识别新方法,该方法首先利用多分辨分析方法建立样本特征空间的多分辨表示,继而通过方向梯度描述符,建立样本特征的多分辨鲁棒表示;然后根据多个同类样本的自组织映射聚类和距离映射分布构建同类样本的最优多维空间拓扑覆盖;最后通过多尺度融合识别决策判定待测试样本是否属于相应的样本空间拓扑覆盖,从而实现样本识别。为了验证该方法的有效性,将该方法应用于虹膜识别,并基于JLUIRIS数据库测试其识别效果,实验结果表明,该方法可有效实现虹膜识别。     

基于快速区域建议网络的图像多目标分割算法

针对传统方法在语义分割中存在大量冗余、结果重叠,造成图像分割算法的结果正确率、鲁棒性较差等问题,提出一种基于快速区域建议网络的图像多目标分割算法。使用选择性搜索(selective search, SS)算法给出初始候选框;采用快速区域建议网络从初始候选框中分类出初始分割框;使用图割算法(GrabCut)从初始分割框中分割出多目标。为了验证本研究算法,采用ImageNet上预训练的VGG16模型,分别使用COCO数据集和CityScapes数据集的训练数据对VGG16模型微调,使用测试数据进行语义分割和多目标图像分割。与YOLO(you only look once,)算法相比,本算法在两个数据集上的平均正确率分别提高了2.16%和1.55%。GrabCut算法在快速区域建议网络的初始分割框上,对多目标的分割更精确,鲁棒性更强。本研究构建的算法通过区域建议网络的得分筛选多目标分割的候选框,保留高得分的候选框来提升图像多目标分割的精度,在多目标的模式识别场合中拥有广泛前景。     

基于广义多分辨似然比的SAR图像无监督分割方法

首先在多分辨四又树上定义了一个广义多分辨似然比，刻画并且累积了SAR（synthetic apertu reradar）图像中目标与背景在不同分辨率上的差异，从而增大了目标与背景之间的区分度。为了达到图像无监督分割目的，提出一个有效的空间变化混合多尺度自回归（spatially variant mixture muhiscale autoregressive简称SVMMAR）模型方法，利用该模型分别估计出每个分辨率上广义多分辨似然比中一组密度函数的参数。为了考虑被分类象素与周围象素之间的Markov性，减弱对噪声的敏感性，利用开窗技术来确定中心象素点的类别。实验中与通常的分割技术作了比较，也表明该方法不论从分割的精度，对噪声的敏感度，还是从边缘的光滑度都表明该方法具有较强优势。     

引导滤波的单幅图像前景精确提取

该文提出了一种利用引导滤波优化二值马尔科夫随机场图像分割结果的前景提取新方法。首先通过二值马尔科夫随机场图像分割模型将原图映射为加权图模型,然后利用最大流／最小割算法对该加权图模型进行最优分割,并通过二值化得到前景区域的初始分割结果;之后通过图像引导滤波对该初始结果进行优化处理,保证所提取的前景区域具有精确的边缘信息。实验结果表明该方法能从图像背景中精确的提取出前景区域,并且对光照、噪声均具有较强的鲁棒性。