基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

利用高斯混合模型的多光谱图像模糊聚类分割

针对传统分割算法难以实现高分辨率多光谱图像分割的问题,本文提出一种利用高斯混合模型的多光谱图像模糊聚类分割算法。该算法采用高斯混合模型定义像素对类属的非相似性测度,由于该算法具有高精度拟合数据统计分布能力,故可以有效剔除噪声对分割结果的影响。同时,引入隐马尔科夫随机场(Hidden Markov Random Field,HMRF)定义邻域作用的先验概率,并将其作为各高斯分量权值以及KL(Kullback-Leibler)信息中控制聚类尺度的参数,从而增强了算法对复杂场景遥感图像的鲁棒性,进一步提高了算法的分割精度。对模拟图像和高分辨多光谱图像分割结果进行了定性定量分析。实验结果表明:模拟图像的总精度达96.8%以上。这验证了本文算法在分割高分辨率多光谱图像时具有保留细节信息的能力,而且也证实了算法的有效性和可行性。该算法能够实现高分辨率多光谱图像的精确分割。     

空间约束FCM与MRF结合的侧扫声呐图像分割算法

针对侧扫声呐图像斑点噪声强、目标分割困难的问题,提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法。为克服噪声干扰,该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度,提出SCFFCM算法,该算法用于给出一个较好的初始分割;接着由初始分割计算MRF模型的约束场,再根据图像邻域内灰度波动情况自适应更新结合权值,进而求解得到FCM模糊场与MRF约束场的联合场,并基于最大概率准则得到分割结果;最后,采用形态学去除分割结果中的孤立噪点,并完成孔洞填充。对仿真及实际的侧扫声呐图像的分割实验结果表明,所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力、更高的分割精度以及更快的运算速度。     

Curvelet域贝叶斯估计侧扫声呐图像降斑方法

针对侧扫声呐图像的斑点噪声,提出了一种贝叶斯估计的Curvelet域降斑方法.依据海底散射模型,得到侧扫声呐图像斑点噪声的瑞利分布乘性噪声模型.将取对数后的含斑图像进行Curvelet变换,依据噪声系数的瑞利分布、信号系数的高斯分布,结合贝叶斯理论的最大后验概率估计方法,在近似条件下,得到Curvelet变换域系数估计的理论解析式.采用局部自适应的邻域窗口确定方法,对Curvelet变换域处理后的系数进行逆变换,再经过指数变换后得到降斑的侧扫声呐图像.实验结果表明,在客观评价指标和主观视觉效果方面,新方法均取得了优于传统的空间滤波及基于小波的降斑方法的效果.     

基于混合模型和DAEM算法的自适应图像分割

图像分割是图像处理中最基本且具有挑战性的问题。基于高斯混合模型,提出了一种自适应的图像分割方法。采用DAEM(deterministicannealingexpectation-maximization)算法估计混合模型的参数,利用直方图信息确定图像的类别数并给出DAEM算法的初始值,最后根据Bayes最小错误率准则对图像进行分割。由于DAEM算法在传统的EM算法中引入了退火机制,DAEM算法能够收敛到全局最优值,使得分割结果更加准确。实验结果说明了此方法的有效性。     

基于GrabCut的磨粒图像分割方法研究

提出基于GrabCut算法的彩色磨粒图像分割方法。在CIELab颜色空间的L、a、b通道采用大津阈值法(OSTU)进行分割,对分割结果进行"L与(a或b)"处理,并对处理结果进行形态学腐蚀和膨胀,得到标记出磨粒区域、可能的磨粒区域和背景区域的标记图像。根据标记图像分别对磨粒区域和背景区域的高斯混合模型(GMM)参数进行初始化,构建带权值的无向图映射原图像并建立包含区域项和边界项的Gibbs能量方程。通过迭代运算调整各像素点所属类别和高斯混合模型的参数,采用mincut/maxflow算法极小化能量函数,当能量趋于收敛时即可得到最终的分割结果。     

基于统计和纹理特征的SAS图像SVM分割研究

合成孔径声呐图像可以有效反映海底的地形、地貌和底质等情况,但是单幅SAS图像通常对应一片较大的区域,需要按照某种性质将不同性质的区域分割开来,以有利于下一步的图像分析以及目标检测和识别.研究发现,不同底质区域的SAS图像具有不同的统计和纹理特征,选取灰度直方图的均值、标准差、峰度等统计特性和灰度共生矩阵的能量、相关性、对比度、熵值等纹理特性用以描述SAS图像的不同区域.将选取的特征作为SVM的训练特征,进而得到SVM分类器,用于SAS图像分割.实验结果表明,SVM算法可以很好地对SAS图像进行区域分割.     

面向时飞磁共振血管造影术的脑血管统计分割混合模型

由于人体脑血管结构复杂,空间比例小,三维分割和重构十分困难,本文面向时飞磁共振血管造影(TOF MRA)数据提出了一种新的瑞利高斯有限混合模型来实现脑血管的自动提取和分割。首先,对已有的混合模型进行了分析;然后,采用最大强度投影法(MIP)预处理脑部数据后采用高斯分布拟合血管类,采用瑞利分布和高斯分布拟合非血管类。提出的模型构造简单,参数向量较少;在血管与非血管的混合区域,模型与灰度直方图具有较好的拟合性。模型在传统期望最大化(EM)算法中加入随机扰动项构造随机期望最大化(SEM)算法来实现混合模型的参数估计,降低了算法对初值的依赖,同时提高了鲁棒性。实验证明,与已有双高斯模型相比,血管点数增加了27%,可细分到三级血管且细节的连通性更好。本模型可更准确地拟合数据的灰度分布曲线,有效地分割脑血管主分支及周围较细小分支,泛化性较好并可应用于相似系统中。     

基于规则划分和RJMCMC的可变类图像分割

为了自动确定遥感图像分割中的类别数,提出了一种结合规则划分和逆跳马尔科夫链蒙特卡洛(RJMCMC)算法的可变类图像分割方法。首先,将图像域划分成若干个不同的规则子块,并假设每个子块内的像素满足同一独立的多值Gaussian分布;在此基础上,根据贝叶斯定理,建立基于区域的图像分割模型;然后利用RJMCMC算法模拟该分割模型,以自动确定图像类别数并实现区域分割;为了进一步提高分割精度,设计了精细化操作。利用本文提出的方法,分别对合成及彩色遥感图像进行可变图像分割,实验结果表明,提出的方法不仅能自动确定图像类别数,还可以实现区域分割,从而验证提出算法的可行性及有效性。     

一种融合雨滴检测算法的混合高斯模型

介绍了一种融合了雨滴检测算法的混合高斯模型,针对雨天气候下的场景,对雨中运动目标的检测有较好的准确性.首先建立自适应混合高斯模型,然后结合混合高斯模型参数对雨天视频图像进行雨滴检测,并恢复得到一张较贴近无雨状态的图像,再用混合高斯模型对运动目标进行检测,最终得到一个贴近真实目标的检测区域,并对混合高斯模型参数进行自适应更新.     

基于复小波域树结构化MRF模型的声纳图像分割

声纳图像受成像环境影响对比度低,特性信息较弱,且图像分辨率不高,用传统的分割方法效果较差,为此,构建了双树复小波域树结构化的MRF模型(TS-MRF),提出了基于此模型的声纳图像分割算法。双树复小波变换(DT-CWT)具有近似平移不变性和良好的方向选择性,其多分辨率分析能有效地提取声纳图像的弱特征信息,以便TS-MRF中节点参数的描述能准确地反映树结构的分布规律和图像统计特性;复小波域6个方向高频子带相互独立,尺度间父子节点标号具有一阶Markov性;尺度内构建TS-MRF模型,且每一节点标号依赖于父节点,采用Potts模型对节点标号势函数建模,相同标号的观测特征用高斯模型建模;最后,用多分辨率递归和每一分辨率分类层次树从顶层向底层的尺度内递归算法来求解最大后验概率,实现分类层次树标号,完成声纳图像分割。实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地抑制噪声,较好地提取声纳图像的弱特征信息,具有较高的分割精度和鲁棒性。     

基于像素分类的自适应SAR图像融合算法

提高纹理清晰度、保护边缘信息是合成孔径雷达（SAR）图像融合的重要目标。针对该问题,提出了一种基于像素分类的自适应SAR图像融合算法。首先使用canny算子提取图像的边缘并分类,然后利用混合高斯模型和隐马尔可夫树模型对小波系数进行建模;在此基础上使用EM算法求得模型参数,并进一步得到隐状态的概率,也就确定了小波系数的混合高斯分布;接着对两个待融合小波系数不同的类型组合采用不同的融合策略,并以隐状态概率加权;最后通过小波反变换、边缘分类增强获得融合以后的图像。实验结果表明,和传统的融合算法相比,该算法取得了更好的融合效果。     

基于区域划分的多特征纹理图像分割

由于纹理图像的复杂性和多样性,仅依靠传统的单一特征实现纹理图像分割无法满足其对分割精度的要求。本文提出结合区域划分的多特征纹理图像分割方法。首先,依据像素灰度的空间相关性定义多个纹理特征;然后利用区域划分将图像域划分成不同子区域,待分割同质区域由这些子区域拟合而成;通过分别定义多个特征图像的同质区域之间的异质性势能函数和刻画各子区域邻域关系势能函数来定义全局势能函数,并构建非约束吉布斯概率分布,从而建立纹理分割模型;最后,采用M-H算法采样上述概率分布,从而获得最优图像分割结果。分别对模拟纹理图像、遥感图像、自然纹理图像和SAR海冰图像进行了分割实验,并与利用单一特征得到的分割结果进行对比分析,定性和定量的测试结果验证了算法的有效性。     

基于区间二型模糊模型的高分辨率遥感影像分割方法

为了解决高分辨遥感影像分割过程中存在的类属和分割决策不确定性问题,提出一种基于区间二型模糊模型的监督分割方法。利用高斯函数建立影像分割一型模糊模型,其模糊隶属度表征像素类属不确定性;为了改善一型模糊模型隶属度对类属不确定性的表达以及增强分割决策的准确性,分别采用均值和方差扩展方法在上述一型模糊模型基础上构建区间二型模糊模型;综合利用一型模糊模型隶属度及二型模糊模型隶属区间等信息实现分割决策。提出算法和经典算法对合成影像、World View-II和IKONOS全色影像进行分割实验,定性和定量的分析结果表明提出算法具有更高的分割精度。     

基于像元相互关系的FCM聚类分割算法

针对传统模糊C均值(FCM)算法在图像分割时未考虑像元间的相互关系,且未事先给出初始聚类中心的问题,提出了一种考虑像元间相互关系的FCM聚类分割算法。该算法基于数据场原理,首先利用像元间的相互关系,通过计算各像素点的势值,形成图像数据场,然后利用图像数据场势心,确定FCM算法的初始聚类中心,最后在图像数据场的基础上,利用FCM算法实现对目标图像的聚类分割。利用人工合成图像和工件表面缺陷图像对算法的有效性进行验证,实验结果表明,该算法具有较好的分割效果,且对于条痕、脱碳、孔洞3种缺陷的不同噪声图像分割的正确率均在93%以上,同时具有较高的平均结构相似性。     

基于MCMC方法的电容成像图像重构算法

研究基于概率统计的电容成像图像重构算法,以马尔科夫随机场的方式给出介电常数分布的先验概率,利用电容成像(electrical capacitance tomography,ECT)线性模型得到似然函数,通过马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)方法对介电常数分布的后验概率密度进行采样,马尔科夫链的转移核利用Metropolis-Hastings方法得到,结合嵌套迭代提高计算效率。仿真结果表明,嵌套迭代-MCMC方法在正则化参数设置合适的条件下,可以得到较好的图像质量,基于MCMC方法图像重构算法为解决ECT图像重构问题提供一种新思路。     

利用一维纹理特征值及MRF模型分割道路影像

提出了一种从遥感影像中分割出道路的新方法.通过比较多个方向上纹理和灰度的一致性,可以在每一点处筛选出一致性最优方向,此方向上的Gabor滤波响应以及作为衡量一致性指标的方差值共同构成该方法的特征矢量.鉴于MRF的独特优点,选择其作为分割模型,并结合最大期望(EM)原理实现非监督分割,构建MRF的相应能量项时加入了方向信息以提高分割质量,同时用置信传递法(BP)代替传统的模拟退火法以提高能量最小化过程的速度.实验表明新方法可以更为有效地从高分辨率遥感影像中分割出道路目标.     

Using the model of a mixture of a uniform distribution and a von Mises distribution for segmentation of anisotropic images

An algorithm is proposed for segmenting anisotropic image based on estimates of the local orientation of textures obtained using a gradient structural tensor. A mixture of a uniform distribution and a von Mises distribution is used as the estimate model. An estimation algorithm for the unknown parameters of the mixture based on trigonometric moments is obtained. Examples are given demonstrating the effectiveness of the segmentation algorithm in identifying textures with one dominant direction.