一种基于灰度直方图的遥感影像阴影自动检测方法

在高分辨率全色遥感影像中,阴影的存在既给目标识别带来了困难,又包含了地物的层次和高度信息。本文运用灰度统计直方图的势函数对全色遥感影像的灰度统计直方图函数进行拟合,使用一阶差分找到直方图势函数的第一个谷点,以该谷点对应的灰度值对原始影像做阈值分割完成阴影检测。实验表明,在各种复杂地物环境下,本文方法都能能完成灰度分割阚值的自动选取,其阴影检测结果是快速有效的。     

基于小波变换的纹理图像分割

基于小波的纹理图像分割方法是把小波变换应用于纹理的特征提取。通过对原始纹理图像进行高阶小波分解，构成每个象素对应一个特征矢量，对所提取的特征利用均值举类算法进行分类，最终获得图像的分割结果。为了提高纹理分割图像的边缘准确性和区域性以及降低分割错误率，提出了利用特征加权来进行后分割的方法。     

一种彩色纹理图像的分割方法

纹理分析一直是图像理解和计算机视觉等领域研究的重点和难点,现有的纹理分割方法大多集中于研究灰度纹理图像,文中提出一种基于分形理论的BP神经网络原彩色纹理图像分割方法,该方法将彩色图像由RGB色彩空间转换为HSI色彩空间,根据亮度计算分数维、多重分形广义维数谱q-D（q)和“空隙”等纹理特征,同时加入归一化的色度和饱和度作为另外两个分类特征,采用经过有监督训练的BP神经网络作为分类器,通过对纹理图像的分割实验,结果证实该方法行之有效。     

一种基于纹理的图像分割方法

提出了一种基于多进制小波变换的纹理特征提取方法，通过对小波系数的标准差作为纹理测度以生成特征向量，利用模糊c-均值聚类算法进行纹理分割，获得了较好实验结果。     

一种结合YUV色彩空间和纹理的阴影检测

在传统的智能检测算法中目标检测时,往往阴影和需要被检测的物体一起检测出来,这样会给后续的处理带来诸多的不便,而且易造成较高的虚警率。该文提出了一种结合YUV色彩空间和纹理特征的阴影检测,可以提高阴影检测的稳定性,进而很好的完成阴影检测,达到了实际应用的需求。     

基于纹理相似栈的超声图像分割方法

超声图像高噪声、低对比度的特点使其含噪图像的纹理信息较难提取。为此,提出一种基于自适应相似栈的聚类分割方法。对超声图像进行自适应去噪获得估计图像,结合超声图像和估计图像建立基于非局部搜索的相似栈列,应用相似栈列对超声图像纹理特征值进行修正,并使用K-means聚类将超声图像划分为互不重叠的区域。实验结果表明,该方法分割结果与人工分割结果的重合度达到93. 28%,在差异较大的样本下重合度标准差为2. 07%,从而验证其可对超声图像实现稳定有效的分割。     

基于离散平稳小波变换和FCM的纹理图像分割

采用离散平稳小波变换对纹理图像进行分解,以各层小波系数中能量为特征相向量,采用模糊c-均值聚类（FCM）对图像分割,并对分割方法进行了改进,提出采用网格法,将图像分解成若干子图像,对图像进行粗分割,再对边缘部分的网格进行细分的两步分割法。试验结果表明该方法显著提高了分割速度和精度。     

一种基于纹理方向场的图像分割方法

提出了一种基于纹理方向场的图像分割方法。根据图像平滑滤波原理构造了高斯滤波器与分块滤波器相结合的平滑方法,利用纹理梯度方向场特征形成纹理梯度图像,以此为基础用分水岭算法对图像进行分割。结果表明,将该方法应用于粘连大米颗粒图像,能有效分割粘连大米图像,较好地解决了分水岭算法的过分割问题,具有较强的边缘稳定性。     

一种基于纹理信息和遗传神经网络的图像分割方法

提出了一种基于纹理信息和遗传神经网络的图像分割方法,根据分形理论构造了图像的一组分形纹理特征参量,利用遗传神经网络作为图像素的分类器,以此为基础对图像进行分割,分数维的计算采用改进的盒子计算法.试验表明,将该方法应用于生物医学图像,能够区分图像不同的纹理区域,达到满意的分割效果.     

一种融合纹理信息与图论的图像分割方法

针对未成熟苹果图像果实同背景色彩差距较小导致难以分割效果的问题,提出一种融合纹理信息与图论的图像分割方法。该方法先将图像划分为图像块并计算每个图像块的纹理信息,以图像块为节点利用纹理信息构造权函数得到无向带权图,用基于区域合并的图论图像方法进行分割并二次吸收合并。实验结果表明,在对象和背景色彩接近时,该方法比传统分割法效果好,且改善了分割过细的情况。     

基于Canny算子的边缘检测改进算法

通过对Canny算法进行改进,提出了一种基于改进遗传算法的边缘提取算法.改进算法对噪声抑制效果明显,能够删除伪边缘,得到精确的边缘.实验结果表明,该算法在保证实时性的同时,具有很好的检测精度和准确度.     

一种基于二维Brushlet变换的纹理图像检索方法

提出一种利用Brushlet变换分解图像,提取纹理特征进行图像检索的新方法。该方法利用Brushlet的特性,成功地检测到了纹理图像的方向信息,弥补了小波变换的不足,从而形成能够精确表征图像的特征矢量。匹配算法则使用比值相似度。实验结果表明,该方法计算简单、有效、检索效果较好。     

用于图象边缘检测的拉普拉斯-多项式算子

将用于求解二阶导数的▽~2算子与多项式局部曲面拟合相结合,构造了用于边缘检测的拉普拉斯-多项式(Laplacian of Polynomial:▽~2P)算子。图象物体边缘定义为▽~2P 与图象卷积的过零点。证明了:采用正交多项式作为拟合基函数时,可用卷积方法实现局部曲面拟合,使得计算效率大大提高。     

基于颜色相关图和纹理矩的图像检索

基于内容的图像检索的关键就是准确地提取图像特征。目前常见的图像特征的分类有颜色、纹理和形状。提出了改进的图像相关图算法以及纹理矩算法,并采取有效的方法来结合这两种算法实现高效的图像检索,图像相关图不仅反映了图像的灰度统计信息,而且还反映了图像的空间特征和灰度的渐变度。纹理矩是通过计算图像局部区域的力矩来反映图像的纹理特征。二者相结合整合了图像颜色和纹理信息。实验证明,改进的图像相关图以及纹理矩算法优于传统算法,二者通过在有限的空间维度下的结合在很大程度上提高了检索精度。     

一种改进的基于样例的图像修复方法

以基于样例修补的目标移除方法为基础,改进了基于样本块的图像修补方法。在自然图像上通过傅里叶变换,发现许多自然图像具有方向性纹理的特征,将搜索空间约束到纹理方向的范围,优化了Criminisi方法优先块的选取,提高了搜索精度;并通过在源图像区使用图像分割的方法实现分区,使搜索目标块仅在其相邻的源区域内搜索,进一步缩小样本图搜索范围,增强搜索的准确性。在自然图像上进行的实验结果表明:改进的方法不仅显著提高了图像修补的时间,且有效地维持了图像的线性结构,取得了良好的修补效果。     

一种自动识别最优阈值的图像分割方法

阈值分割是图像分割的常用方法,但至今没有一种对多数图像都适用的阈值选择的通用方法。本文基于图像的灰度级特征,以前景和背景最大程度地分开为判据,提出了一种简捷的自动识别最优阈值的图像分割方法。该方法对更多图像都可以给出最佳的闽值,达到较好的图像分割效果。     

一种基于SVM的网络不良图像过滤方法

针对网络不良图像过滤的需求,提出一种基于SVM的不良图片快速过滤方法。该方法利用混合肤色模型实现裸露肤色区域的检测,提取人脸位置、形状和图像背景等特征,组成特征向量。用SVM分类器训练得到检测模型,利用这个模型进行判决,有效提高了不良图片的平均识别率。选取实际网络应用中的正常图像与不良图像,其中不良图像的识别率为83.9%,正常图像的识别率为93.4%,误检率为6.6%,平均识别率达到86.6%,实验显示该方法满足实际应用的需求。     

基于SVM技术的入侵检测

针对日益严重的网络入侵事件,提出了一种新的入侵检测方法．在对网络数据进行深刻的分析和研究的基础上,提出了基于支持向量机的入侵检测方法．首先,对1类SVM进行了必要的改进,使异常点聚集为一类（即环绕原点的一类）．然后,使用抽象化的网络数据对SVM进行训练,生成入侵事件的SVM分类器．实验表明,该方法是行之有效的．     

一种基于彩色路面区域分割的候选车辆区域视频检测方法

提出了一种基于彩色路面区域分割的候选车辆视频检测方法.该方法首先根据路面部分颜色的分布特点从单帧彩色图像中分割出路面部分并完成路面区域背景的初始化,然后通过对路面区域运用背景差方法和相关后处理过程进行动静态候选车辆的检测和分割.由于采用一种双背景策略能够在车辆检测的同时完成背景的训练和替换更新,该算法克服了传统背景差算法背景更新时容易存在误差累积以及对环境光线变化敏感的缺点,实现简单、稳健性好,可以满足交通视频监控系统中背景更新和车辆检测的实时性处理要求,实验结果证明了该方法的有效性.     

基于概率纹理模型的纹理分割方法分析

基于最优小波包基的纹理自适应概率模型通过优选小波包基来区分不同纹理,具有纹理描述更准确的优点。研究基于纹理自适应描述的邻域分割法,通过实验分析了纹理概率模型和邻域分割法对分割效果影响的主次关系。实验结果表明邻域分割法是分割取得好效果（分割错误率低于1．34％）的主要影响因素,概率模型对分割效果的作用是次要因素。这一结论的得出将有利于对该方法的改进。