一种基于人工免疫的图像分割算法

图像二维熵分割,一直因耗时长而限制了实际应用。本文借鉴生物免疫思想,提出二维熵图像分割的人工免疫算法。在克隆选择算法中引入疫苗的免疫接种,用于优化最优分割阈值对的搜索过程。在遥感高分辨率图像上的实验显示,该算法不仅能准确搜索到最优阈值对,而且计算时间只有传统算法的1.8%。该算法也验证了人工免疫思想用于图像分割的可行性和有效性。     

基于人工免疫系统的遥感图像检索

为了提高遥感图像检索的准确性,提出了一种基于人工免疫系统(artificial immune system)的遥感图像检索算法。该算法根据相关反馈技术及免疫机理,利用克隆选择算法对用户反馈的图像特征进行泛化学习,从而提高了系统对用户语义的理解能力。实验结果表明,该算法能有效理解用户的反馈信息,能提高检索的准确性。     

改进分数阶达尔文粒子群的多Renyi熵图像分割算法

针对智能优化图像分割算法易陷入局部最优、分割精度不高等问题,本文融合改进的分数阶达尔文粒子群算法和二维Renyi熵多阈值,提出了一种新的多阈值遥感图像分割算法。算法利用粒子自身进化信息来定义进化因子,结合进化因子并利用高斯图函数调整分数阶次a系数以实现精确计算和快速收敛;根据局部最优概率因子对局部最优位置进行Levy飞行随机扰动以提高算法跳出局部最优的能力;同时将二维Renyi熵单阈值扩展到多阈值分割上,并结合改进的分数阶达尔文粒子群算法,将二维Renyi熵多阈值应用于遥感图像分割中仿真结果表明,与其他2种智能优化分割算法相比,本文分割算法在细节处理和分割精度上均有明显优势,在PRI上至少提升7.27%、VOI至少降低6.5%、GCE至少降低10.4%.     

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。     

基于图论分割的图像去雾算法

雾天等恶劣天气条件下拍摄到的户外图像质量下降,严重影响视觉监控系统的可靠性和鲁棒性。为提高降质图像的对比度和清晰度,考虑到同一幅图像中不同景物的场景深度不同,采用基于图论的图像分割方法对图像进行分割,然后在分割后的各个区域,根据暗原色先验理论估算图像的尘雾浓度图,再根据DOS原理,将尘雾浓度图从原始图像中去除,得到复原后的清晰图像。实验表明,所提出的算法可以有效改善降质图像的质量,提高图像的对比度和清晰度。     

二维Renyi灰度熵和模糊聚类在图像分割中的应用

针对传统二维Renyi熵阈值算法计算复杂度高的问题,提出一种改进的二维Renyi图像分割算法。该算法利用两个一维Renyi熵算法的阈值来代替传统二维Renyi法的阈值,使得计算复杂度大大降低;同时为了改善图像分割效果,综合使用了FCM算法。实验结果表明,改进的算法充分发挥了二者的优势,不仅提高了运算速度,且分割效果更好。     

云模型图像分割系统的设计与分析

分析了基于云模型的图像分割方法,设计了图像分割软件系统,实现了云变换分割模块、云层次分割模块和二维云变换分割模块。     

基于人工免疫系统的遥感图像分类

提出了一种基于人工免疫系统(ArtificialImmuneSystem)的分类方法。该方法首先应用人工免疫系统的克隆选择算法对样本进行自学习,得到全局最优的聚类中心,然后利用学习得到的聚类中心对整幅影像进行分类。由于人工免疫系统继承了生物免疫系统的自组织、自学习、自识别、自记忆的能力,从而使得人工免疫系统具有非线性的分类能力,并能够快速准确地得到全局最优解,克服了传统分类方法约束条件多,容易陷入局部最优的缺点。实验结果证明,该算法分类精度上优于传统的分类方法,总精度和Kappa系数分别达到了89.80%和0.8725,因而具有实用价值。     

基于遗传和蚁群组合算法优化的遥感图像分割

将遗传算法和蚁群算法组合对模糊聚类进行优化,巧妙地对图像的像素特征和空间特征进行提取,利用这些特征作为聚类依据,将图像的多个特征结合到智能计算中,充分利用了遗传算法和蚁群算法各自的优势和特点,既提高了图像分割的准确性,又加快了分割过程的速度。实验结果表明,遗传算法和蚁群组合算法优化的模糊聚类是一种性能良好的遥感图像分割方法。     

一种快速有效的MSTAR SAR目标图像分割算法

提出了一种快速有效的SAR目标图像分割算法。该算法基于混合Gamma分布,利用改进的Potts模型引入先验信息,通过结合期望最大化和图切割优化算法(GC)对混合分布模型参数进行快速稳健的估计,从而获得最终的分割结果。在MSTAR SAR数据集上的实验表明了该算法的有效性和灵活性。     

基于道格拉斯-普克算法的图像分割初探

利用道格拉斯-普克算法化简灰度直方图,从化简后的直方图中获取图像分割的阈值。为了评估所提出算法的优劣,本文采用多峰法和大津法进行了对比实验。实验表明道格拉斯-普克算法分割某些图像具有一定的优势。     

基于资源限制性人工免疫系统的多光谱遥感影像分类方法

提出了一种基于资源限制性人工免疫系统（resouree limited artificial immune systems, RLAIS ）的多光谱遥感影像分类方法。该方法采用RLAIS对遥感影像分类中选取的感兴趣样区进行样本训练，得到全局聚类中心，利用聚类中心对遥感影像进行分类。实验证明，该方法在分类精度上优于传统方法，其总精度和Kappa系数分别达到了91%和0．88，具有实用价值。     

基于边缘的多光谱遥感图像分割方法

从Marr视觉计算理论和Tobler地学第一定律出发,提出了基于边缘的多光谱遥感图像分割方法.在基于边缘的多光谱遥感图像分割方法中,由边缘检测、边缘综合、边缘生长、区域标号等环节组成.该遥感图像分割方法在可视化开发平台Delphi中予以编程实现.将之应用于日本熊本市（Kumamoto）的Quickbird多光谱遥感图像中,并与多种遥感分割算法进行了比较：（1）从多光谱遥感图像各波段亮度信息利用的程度上看,提出的遥感图像分割方法能充分利用多波段亮度信息;（2）从遥感图像分割结果上看,由于分别对不同的波段进行边缘检测,并在此基础上进行边缘综合、边缘生长,遥感图像中的细节特征得到了充分体现,遥感图像分割效果更理想;（3）从计算复杂度和计算效率上看,基于边缘的多光谱遥感图像分割法较其他分割方法有一定的优势.     

基于多尺度分割的对象级影像平滑算法

提出了一种对象级的保边缘影像平滑算法。该算法利用空间聚类对影像进行多尺度分割,在分割过程中,提取出不同尺度下的符合凸面模型(convexity model)的影像对象(image object);依据对象的统计参数对影像对象进行筛选,符合要求的影像对象内部进行平滑处理,其余对象不受影响。利用该方法可以有效地去除噪声和无用小目标,在不破坏指定目标边缘的同时,实现影像的平滑处理。     

基于均值平移与模拟泛洪的图像分割算法

针对图像处理的特点，综合考虑执行速度与健壮性要求，提出了一种顺序搜索LUV空间候选点的均值平移实现方法。为了克服传统的基于特征空间分析的图像分割方法对像素点空间关系考虑不够充分的缺陷，借鉴Vincent ＆ Soille沉浸模拟分水岭算法思想，构造了一种与均值平移方法相适应的新的模拟泛洪方法执行图像分割。新方法比较符合人的主观感知，且易于容纳更多的特征以满足特定的图像分割需求。对实验用彩色图像的分割结果表明了该方法的有效性。     

利用倒数灰度熵和改进Chan-Vese模型进行SAR河流图像分割

为了进一步提高合成孔径雷达(SAR)图像中河流分割的精度和速度,提出了一种基于人工蜂群优化的倒数灰度熵多阈值选取与改进Chan-Vese(CV)模型相结合的分割方法。考虑SAR图像中河流目标和背景类内灰度的均匀性,提出了基于蜂群优化的倒数灰度熵多阈值选取方法,以此对河流图像进行粗分割;针对基本CV模型收敛速度低、对初始条件敏感的问题,利用图像边缘强度取代Dirac函数,将粗分割结果作为改进CV模型的初始条件,对河流图像进行细分割。大量试验结果表明,所提出的分割方法无须设置初始条件,运行速度快,分割精度高。