一种基于灰度直方图的分割阈值自动检测方法

提出一种新的灰度直方图阈值点自动提取算法——最大落差搜索法。利用灰度直方图直观特点,计算统计直方图峰值和谷值。选取最大峰值点为基准点,其余峰值点到基准点区域中,任意非最大峰值点与区域中所有谷值点所形成的最大落差,选取最大落差集合中的最大值,对应该值的低谷值点即为分割阈值点。该方法能够准确得到分割图像的阈值。     

遥感影像变化检测自适应阈值分割的Kriging方法

提出了一种基于空间统计理论的自适应阈值分割方法,用于多时相高分辨率遥感影像变化检测研究。针对未确定类别的目标像素点,分别以局部区域内的变化类和非变化类为样本点,将目标点的实际值和估计值进行比较,以确定目标点的类别。为验证本方法的优越性和自适应性,分别与系列传统阈值分割方法进行了对比分析。实验结果表明,本方法能够有效去除伪变化信息,减少目标的错判、误判率,提高检测精度。     

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。     

中智逻辑图像分割方法的研究与分析

提出了利用中智逻辑进行图像分割的新方法,对中智集中的三要素\     

基于高低帽变换的图像迭代分割方法

针对现有的迭代阈值分割算法作用于一些低对比度或一些变化较大的图像时精度不高、存在过度分割难以识别目标区域的问题,引入数学形态学模型,提出一种基于形态学中高低帽变换预处理后再进行迭代分割的改进优化算法。该算法利用高低帽变换来增大原始图像的灰度动态范围同时锐化图像,使图像清晰,再通过迭代阈值分割出目标区域,针对一些难以分割的目标,可以再次采用低帽变换凸显目标区域,最后通过二值图像连通区域标记,按面积擦除噪声区域完成分割。实验结果表明,不论是针对较小目标物体或是较大目标物体都能取得良好的分割效果,改进后算法的稳定性、适应性和分割精度都得到提升,具有广阔的应用前景。     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

基于多尺度空间分析的图像阈值分割方法

在通过一阶差分确定阈值的基础上,依据多尺度滤波思想,提出一种基于多尺度空间分析的阈值分割方法对图像进行分割。将该方法与其他分割方法进行了比较,证明了本文算法的有效性。     

基于模糊最大似然估计算法的遥感影像分割

针对模糊K-均值算法依赖于群集原型的初始估计和对于数据中所存在的子群数目做出假设的缺点,结合最大似然估计,提出了不依赖先验假设的模糊聚类法——基于模糊最大似然估计的遥感影像分割算法。该算法在模糊最大似然估计算法中用模糊协方差来计算后验概率,用后验概率矩阵代替隶属度矩阵来进行划分。先用模糊K-均值进行图像预处理,然后用模糊最大似然估计算法进行分割。此外,本文用性能指标参数——超体积指标FHV来评价最优的类别数目。本文通过对模拟影像和真实影像的实验,验证了该算法的有效性和准确性。     

测量机器人小视场星图一维最大熵星点图像分割算法

图像分割是处理恒星星图的基本问题之一,也是确保野外高精度天文测量精度的关键步骤。图像分割的重点是图像二值化,对于星图的复杂星空背景,传统的阈值分割算法难以将星点目标从背景中提取出来。针对徕卡视频测量机器人TS50i拍摄恒星星图的小视场、单星点、弱目标和单峰性的特点,首次提出了运用一维最大熵法对星图进行阈值分割。对比分析了常用的几种阈值分割算法,通过对分割结果的比较和定量分析,验证了一维最大熵法能够在充分保留图像信息的同时,对TS50i图像达到具有良好的二值化处理效果。基于大量实拍星图背景的仿真试验表明,以该算法为基础的星点提取算法的准确性和可靠性得到验证,星点提取精度较野外一等天文测量精度要求高一个数量级,可以满足野外高精度天文测量的需求。     

改进的自适应遗传算法在遥感图像分割中的应用

为了自动确定遥感图像分割的最佳阈值,本文提出了一种改进的自适应遗传算法,并利用该算法对二维Otsu图像阈值分割函数进行了全局优化,提高了分割闻值的求解速度。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服基本遗传算法的收敛性差、易早熟问题。实验结果表明,该算法具有良好的收敛速度和稳定性,达到较好的图像分割效果,大大缩短了计算时间。     

基于蚁群行为仿真的影像分割

提出以像元的灰度值、能量值和分形维作为信息素的蚁群行为仿真的图像分割原理和方法。由该方法对3幅航空影像进行图像分割试验,得到图像的粗分割。利用本文提出的精处理方法,得到图像分割的最终结果。采用标记点量测的方法,对分割图像作出质量评价,结果表明,该方法很有应用前景。     

改进的模糊聚类遥感影像分割

聚类是数据挖掘的重要分支之一,引入模糊理论的模糊聚类分析为显示数据提供了模糊处理能力,在许多领域被广泛应用。本文应用考虑邻域关系的约束模糊C均值(Fuzzy C-Means with Constrains,FCM_S)算法,将邻域像素引入到目标函数中,进而有效地利用邻域像素信息,提高分割精度。本文应用FCM_S算法对模拟彩色纹理图像进行分割,计算其混淆矩阵,定性定量地与FCM算法进行对比分析,证明了该算法的鲁棒性。     

一种云模型和期望最大聚类的遥感影像分割算法

为解决遥感影像分割中存在的不确定性问题和传统层次聚类算法中存在的时间复杂度高、缺乏可再分性等缺陷,基于云模型和期望最大聚类提出了一种新的遥感影像分割算法。该算法首先使用峰值法云变换从影像中抽取底层概念,然后通过EM算法对底层概念进行聚类,最后通过极大判别法完成遥感影像分割。实验证明,EM算法进行概念聚类能够快速地将概念分类为指定个数,并估计出高阶云概念的数学特征,相比于传统的基于云模型的遥感影像分割算法具有更好的分割效果。     

应用于遥感图像分割的原型提取谱聚类集成算法

针对遥感图像数据量大、类别归属复杂的特点,提出了一种用于遥感图像分割的原型提取谱聚类算法。该算法首先采用广义模糊c-均值聚类算法对遥感图像进行过分割,将得到的聚类中心作为每个分割区域的代表点;然后,通过构造代表点之间的相似性矩阵,利用谱图划分方法对代表点进行聚类;最后,根据代表点的聚类结果对图像像素点进行重新归类来获得遥感图像的最终分割结果。此算法涉及到3个参数,为了克服算法对于参数的敏感性和内在的随机性,进一步引入集成策略,给出了原型提取谱聚类的集成算法。     

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。     

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。     

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。     

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。     

利用PLSA技术进行图像分割

引用概率潜语义分析(PLSA)技术作了航空影像图像分割的尝试,介绍了PLSA图像分割的原理方法和分割的具体算法。通过三幅航空影像分割实验,并与生物地理学图像分割(BBOIS)方法和基于吸引子算法的结果作了对比,结果表明,本文方法具有一定的优越性,是一个很有潜力的图像分割方法。