微循环图像的预处理与分割

介绍了微循环图像预处理的方法，并提出了一种改进的快速区域种子像素填充算法。实验表明，填充算法运算速度快，所需空间少，适合于一般的图像处理与图像识别。     

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.     

高分辨率遥感图像频域特征提取与图像分割研究

遥感图像分割是面向对象识别的关键,论文基于频谱分析理论与频域滤波方法,对IKONOS卫星图像的特征提取与图像分割技术进行了研究,根据振幅和相位信息提取遥感图像的纹理和边缘特征,并提出多频段标记算法实现了结合纹理和边缘特征的图像分割.论文主要研究内容与结论包括:     

基于SAR图像的海洋溢油分割方法研究

目前,海洋溢油污染在发生频率、分布范围以及所带来的危害程度上均居海洋污染首位。它对沿海城市生态、环境、经济的可持续发展造成严重破坏,因此越来越受到全社会的广泛关注。从众多海洋溢油分割方法中选取边缘检测算子和种子填充算法对SAR图像进行分割。首先运用欧空局的BEST软件进行数据转换以及图像预处理,然后使用ENVI软件对图像进行滤波处理。再用ERDAS软件进行灰度均衡和分割算法的实施,并针对算法的一些缺陷,进一步加入纹理分析使图像中的油膜与类油膜以及海水与海浪等更好的区分开。最后对不同的图像效果进行总结和比较。     

纹理图像统计模型与纹理图像分割

本文详细介绍了一种新的纹理图像统计模型－Ｇｉｂｂｓ模型，给出了两种常用的Ｇｉｂｂｓ分布。在此基础上作者详细推导出了两种纹理图像的分割算法，并用一幅遥感图像进行了实验，获得了较好的分割结果。     

甲襞微循环定量分析系统

简单地介绍了甲襞微循环定量分析系统的构成和工作原理。对于给定的一幅甲襞微循环图像,对它进行预处理后,该系统就可定量地测得其有关参数。然后,从医学的角度来对这些参数进行科学的分析和计算,从而为医学上的一些疾病的诊断、治疗和预后工作提供有力的依据。     

甲襞微循环定量分析系统

简单地介绍了甲襞微循环定量分析系统的构成和工作原理，对于给定的一幅甲襞微循环图像，对它进行预处理后，该系统就可定量地测得其有关参数。然后，从医学的角度来对这些参数进行科学的分析和计算，从而为医学上的一些疾病的诊断、治疗和预后工作提供有力的依据。     

形态学边缘检测和区域生长相结合的遥感图像水体分割

遥感图像水体区域中因水体自身流动和波动等因素造成图像噪声,利用传统方法直接分割水体容易导致分割精度较低。为此,利用遥感图像中水体区域具有连通性强以及像素灰度值相近等特点,提出了一种利用多结构元素形态学重构边缘检测结合区域生长实现遥感图像水体分割的方法。首先将遥感图像转化为灰度图像,运用多结构元素形态学重构边缘检测,在去除噪声的同时增强水体边缘,保持水体区域边缘的较准确定位;然后利用灰度直方图自动选取种子点,确定水体区域灰度范围,利用该灰度范围内像素的均值和方差、种子点及已生长区域灰度特性作为生长准则,实现对水体区域的分割。实验结果表明,该方法能够对因水体扰动等因素导致的噪声图像进行有效分割,且水体区域分割精度较高。     

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。     

遗传算法在遥感图像分割中的应用

本文对基于遗传算法的最佳熵阚值分割方法进行了研究，并实现了在遥感图像分割中的应用。结果表明：基于遗传算法的最佳熵阚值分割方法可以得到较好的分割结果，在遥感图像处理中有一定的应用前景。     

区域化模糊聚类SAR图像分割

将图像域规则划分与模糊聚类方法结合,提出了一种区域化模糊聚类算法,并将该算法用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像分割,以解决分割过程中像素模糊聚类难以处理SAR图像中存在的大量固有斑点噪声问题。首先,利用规则划分技术将图像域划分成大小相等的规则子块;假设每一子块内像素对聚类的隶属度相同,并以此为基础定义区域模糊聚类目标函数;通过迭代最小化上述目标函数实现SAR图像初步分割;最后,采用中值滤波方法进行后处理操作,以消除规则划分对不同类别之间边界的影响,实现SAR图像精准分割。为了验证提出算法的有效性,用模拟及真实SAR图像实现了算法测试;对算法分割结果进行定性与定量评价。结果表明算法的分割精度较高,可以有效降低SAR图像中斑点噪声对分割结果的影响。     

一种新型雷达图像边缘提取技术

由于合成孔径雷达系统的有限带宽，使阶跃边缘变成斜坡型边缘，线条型边缘变成屋顶边缘，斜坡型边缘甚至难以探测。在本文中针对合成孔径雷达图像，提出了一种新型的边缘提取方法。这个方法分为二个步骤；首先根据图像亮度进行局部分割（如在一个5*5的窗口内），得到亮度不同的两个区域。第二步：将亮度不贩 两个区域边界作为图像的边缘，并根据亮度变化确定图像的边缘，将这个方法用于合成孔径雷达图像边缘提取，成功地提取了合成孔径雷达图像的边缘信息。     

基于边缘图与边缘方向的遥感图像检索

本文在系统介绍遥感图像检索中边缘特征描述方法的基础上,将边缘特征归纳为边缘图和边缘方向两类特征.通过对遥感目标图像库和纹理图像库上所做实验的分析,揭示了不同算法的特性,并指出综合两类特征可进一步提高算法的检索性能.     

利用小波变换和边缘限制条件进行水域分割

阐述了一种利用小波变换和边缘限制条件进行水域提取的新算法，它的特点是先用小波变换将影像变换到不同尺度层上；然后在不同尺度层上统计影像的特征值，以形成影像的特征数据；接着利用Facet边缘检测算法在特征数据上检测特征边缘存在的情况，从而判断像素是否属于水域，与传统的水域提取方法相比，它用到了不同频率上水域灰度信息，从而更准确地刻画了水域的灰度特性，试验结果表明，利用小波变换和边缘限制条件对水域分割效果较好。     

高分辨率遥感图像道路分割算法

为了提高从高分辨率遥感图像(high-resolution remote sensing image,HRI)中提取道路信息的自动化程度和准确性,发展了一种HRI道路分割算法,主要包括光谱合并、边界合并和基于形状特征的道路区域提取等3个步骤。其中,前2个步骤是基于区域生长的图像分割算法。光谱合并综合考虑了区域的均值、方差等统计特征量,以提高分割精度;边界合并采用了基于矢量梯度的边界计算方法,以准确提取多光谱HRI中的边界强度;结合全局最优合并算法实现光谱和边界合并,以得到最优化的分割结果。在道路区域被完整分割出来的基础上,利用形状特征提取道路,采用圆形度特征区分道路和非道路。利用2景Orb View3多光谱图像进行道路提取实验的结果表明,该方法的道路提取结果总精度和Kappa系数分别在97%和0.8以上,明显优于SVM监督分类方法。     

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。     

ALOS卫星图像分析与预处理实证研究

通过实证研究的方法对高分辨率ALOS卫星数据进行质量分析,结合ALOS数据特点,提出了ALOS原始影像数据的预处理方法和处理流程。研究结果表明： ALOS数据预处理工作量较大,且预处理方法要求较为严格,因此,在开展大规模、大范围、大区域、大精度、短周期的图件更新、动态监测等应用时,应考虑将ALOS卫星图像与其它卫星图像结合使用。     

基于分形理论的SAR图像边缘检测

分析了ＳＡＲ图像的基本特点,阐述有ＤＦＢＲ模型表达ＳＡＲ图像的基本原理,提出两种基于分形理论的ＳＡＲ图象边缘检测方法。通过对传统方法、分形方法和多尺度分形方法的特性分析和实验,说明了分形方法有较强的抗干扰性能,适用于ＳＡＲ图象的边缘检测,并且基于多重分形的方法能获得更好的检测结果。