基于形状先验和Graph Cuts原理的道路分割新方法

从遥感影像中提取道路一直是研究热点,但还没有一个普适有效的策略。本文给出了一种新的直接针对道路段的分割方案,首先获得道路的初始段,再利用Graph Cuts解算融合了两种形状先验的能量函数,向初始段两端动态外推以获取一条完整道路。对不同遥感图像的实验证明了该算法的有效性。     

一种新的基于高斯混合模型的纹理图像分割方法

提出了一种新的结合了小波变换的高斯混合模型纹理分割方法。该方法包括预处理、小波变换、模型训练、计算后验概率和标记图像等5个阶段,并分析了将高斯混合模型引入纹理分割需要注意的几个方面。试验结果表明,该算法具有较好的分割性能。     

基于高斯马尔可夫随机场混合模型的纹理图像分割

针对以高斯马尔可夫随机场中的邻域像素互作用参数为特征、以高斯混合模型为分类器的二步纹理图像分割方法,提出一个两者相互结合的一步模型———高斯马尔可夫随机场混合模型,并给出其EM算法的迭代计算公式。利用该模型进行纹理图像的分割实验,发现该算法在纹理图像分割的精度上比前者有较大程度的提高。     

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。     

基于图论的图像分割方法及其局限性研究

本文研究基于图论的图像分割方法及其局限性。以图论为工具研究图像分割问题的成果已有不少报道,对其局限性的研究将有利于将概率网络的研究成果应用于图像分割及其它图像问题,这其间图论方法既是桥梁,也是一个广阔的应用领域,它在图像分割问题和概率论的传统方法之间重新建立了一个充满可能的研究空间。     

一种基于形状先验的Graph Cuts道路网提取算法

针对当前道路提取算法需要较多的人工交互的问题,提出一种基于形状先验的道路网提取算法,可以在高分辨率影像中只选取一个初始道路段即可以完成道路条带的分割。先用一维Gabor滤波提取出影像纹理特征值,再在纹理影像上进行阈值操作和直线匹配,获得初始道路段;以初始道路段的中心线的两个端点作为种子点,选择合适的长度和宽度分割出初始窗口;在初始窗口中运用加入形状先验知识限制的Graph Cuts算法求解最大流获得分割结果。与已有改进的Graph Cuts算法分割结果的比较验证了本方法的有效性。     

高斯混合模型云变换算法及其在图像分割中的应用

针对启发式云变换只能对一维特征进行变换的缺陷,提出一种基于高斯混合模型的改进云变换方法。通过EM算法和高斯分布的拟合误差求解云模型的数字特征,抽取图像底层概念,从而实现图像分割。通过图像分割实验验证了该算法的有效性。     

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。     

基于Grab Cut和二维熵的SAR图像目标分割方法

传统的Grab cut算法需要人工交互操作,无法实现SAR图像的自动分割;且SAR图像的斑点噪声干扰容易降低图像的分割质量。针对以上问题,文中以Grab Cut图像分割算法为基础,首先利用FCM算法对SAR图像进行预分割,根据预分割结果标记SAR图像中的前景与背景集合,得到两组较为准确的GMM初始化参数,迭代求得能量函数的最小化,实现SAR图像前景区域与背景区域的自动分割;并结合二维熵算法滤除SAR图像中的阴影,分割出目标区域。实验表明,利用该方法可自动分割出SAR图像中的目标,且分割质量良好。     

基于云模型的图像分割方法研究

分析了图像信息的不确定性、云模型的理论和方法,提出了一种基于云模型的图像分割新方法,实现了图像分割,取得了良好效果。     

利用改进图割的彩色图像分割算法

针对基于多标签图割的分割算法因标签过多造成计算量大的问题,提出一种基于多组件图割的彩色图像分割算法。首先根据彩色梯度信息融合所提取的四元数cut-off窗口特征和ClE Lab颜色特征进行特征提取;然后使用多组件图割算法结合最大似然(ML)估计自动分割图像,在迭代过程中,每一个分割内不相邻的区域将作为该分割的多个组件以减少标签数;最后去除一些弱边界得到分割结果。理论和实验结果表明,新算法不仅具有收敛性,而且分割性能优于原始算法。     

DSSRM级联分割的SAR图像变化检测

SRM(Statistical Region Merging)分割算法具有快速、稳定和抗噪强的优点,基于此,本文提出一种基于DSSRM(Dynamic Sorting Statistical Region Merging)级联分割的SAR图像变化检测方法。首先,针对SRM算法基于单特征静态排序导致的过分割问题,提出一种动态排序模式的DSSRM算法以减少差异图像分割错误,该算法建立基于合并区域的多特征马氏距离排序准则,在每次合并之后更新区域邻接矩阵并重新排序;然后,基于互信息最小化准则构造多通道差异数据集以提高算法对区域合并的约束能力;最后,提出一种级联分割变化检测框架,第1级利用SRM算法将差异图像映射到超像素空间,第2级采用DSSRM算法对超像素进行动态合并获得收敛的分割结果,第3级采用简化SRM方法进行三次合并获得最终的变化检测图。实验结果表明,该方法可以获得比SRM方法和目前流行方法更好的检测性能。     

基于图割算法的倾斜影像纹理映射优化方法

针对基于倾斜摄影影像重建三维城市模型纹理映射过程中出现的遮挡和纹理碎片化问题,本文提出一种利用摄影光线与模型相交判断遮挡,然后利用图割算法优化纹理的方法。首先,连接摄影中心与三角形面片各顶点,判断连接线段与其他三角形面片的相交情况,从而确定是否遮挡,以选取当前三角形面片对应的未被遮挡影像。然后,根据对应关系,构建能量函数,通过图割算法最小化能量函数以确定最优纹理,使相邻三角形面片对应影像的选择趋于一致,从而解决纹理碎片化问题。通过实验证明,本文方法在大规模三维模型的纹理映射中,能够有效解决映射的遮挡重影现象,并能够极大地避免纹理碎片化问题。     

基于数学形态学的第四系地层遥感影像分割

利用数学形态学的方法对遥感影像的第四系地层进行了影像分割实验。经实验结果得出,利用数学形态学的基本运算组合成的各种算子:高、低帽变换、滤波与阈值截取相结合的增强方法,通过选择合适的结构元素,对图像进行预处理后,就可以用形态学方法对第四系地层进行影像分割。经过处理的遥感影像,能够更有效地提取影像的目标。实验结果表明了本文所提的方法的有效性。最后,对形态学方法的不足之处和将来的研究方向展开了讨论。     

高分辨率遥感影像超像素的模糊聚类分割法

传统模糊C均值聚类在影像分割中只考虑影像的灰度特征,导致该算法用于高空间分辨率遥感影像分割时分割结果不理想。针对该问题,本文提出了一种高分辨率遥感影像超像素的模糊聚类分割方法。该方法首先利用分水岭变换算法产生多个超像素子区域;然后比较各个子区域间光谱特征的相似性;最后利用融合光谱特征的模糊C均值聚类对这些超像素子区域进行合并。试验选用4组不同场景的遥感影像,采用定性和定量相结合的方法评价试验结果。试验结果表明,该方法有效提高了分割区域的分割精度,并取得了较好的分割视觉效果。     

基于非线性扩散的纹理分割

A texture image segmentation based on nonlinear diffusion is presented. The scale of texture can be measured during the process of nonlinear diffusion. A smooth 5-channel vector image with edge preserved, which is composed of intensity, scale and orientation of texture image, can be achieved by coupled nonlinear diffusion. A multi-channel statistical region active contour is employed to segment this vector image. The method can be seen as a kind of unsupervised segmentation because parameters are not sensitive to different texture images. Experimental results show its high efficiency in the semiautomatic extraction of texture image.     

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。     

高分辨率遥感影像语义分割的半监督全卷积网络法

在遥感领域,利用大量的标签影像数据来监督训练全卷积网络,实现影像语义分割的方法会导致标签绘制成本昂贵,而少量标签数据的使用会导致网络性能下降。针对这一问题,本文提出了一种基于半监督全卷积网络的高分辨率遥感影像语义分割方法。通过采用一种集成预测技术,同时优化有标签样本上的标准监督分类损失及无标签数据上的非监督一致性损失,来训练端到端的语义分割网络。为验证方法的有效性,分别使用ISPRS提供的德国Vaihingen地区无人机影像数据集及国产高分一号卫星影像数据进行试验。试验结果表明,与传统方法相比,无标签数据的引入可有效提升语义分割网络的分类精度并可有效降低有标签数据过少对网络学习性能的影响。     

一种深度图像障碍物检测新方法

针对传统障碍物检测技术存在的不足,该文将Kinect深度摄像机作为障碍物检测系统的传感器,在Kinect实时三维重建和Meanshift图像分割的理论基础上,提出了一种基于Kinect深度图像的障碍物检测方法,并针对深度图像随机噪声点多的特点,提出了一种改进的高斯滤波算法.分别在不同环境中进行了障碍物检测实验,实验结果表明该文提出的检测算法能准确检测出复杂场景中的障碍物区域,并对光照具有很强的鲁棒性.     

观测数据采样化的遥感影像非监督分割

为了实现影像的自动化分割,提出一种利用非监督方式将观测数据采样化的遥感影像分割方法。该方法利用欧氏空间的概率分布建模采样数据和观测数据,并将其映射到黎曼空间,通过不断将观测数据转换为采样数据的方式实现影像的自动采样化。每次采样过程只需计算观测数据点到采样点的测地线距离,将距采样点测地线距离最小的观测数据转化为采样数据,以保证采样数据不断趋于该类数据的真实分割结果,同时使算法能够有效分割具有不同像素数的类别。将算法应用于模拟影像和真实遥感影像分割,对其分割结果以及传统基于统计、基于模糊的非监督算法和基于神经网络的监督算法相应分割结果定性定量的对比分析验证了该算法的有效性及可行性。