两种基于图论的聚类算法改进(英文)

近年来,基于图论的聚类算法被广泛地应用在数据聚类和图像分割之中。聚类任务主要是挖掘一组给定数据隐含的分布规律和结构信息,而图像分割则是将一幅图像划分为若干互不交迭区域的过程。主要讨论两种比较流行的基于图论的聚类算法,即基于有向树的数据聚类算法和基于最小生成树的图像分割算法。创新在于:(1)改进基于有向树的数据聚类算法,将其应用于图像分割;(2)改进基于最小生成树的图像分割算法,将其应用于数据聚类。在人工数据和实际图像数据上的实验结果表明,改进的有向树算法可以很好地分割图像并保留图像中足够的细节,而改进的最小生成树聚类算法能比较好地聚类具有流形结构的人工数据。     

基于全局Maxflow邻域生长算法的SAR图像目标分割

提出一种改进的GrabCut算法,利用迭代图割(GrabCut)算法对彩色图像进行分割的特点,在不需要交互式操作的情况下,将SAR图像转化为24 bit BMP的位图进行处理,再结合邻域生长算法实现对SAR图像目标的自动分割.通过对MSTAR和NASA喷气推进实验室的SAR图像进行目标分割实验,结果表明,该算法分割精度高于目前通用的其他算法.     

基于全卷积孪生神经网络的复杂监控场景下前景提取方法

由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图与待提取图像融合,利用编解码网络以实现端到端的前景提取。在CDnet2014数据集上进行综合评估与测试,结果均证明了该方法的有效性。     

基于最大熵的自动确定多阈值方法

针对图像多阈值分割中,人为给定而非自适应确定图像分类个数的缺点,结合一种基于最大熵的多阈值快速算法,同时考虑阈值及图像分类个数的影响,提出了自适应确定分类个数的判据。该算法不仅能够快速确定阈值,同时可以确定分割图像的分类个数。实验结果表明,该算法效果理想。     

改进的基于二维直方图的最大模糊熵分割方法

针对基于一维直方图的传统模糊熵算法对噪声敏感的问题,提出了一种新的基于二维直方图的最大模糊熵图像分割算法。新算法根据中心像素与邻域均值之间的关系划出二维灰度直方图中的有效区域,并考虑了图像的空间信息,将二维灰度直方图中像素的邻域均值的隶属度与中心像素隶属度相结合,得出新的隶属度计算方法,然后通过最大化模糊熵函数来确定图像的最优分割阈值。通过对实际图像的分割实验,表明了本文算法具有良好的去噪和图像细节保持能力。     

复杂背景下磨粒显微图像分割

针对DMAS系统中复杂背景下磨粒图像的自动分割问题，根据磨粒图像的相关特征，充分利用领域知识，基于图像分割和边界跟踪的思想，选取了适合磨粒图像分割的最大类间方差阈值法，并结合腐蚀、膨胀等图像处理技术，实现了复杂背景下磨粒图像的有效分割和目标提取。最后算例表明了本方法的简洁有效性。本文研究将对进一步展开磨粒识别和机械设备故障诊断研究工作提供前提和依据。     

空间距离变换的彩色图像目标识别方法

研究了彩色图像的分割算法,提出了运用彩色图像的颜色特征相似性进行图像的分割;然后将分割的目标进行检测,运用无监督网络,即竞争网络学习训练聚类,将图像中不同的目标提取出来。在识别方面,研究了一种运用空间距离变换方法来识别的算法,计算出区域半径测试样本点在区域内还是区域外,以达到识别的目的。实验结果表明,本文提出的分割算法和识别算法可以很好地运用到实际中,识别率可达90%以上。     

金属图像的自适应分割方法研究

针对金相图中分割问题,在分析对比传统的全局阈值分割方法的基础上,提出了一种自适应阈值分割方法。将原图像划分为若干子块,对每个子块利用最佳阈值的方法进行分割。实验表明,提出的方法简便易行,具有较好的鲁棒性和适应性;在完整、有效分割图像的同时,能够保留原始图像中的大量细节信息,对复杂背景图像的分割处理效果满意。本文研究为今后金相分析提供了可靠的依据。     

基于广义背景填充的塔式多相水平集的脑肿瘤分割算法

背景填充技术和Chan-Vese模型的塔式多相水平集算法能够在给定的图像中检测出多个目标,而背景填充技术中采用了固定的填充色彩,故该算法得到的边缘是不可调的.为此提出了一种采用可调填充色的广义背景填充技术,使得轮廓可调以便获得所需边缘.脑肿瘤分割实验表明,采用不同的填充色可以得到不同的脑肿瘤轮廓,有利于临床诊断.     

结合图像局部信息的高斯混合型图像分割框架

针对现有的基于判别型或聚类型的图像,用分割方法无法处理被噪声污染的图像的现状,提出一种新的两步式图像分割框架。该框架首先利用图像的局部信息重塑图像的灰度直方图,增强了像素的类间散布性和类内紧凑性,然后将现有的基于判别型或基于聚类型图像分割方法在重塑图像上执行,从而提高了现有图像分割算法的有效性和鲁棒性。文中用典型的聚类型方法高斯混合模型来说明该框架的可行性。由于框架的两个步骤具有独立性．因此可推广到现有的其他基于像素或直方图的方法。在人工和真实图像上的实验结果证明,这种两步图像分割框架可以获得有效且鲁棒的图像分割结果。     

A New Regularized Minimum Error Thresholding Method

To overcome the shortcoming that the traditional minimum error threshold method can obtain satisfactory image segmentation results only when the object and background of the image strictly obey a certain type of probability distribution,one proposes the regularized minimum error threshold method and treats the traditional minimum error threshold method as its special case.Then one constructs the discrete probability distribution by using the separation between segmentation threshold and the average gray-scale values of the object and background of the image so as to compute the information energy of the probability distribution.The impact of the regularized parameter selection on the optimal segmentation threshold of the regularized minimum error threshold method is investigated.To verify the effectiveness of the proposed regularized minimum error threshold method,one selects typical grey-scale images and performs segmentation tests.The segmentation results obtained by the regularized minimum error threshold method are compared with those obtained with the traditional minimum error threshold method.The segmentation results and their analysis show that the regularized minimum error threshold method is feasible and produces more satisfactory segmentation results than the minimum error threshold method.It does not exert much impact on object acquisition in case of the addition of a certain noise to an image.Therefore,the method can meet the requirements for extracting a real object in the noisy environment.     

Ground-Based Cloud Using Exponential Entropy/Exponential Gray Entropy and UPSO

Objective and accurate classification model or method of cloud image is a prerequisite for accurate weather monitoring and forecast. Thus safety of aircraft taking off and landing and air flight can be guaranteed. Thresholding is a kind of simple and effective method of cloud classification. It can realize automated ground-based cloud detection and cloudage observation. The existing segmentation methods based on fixed threshold and single threshold cannot achieve good segmentation effect. Thus it is difficult to obtain the accurate result of cloud detection and cloudage observation. In view of the above-mentioned problems, multi-thresholding methods of ground-based cloud based on exponential entropy/exponential gray entropy and uniform searching particle swarm optimization （UPSO） are proposed. Exponential entropy and exponential gray entropy make up for the defects of undefined value and zero value in Shannon entropy. In addition, exponential gray entropy reflects the relative uniformity of gray levels within the cloud cluster and background cluster. Cloud regions and background regions of different gray level ranges can be distinguished more precisely using the multi-thresholding strategy. In order to reduce computational complexity of original exhaustive algorithm for multi-threshold selection, the UPSO algorithm is adopted. It can find the optimal thresholds quickly and accurately. As a result, the real-time processing of segmentation of groundbased cloud image can be realized. The experimental results show that, in comparison with the existing groundbased cloud image segmentation methods and multi-thresholding method based on maximum Shannon entropy, the proposed methods can extract the boundary shape, textures and details feature of cloud more clearly. Therefore, the accuracies of cloudage detection and morphology classification for ground-based cloud are both improved.     

基于最小总体偏差和区域信息Snake模型的图像分割

提出基于最小总体偏差和区域信息Snake模型的图像分割方法。根据最小总体偏差准则，用包含区域信息的变力替换在气球力Snake模型中的恒定力，并应用于图像分割。实验结果表明，该模型与初始轮廓曲线位置无关，能自动分割模糊边界。对于带椒盐噪声的图像，应用该模型也能取得满意的分割效果。     

基于形态学梯度矢量的图像边缘提取算法

图像的边缘在很大程度上可以用梯度的概念来解释和描述,而现有的形态学梯度边缘检测算子抹煞了梯度的矢量性。文章提出了一种新的图像边缘提取算法:在边缘检测部分提出了具有方向估计的形态学梯度算子,且从理论和实际应用两个方面给予证明。并将模糊处理加入该系列算子,使这些算子在噪声抑制和提高边缘清晰度两方面均有较好的表现。同时在图像分割部分改进了最佳阈值化分割,利用小范围的边缘梯度各方向上的最佳阈值化进行调整,使图像的边缘更加完整、清晰。     

基于水平集的多相活动轮廓图像分割模型

提出了一种新型的多相活动轮廓模型，是无边活动轮廓模型的广义形式。该模型具有如下特点：（1）提出了背景填充技术，可以在检测目标内部弱边缘时去除阻碍检测的背景信息；（2）在单次二相水平集收敛的基础上，采用多次收敛方式实现了多相分割模型（n-1次收敛实现n相分割模型，n〉1）；（3）介绍了一种提升算法，进一步增强了模型的计算稳定性。实验结果表明，该模型对弱边缘检测特别有效。     

数字图像处理在焊缝识别中的应用

运用数字图像处理的方法,对电荷耦合器(CCD)摄像头在自然光下拍摄的焊接工件图像进行焊缝特征提取。针对图像的实际特征,采用中值滤波-Laplacian图像锐化一Roberts检测-焊缝提取和中值滤波-自适应阈值处理-焊缝提取两套方案对图像进行处理,提取出焊缝特征。通过实际处理结果的对比,后者能较好地对焊缝进行识别。     

粒子运动轨迹的图像处理及流场重构算法研究

为了高效获得颗粒的速度分布,提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法,对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF（Radial Basis Function）插值且采用迎风插值进行优化的算法,插值结果以速度云图及矢量图的形式展示,对该过程的主要误差也进行了分析与验证。最后的处理结果显示,针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。     

基于图像处理技术的自动报靶系统设计和实现

提出了一种通过图像处理技术设计和实现的自动报靶系统。针对靶图像背景颜色对比度大的特点,采用一种基于灰度期望值的图像二值化算法,通过逐步分离的方法,将靶环从背景中分割出来;针对影响靶数精度的主要因素（图像的非线性畸变）,将靶数分解为整数与小数两部分。整数部分根据靶图像的物理意义确定,对靶数精度不会造成任何损失;小数部分根据弹孔最内侧点在两条靶环之间的相对位置确定。试验结果表明,用该系统确定的靶数可以