一种用于视频图像的预处理与分割算法

在人群进行分析时经常出现多目标粘连现象,这种粘连的人群通常会严重影响后续的统计分析,本文针对这种现象提出了一种对预处理后图像中粘连目标的分割算法。采用自适应二值化的方法把帧差后的灰度图像转为二值图像,通过削弱噪声和孔洞填充,将目标团块提取出来。采用基于分水岭思想的投影分割方法,将粘连目标成功分割为多个单一目标,最后针对一些影响分割的异常情况提出一种修正算法,提高了算法的准确率。实验结果表明,本文所提出的预处理与分割方法具有一定的适用性,取得了较好的分割效果,为后续的识别工作奠定了基础。     

基于边缘方向的图像插值算法

边缘方向插值算法利用高低分辨率图像局部方差实现自适应非线性插值，并在边缘陡峭能适应调解插值系数，并设定门限值来自适应选择线性插值与边缘方向插值，本文通过实验仿真，边缘方向插值算法性能明显优于传统线性插值算法，如linear，splint，cubic插值．     

MATLAB在医学图像分割处理中的应用

在Matlab平台上结合图像分割理论对医学图像的处理已成为现代医学领域不可或缺的辅助技术,医学图像是医生诊断病情的关键性依据,医学图像视觉效果的提高有助于提高医生的确诊率,提高现代医疗水平,促进医学的可持续发展。本课题对胸部MRI图像进行了处理,该实验证明,该方法确实能够提高图像处理效果,清晰标记病灶部位。     

一种新的医学超声图像分割方法

本方法加入轮廓平均长度控制来改进活动轮廓模型的内部能量,采用基于图像统计特征的外部能量以具有更强的抗噪声能力,用速度较快的贪婪算法求解能量的最小化,并加入对算法的多分辨率优化,使医学超声图像分割更加稳定,达到临床应用要求。     

基于FPGA的图像边缘处理研究

对于图像来说,边缘是其最基本的特征.图像边缘是指灰度有明显反差变化的周围像素的集合,它是一种具有方向和幅值的矢量,是进行图像分割、图像识别以及纹理分析的重要基础,灰度的突变是其在图像中的主要表现.要正确检测出这种灰度的非连续性,确定其在图像中的准确位置,就需要采取相应的边缘检测方法.文章介绍了基于FPGA的图像边缘检测器的研究和设计过程,这种处理方式一方面显著提高了图像边缘处理的水平,另一方面还提高了图像处理的速度.另外,还根据边缘检测结果提出了具体的后续处理方法,以供参考.     

砂带背景排种图像分割阈值算法研究

文章针对现有的铺砂型排种器试验台上应用机器视觉识别技术的需要,对砂带背景的排种图像特点进行了分析。以油菜籽排种图像为例,应用不同的阈值算法分别进行了图像分割处理试验。结果表明,采用P-Tile法处理的效果最为理想。在此基础上根据砂带背景图像的特点提出了进一步优化图像分割效果的建议。     

医学图像分割方法研究

图像分割是图像处理和分析领域的经典难题,医学图像分割是图像分割中一个重要方面和应用领域,同时也是病变区域提取、临床实验、特定组织测量以及实现三维重建的基础。在临床应用和医学研究中具有重要的研究意义。本文主要对几类图像分割方法进行了分析、研究和实验,总结出各个方法的优缺点,从而可以达到更好的分割医学图像的目的。     

基于小波变换和数学形态学的图像分割算法研究

针对传统的分水岭变换对噪声和细密纹理的敏感会产生严重的过分割的现象,为了除去红外线图像混合的噪声,本文用小波变换法,接着再利用形态学中的开闭重建运算,来删除梯度图像中因为噪声引起与灰度非规则扰动的局部的极值;接着采用基于前景与背景的分水岭分割算法来进行分割。用MATLAB仿真,结果说明此算法能很好的实现分割的效果,后续更复杂的合并处理并不需要进行,就可以得到更好的分割效果。     

弱约束条件下手背静脉图像的增强与分割

手背静脉识别是一种全新的生物识别技术,近几年发展迅速,与传统生物识别技术相比具有明显优势。然而,该技术尚处于起步发展阶段,使用相关设备直接进行手背静脉图像采集、识别然后进行身份匹配存在一定困难,在实际的应用中,图像识别设备的差异、提取图像特征过程的差异等都会影响静脉识别的准确性。通过实验,对采集到的手背静脉图像进行形态学处理、直方图均衡和巴特沃斯高通滤波增强优化处理,然后使用改进的全局阈值（Ostu法）和局部阈值（Niblack法）相结合的算法对手背静脉图像进行二值化分割,得到最优结果进行图像细化,最终获得光滑清晰的静脉骨架图。实验过程在现有研究基础上,提出改进的手背静脉图像二值化分割方法,具有一定的实用价值。     

Sobel算法在图像边缘检测中的应用

尿液图像中的红细胞比较复杂,灰度变化较大。由于采集、光照等原因,红细胞所在的区域包含非常丰富的细节(边缘特征很明显),因此利用Sobel算法,对红细胞进行边缘检测是很必要的,它是细胞图像预处理中一个重要的方法。     

蚁群算法的基本原理及其在图像分割中的应用

一、引言 蚂蚁作为群居性昆虫,其群体行为所呈现的复杂智能,给人类以巨大的启发。对蚁群行为最早进行研究的是南非的EugeneMarais,其著作《蚂蚁的精粹》中详细的描述了对白蚁群体性工作的观察结果。受蚂蚁觅食行为的启发,意大利学者MarcoDofigo于1991年在他的博士论文中首次系统地提出了一种基于蚂蚁觅食行为的算法模型。现在蚁群算法已成为人工智能领域中一个非常重要、活跃的研究前沿。二、蚁群算法原理分析 蚂蚁缺乏视觉信息,它们通过一种称为信息素的物质进行信息的交互。当一只蚂蚁找到食物以后,它将食物拖回巢穴,并在沿途留下信息素,其余觅食的蚂蚁通过不同路径上的信息素浓度以一定的概率选择路径,信息素浓度大的路径被选择的概率较高。距离食物最短的路径由于信息素的浓度较大,从而使越来越多的蚂蚁选择该路径,这又促使该路径上的信息素浓度进一步加大。这种自动催化导致的协作行为形成一种正反馈机制,使得最短路径被越来越多的蚂蚁选择。以经典的双桥实验为例,假设蚂蚁分泌的信息素相等,并且不考虑路径上的信息素的挥发。     

基于数字图像处理的图像分割系统的设计及实现

随着电子技术,计算机软件和硬件技术,图像处理及与人类视觉相关技术的发展,关于机器视觉图像处理的技术也获得了飞速的发展,图像处理技术在很多领域,如:制造业,工业,医疗业等都受到了广泛的应用。在工业领域,关于机器视觉的图像处理技术能够取代检测速度慢,检测精度不高的人工检测方法。在医疗领域方面,图像处理应用也相当广泛,它可以协助医师对人体的病原大小及其病原体情况进行分析检测,从而判断人体是否有不同于正常人的情况。然而,图像分割技术是图像处理技术中不可缺少的一环,人们往往只对所拍摄图像的某一部分感兴趣,我们将他们称为目标图像,而将其他图像部分称为背景,这是图像分析的第一步,因此,图像分割技术是整个图像处理中最重要的一环。本论文使用Visual C++6.0开发工具,进行系统代码的编写,最终很好的完成了本项目的开发,在实验室中,我们对本软件系统进行了严格的测试,测试结果表明:从精确度和稳定性方面都没有问题,能够满足工业及其制造业的产品要求。     

图像纹理分割综述

图像分割既是图像处理中的一项关键技术,也是一项经典难题,文章系统地归纳了图像纹理分割的研究方法以及实际应用,提出了一些发展思路和要点。     

谱聚类算法及其在SAR图像分割中的应用研究

谱聚类算法作为一种高效的智能聚类算法被广泛地研究与应用,它与传统的聚类算法相比,具有明显的优势。文章首先对谱聚类理论进行了概述,介绍了图划分准则、谱松弛及谱聚类算法,后介绍算法在SAR图像分割中的应用,并对分割时出现的一些问题加以分析和讨论,对研究谱聚类算法及其对SAR图像的分割具有一定得理论参考。     

图像局部增强的算法研究及实现

为了不改变原有图像而增强图像局部的视觉效果,提出了一种新的基于局部均值和标准差的自适应图像增强算法。通过限定局部均值和标准差,选定需要增强的区域,并根据局部均值和标准差动态调整局部区域的增强系数。实验证明,该算法能够有效地增强暗的、低对比度区域,同时保持其他区域不变。     

基于VTK的人脑MR图像的脑区分割与三维重建

VTK是一种具有强大功能的图像处理及三维可视化工具,本文首先使用主动轮廓模型自动、准确的分割人脑MR图像脑组织区域,然后使用Visual C++开发环境结合VTK工具对分割后的人脑MR图像脑组织区域进行三维重建,结果表明基于VTK的三维可视化研究具有广阔的应用前景。     

基于双边滤波的主动轮廓模型细胞图像分割方法研究

区域主动轮廓模型采用先验知识指导建立分割模型,并在分割的过程中采用水平集演化的方式使得零水平集自动收敛于目标物体的边界。在采用该模型进行分割之前,通常都采用高斯滤波器对图像进行滤波,但是高斯滤波器在对物体进行平滑操作的同时,也会造成物体边界的弱化,从而影响分割效果。本文将双边滤波和区域主动轮廓模型结合起来,充分利用双边滤波在平滑目标内部的同时不弱化边界的特点,在利用区域主动轮廓模型进行分割之前使用双边滤波对图像进行处理,实验结果显示使用本方法进行分割得到的结果准确性得到了提高。     

基于遗传算法的Otsu法在图像分割中的应用

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术，最大类间方差法是一种较好的阚值分割方法。文章将改进的遗传算法分别结合一维和二维最大类间方差法对图像进行分割，提高了寻找阈值的速度。     

图像边缘检测算法的应用研究

图像边缘检测是图像处理中非常重要的基础,边缘检测直接影响图像分割的好坏,因此,要对某个图像进行分析和研究,首先要从边缘检测开始。论文主要研究了边缘检测的基本原理,并针对Canny算子给出了改进的方法,同时研究了不同的阈值对Canny算子的影响,并用MATLAB进行仿真,最后对得到的结果进行分析比较。     

贝叶斯估计的图像分割技术

针对图像在动态阈值选取难的问题,通过比较全局阈值和局部阈值优缺点,选用贝叶斯阈值估计和迭代加权的方法对图像进行二值化分割,建立基于贝叶斯线性回归模型对检测到的阈值进行分析,通过图像增强,建立目标与非目标区域,分别计算各个区域的先验概率,使用贝叶斯估计模型求得似然函数的极小值即为后验概率,通过此模型对125组阈值样本进行分类,对异常阈值的判断率为14.4%,选取后的阈值更为精确。本文方法,既能有效的提取目标特征,较好的去除背景,又能够保留目标图像的细节。