基于自适应搜索的绝对矩块截断编码的图像压缩

针对现有的固定大小的绝对矩块截断后图像质量不高的问题，提出了基于自适应搜索的压缩算法。首先根据中值确定范围搜索出图像中心阈值，使得图像中心阈值最能代表图像基本内容；然后根据图像中心阈值分段搜索出上下中心，这样在图像块中所有像素与上下中心距离偏差之和最小。该算法确定的上下中心与理想的上下中心一致，与绝对矩块截断编码（Absolute Moment Block Truncation Coding，AMBTC）算法的峰值信噪比最佳值相同，同时耗时较少，可以做到实时处理。仿真结果表明，提出的自适应搜索算法能够较好地提升图像的质量，同时复杂度较低。     

基于动态规划算法的无源毫米波弱小目标检测方法

针对无源毫米波弱小目标特点,结合已有的动态规划算法,利用图像阈值分割原理实时计算检测门限,提出一种适用于无源毫米波小目标检测的实用动态规划算法,并分析了动态规划的计算过程及分割门限的确定方法。实验仿真结果表明,此算法能准确检测出复杂背景下的低信噪比无源毫米波弱小目标,并得到目标运动轨迹,在单帧成像信噪比为4.5dB左右时,能准确检测出目标运动轨迹。     

一种新的快速视频图像边缘检测算法

一般常用的边缘检测算法计算量较大，对细小边缘检测效果较差，不适合实时边缘检测系统。针对这一问题，本文提出一种连续分割的快速边缘检测算法：从相互垂直两方向分割梯度图像，提取截面曲线极大值获得图像边缘，使用形态学梯度，检测出细小的图像边缘。实验结果表明此算法较Canny等经典算法减少了计算量，提高了边缘检测精度。     

一种基于Levy-人工蜂群的三维Otsu阈值分割算法

针对图像分割过程中三维Otsu算法运算时间长、计算量大的问题,提出了一种基于Levy-人工蜂群算法的三维Otsu阈值分割算法。首先,以像素灰度值-邻域均值-邻域中值的三维类间方差作为人工蜂群算法的适应度函数;其次,采用Levy飞行模式评价像素的适应度,对其种群更新及邻域搜索过程进行优化,以增强其全局搜索能力;最后,利用改进后的算法得到的分割阈值对图像进行分割。仿真实验结果表明,与传统三维Otsu阈值分割算法相比,所提算法能够有效降低图像存储空间,处理时间降低了30.8%,具备更好的抗噪性能,分割效果也更为理想。     

双边滤波下局部强度与梯度融合的小目标检测

针对红外小目标在复杂背景下难以检测的问题，提出了一种利用局部强度和梯度融合来增强目标抑制背景杂波的算法。首先通过双边滤波技术得到去噪图像，然后利用目标区域与局部邻域的强度差异和梯度向量获得融合图像，最后采用自适应阈值分隔技术成功检测出小目标。理论分析和实验评估结果表明，该算法能够很好地抑制高斯噪声和背景边缘，相比于传统的检测算法，其检测性能显著提高，鲁棒性能较好。     

一种适用于16QAM的自适应阈值载波锁定检测算法

为避免传统16阶正交幅度调制（16-Quardrature Amplitude Modulation，16QAM）载波锁定指示锁定阈值受输入信号电平的影响，提出了一种基于归一化信号高阶矩的16QAM载波锁定检测算法。针对传统基于固定阈值的检测算法在数据不满足均匀分布时失效的情况，提出了一种基于输入数据统计特性的自适应阈值载波锁定检测算法。实验结果和工程应用结果表明，所提出的自适应门限能更好地适应不同数据下的载波锁定检测。该方法已经在某卫星对接试验中得到了应用验证，取得了满意的效果。     

基于Context模型的局部阈值小波图像去噪

本文基于小波阈值去噪的基本理论，提出了一种基于Context模型的自适应小波去噪算法。该方法利用Context模型建立图像小波变换后的系数分类模型并根据分类使用不同的阈值去噪。实验结果表明本文提出的算法无论是PSNR值还是视觉效果，都大大优于传统算法。     

结合自适应阈值与Forstner的Harris角点匹配优化算法

针对传统Harris角点检测效率低、非极大值引起的伪角点多等问题,提出了一种自适应阈值和归一化互相关（NCC）与随机抽样一致算法（RANSAC）相结合的Harris图像匹配算法。首先,采用自适应方式抑制非极大值的方法对角点进行预筛选;其次,采用Forstner算子对角点进行二次筛选;接着采用归一化互相关匹配算法对检测的Harris角点进行粗匹配;最后采用随机抽样一致算法对图像进行精确匹配。实验结果证明改进的方法不仅缩短了角点检测和图像匹配时间,而且能有效提高图像的匹配精度。     

基于局部阈值的图像分割方法

本文提出了一种基于局部阈值的图像分割方法，该方法针对全局阈值处理方法在背景照明不均匀时可能无效的局限性，通过应用形态学开运算、闭运算和最大类间方差得到一个局部变化的阈值函数，然后利用该阈值函数对图像进行阈值处理，最后得到分割后的图像。Matlab仿真实验表明，该方法运算速度快，能更好的抑制噪声。     

遗传算法在数字图像分割中的应用

为了快速准确地确定图像的最佳分割阈值,提出了一种改进的遗传算法.该算法通过完善选择机制、引进父子竞争机制和使用二元变异算子进行变异操作,有效地解决了遗传算法的收敛速度慢和种群过早成熟的问题.     

细胞分割方法概述

细胞分割作为细胞跟踪、细胞分裂检测过程中提取细胞特征的一个重要手段,在医学图像处理、分析领域占据重要的地位。随着现代科技的发展,用计算机处理细胞在医学诊断和医学图像处理领域有着重要的作用。细胞分割是细胞特征提取和细胞识别的基础,直接关系诊断的可靠性,也是医学图像处理的难题,人们提出了不同的分割算法根据图像的不同特征、如阈值法、分水岭算法等。本文对细胞分割的各种方法进行比较分析,详细阐述各种方法的优缺点,并对以后各种细胞分割方法结合使用有重要意义。     

用FGS方法确定图像的最佳分割数

为实现用FGS模型确定灰度图像的最佳分割数,本文对FGS方法进行简化,并给出了用FGS方法确定灰度图像最佳分割数的详细算法。计算机实验表明,用FGS模型确定灰度图像最佳分割数是有效的,与GS方法具备一致性。考虑图像分割的模糊性,用FGS方法比GS方法更合理。     

基于区域生长和模糊C均值聚类的图像分割方法

为了合理地确定运用模糊C均值(FCM)聚类方法进行图像分割时的聚类中心数,从而对图像进行合理区域分割,提出了基于区域生长和FCM聚类的图像分割方法.该方法可以利用区域生长合理地确定要聚类的中心数,然后再依此聚类中心数利用FCM聚类算法对图像进行分割.实验结果表明,该方法可以准确地分割出目标,是一种有效的图像分割方法.     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。     

图像分割方法的比较研究

在计算机视觉的相关研究中,图像分割是连接低级视觉和高级视觉的桥梁和纽带,而图像分割是计算机视觉系统中最关键和重要的一个环节。在概要介绍几种常用图像分割方法的基础上,比较了每种图像分割算法的优缺点及其适应范围,结果表明：不同工程应用中,应根据其需求与图像特点合理采用不同的图像分割方法以达到更好的处理效果。     

图像分割方法的比较研究

在计算机视觉的相关研究中,图像分割是连接低级视觉和高级视觉的桥梁和纽带,而图像分割是计算机视觉系统中最关键和重要的一个环节。在概要介绍几种常用图像分割方法的基础上,比较了每种图像分割算法的优缺点及其适应范围,结果表明:不同工程应用中,应根据其需求与图像特点合理采用不同的图像分割方法以达到更好的处理效果。     

基于多特征融合技术的龙江大豆表象识别方法

针对目前龙江大豆品种鱼龙混杂、难以区分,提出一种基于多特征融合技术的龙江大豆表象识别方法。首先采集6种大豆表象图像,采用中值滤波对大豆表象图像样本去噪,其次采用Lab色彩模型与阈值分割相结合的方法对大豆表象图像进行分割处理,提取大豆表象图像的形态学特征、HIS颜色特征以及纹理特征,再次采用主成分分析对多特征进行融合处理,然后采用基于局部权重的K-近质心近邻分类算法对大豆表象进行分类识别,最后,综合上述三类特征值对6种大豆表象图像进行识别分类检测,总体平均正确识别率达到92.46%。     

基于图像处理的色斑检测系统

如今,走在街道上,你会发现许多色斑患者,它们的皮肤难以让人认同,并且这种群体的数量日益增多,在二三十岁的人群中,比例已经超过80%,这不得不引起人们的重视。而患有色斑的人群,它们将面临前所未有的危机,他们在与人交往中会显得不自信,有的甚至会被疏远,这给色斑患者带来身体上和心理上的巨大伤害,所以用科学的色斑检测技术检测色斑问题已经刻不容缓。提出了一种数字图像处理色斑检测方法,包括利用二值化根据灰度图像设定阈值将色斑图像提取特征,然后利用中值滤波消除噪声,解决光照不均匀的影响,最后利用阈值分割、图像分割将色斑图像提取并分割,便于最终的检测结果。     

一种基于Canny算子的车辆目标检测方法

Canny算子作为一种优化的边缘检测算法,在检测图像的边缘时有着边缘上连续等诸多优点。本文是在差分背景的情况下对车辆做边缘检测,在分析Canny算子的基础上对算子做了改进,提出了基于Otsu算法的一种动态阈值的边缘提取算子。该算子弥补了普通的Canny算子对于阈值不能随着图像的信息而自动调整的缺陷。实验表明,改进的算子能对动态图像序列的车辆进行自动有效的边缘检测。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息（长短轴、面积等）,利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。