首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 135 毫秒
1.
将Gabor滤波器和各向异性扩散方程相结合,提出了一种基于活动围道的无监督纹理图像分割算法.采用基于总变分流的扩散函数,各向异性扩散方程可以有效地在保留纹理图像大尺度边界信息的同时,对图像纹理区域进行平滑,获得比原始图像更易分割的简化图像.但是平滑过程中纹理信息的丧失,限制了该方法的通用性和有效性.为了在利用各向异性扩散方法的同时,有效地提取和利用纹理信息,我们利用Gabor滤波器提取一组表征纹理方向性和尺度性的特征图像;同时将原始图像作为表征纹理灰度信息的一个特征通道考虑;再利用矢量形式的各向异性扩散方程,对特征图像进行边界保持的各向异性平滑.将基于区域灰度统计参数估计的活动围道分割方法扩展到矢量空间,来对平滑后的纹理特征量进行分割.实验证明,利用该纹理分割算法可以获得较好的效果.  相似文献   

2.
针对二维直方图阈值分割算法存在的因误分类而导致的分割精度下降的问题,结合二维直方图的先验知识的阈值分割方法,提出了二维Otsu的Z字折线阈值分割方法。基于二维Otsu区域斜分法的基础上进行改进。我们结合二维直方图中的边界区域和噪声区域的信息,采用Z字折线阈值作为分割标准,纠正了普遍存在的错误分类,并利用小概率事件原则自适应确定折线方程,实现高精度图像分割的同时还有效提高了算法的适应性。实验结果表明,改进方法能够有效提高图像分割的精度,增强自适应性,与同类分割算法比较,性能有了明显提升。  相似文献   

3.
文章提出一种基于MSRCR改进的夜间图像增强算法,该算法对传统的颜色恢复函数进行了改进,从而解决了传统增强方法中造成的暗区过度增强、噪声放大、实时性差的问题。实验结果表明,改进的夜间图像增强方法使图像清晰度显著提升,提高了夜间图像增强的实时性。  相似文献   

4.
为实现对集装箱箱号的正确识别,提出一种基于模板匹配和特征匹配的识别算法。对采集到的集装箱图像进行预处理,得到改善后的集装箱二值化图像;采用数学形态学操作使字符域连通,计算字符连通域的宽高比得到集装箱箱号区域;利用投影检测方法实现对箱号字符的分割;运用模板匹配算法与特征匹配算法相结合的分类方法对集装箱箱号字符进行识别。该算法用MATLAB进行编程,完成对集装箱箱号的自动定位、分割和识别。提出的方法可正确识别出集装箱箱号,识别率达到93%,识别时间为130~150 ms,可提高码头的工作效率。  相似文献   

5.
提出一种SAR图像分割方法,即整合了模糊C均值聚类和基于区域水平集演化的分割方法.该方法通过模糊聚类的结果计算水平集演化的初始化条件及控制参数,从而克服了水平集演化依赖于初始化条件和控制参数且需要较多人工干预的缺陷,增强了方法的鲁棒性.模拟图像及真实SAR图像的实验表明,该方法在不需要人工干预的情况下,能够快速、准确地分割出感兴趣区域.  相似文献   

6.
提出了一种结合了基于密度聚类思想的划分聚类方法——"密度最大值聚类算法(MDCA)",以最大密度对象作为起始点,通过考察最大密度对象所处空间区域的密度分布情况来划分基本簇,并合并基本簇获得最终的簇划分.实验表明,MDCA能够自动确定簇数量,并有效发现任意形状的簇,对于未知数据集的处理能力和聚类准确度都优于传统的基于划分聚类算法.  相似文献   

7.
Starck等人的图像增强方法不能有效增强SAR图像中的边缘特征.为此,提出一种curvelet域SAR图像特征增强新方法.该方法充分利用curvelet变换多尺度多方向特性及其良好的各向异性特点,在curvelet域内提取图像的边缘特征,并定位特征curvelet系数.通过增强特征curvelet系数,达到增强图像边缘特征的目的.实验结果表明,与Starck等人的方法相比,本文算法能够更加有效性地增强SAR图像的边缘特征.  相似文献   

8.
SAR图像中斑点噪声的存在使得很难利用简单的阈值分割技术对其进行海岸线提取,而很多基于复杂数学模型的提取算法又常常由于较慢的检测速度限制了它们的应用。本文基于种子点增长的思想,给出了一种快速的海岸线自动提取算法。首先该算法利用象素值统计信息自动定位一个初始种子点区域,并计算初始均值M与初始阈值T。然后基于不断更新的M和T进行海域点增长。增长结束后,对得到的连通海域进行轮廓边界跟踪从而确定出具体的海岸线位置。将其应用于真实的SAR图像,证明了该算法的有效性和实时性。  相似文献   

9.
提出一种基于多尺度Gabor滤波特征提取和稀疏表示的SAR图像目标识别方法。首先,在目标分割的基础上,利用Gabor滤波器对SAR目标图像在不同方向上进行滤波,增强目标的局部特征;然后,根据稀疏表示模型,以训练样本特征为原子构建字典,利用稀疏求解算法选择最优的原子集合来表示测试样本特征,进而计算表示系数中非负值的l1范数来判别测试样本。实验结果验证了该算法的有效性与鲁棒性。  相似文献   

10.
在极化合成孔径雷达(PolSAR)地物分类研究中,基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足,提出一种基于卷积神经网络和EM算法的轻量化图像分割网络,称为低秩重构网络(low-rank-reconstruction-net,LRR-Net),应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发,利用EM算法对特征进行低秩重构,将特征从高维空间映射到低维空间,在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估,结果表明模型在保证分类精度的前提下,降低了模型复杂度。  相似文献   

11.
基于变分水平集方法,建立一种具有噪声去除能力的分段常值多相图像分割模型. 该模型能在完成噪声去除的同时完成图像分割,从而缩短针对噪声图像的分割时间;其次,基于十进制数和二进制数转换,构造区域划分的特征函数表达式,从而建立一个新的多相图像分割模型;最后把该多相图像分割模型应用于合成图像和医学图像的分割.实验结果表明,与Chan-Vese模型相比,该模型能更快地提取噪声图像中的目标.  相似文献   

12.
针对分形网络演化法存在分割效率相对较低和区域合并准则无法适用于单像素区域对象2个问题,提出采用快速扫描法构建初始区域对象,进而采用基于异质性最小区域合并算法实现分形网络演化分割.实验证明,快速扫描法能快速构建初始区域对象.通过设置适当初始阈值参数,在不影响分割精度情况下,该方法较大程度上提高了整体分割效率.从可信度和通用性角度来看,具有较高的实用价值.  相似文献   

13.
灰度图像的最佳阈值分割算法   总被引:4,自引:0,他引:4  
图像的分割是图像识别的前提和基础。在图像识别技术日益发展的今天,图像的分割技术自然倍受瞩目。本文提出了灰度图像的最佳阈值法分割算法。实验结果表明,该方法能够从图像中获取较为理想的目标图像,并具有一定的抗噪声性能。  相似文献   

14.
图像分割中的阈值法研究   总被引:1,自引:0,他引:1  
图像分割是图像处理中的一个重要问题,也是一个经典难题。阈值法计算简单,具有较高的运算效率,是图像分割中广泛采用的方法,主要分为全局阈值法和局部阈值法。系统地讨论了阈值法在图像分割中的应用,给出了一个比较全面的综述,对进行图像分割研究的科研人员具有一定的启发作用。  相似文献   

15.
环形目标提取是图像分割的一个难点,提出包含区域信息的水平集图像分割模型,模型采用加权图像区域灰度信息的外部能量项,作为驱动轮廓曲线向目标边界运动的动力.从实验结果可以看出,该模型同无区域信息项的模型相比,对环形目标图像有很好的分割效果,能够同时提取环形目标的内外边界.  相似文献   

16.
一种基于图像处理的船舶水尺标志识别方法   总被引:1,自引:0,他引:1  
为解决传统水尺计重(目测水尺)主观性强、效率低等问题,提出一种基于图像处理的船舶水尺标志自动识别方法。对待识别的目标图像进行纵向颜色梯度处理,辨明水线;基于标准水尺标志样本图像,目标图像经二值化处理后与样本图像进行匹配;根据计算公式自动求取船舶吃水值。试验结果表明,该方法是有效的。  相似文献   

17.
基于MATLAB的数字图像处理   总被引:1,自引:0,他引:1  
简述了数字图像处理技术、MATLAB软件及两者之间的关系,介绍了MATLAB语言的特点以及图像处理工具箱,通过中值滤波实现图像平滑处理,以及图像边缘检测等实例,说明了应用MATLAB语言编程及其工具箱进行数字图像处理的方法,验证了该语言具有强大的图像处理能力.  相似文献   

18.
本文将计算机视觉检测(AVI)技术应用于刀具磨损的检测。通过获取工件表面图像,利用数字图像处理技术对工件表面图像进行处理。由于工件表面图像的信息主要集中在中频区域,利用小波包分解工件表面图像得到许多含有丰富中频信息的子图像,故可以从子图中提取小波包能量分布比例特征用于刀具磨损的度量。通过理论分析和实验结果,表明该方法是有效的。  相似文献   

19.
针对传统空域增强算法的不足,LDR (layered difference representation)算法构造一种二维直方图,该直方图包含像素间上下文信息。基于此,提出一种基于LDR的改进算法。该算法将视觉特性引入直方图,构造二维视觉差异直方图,再利用该直方图和LDR进行初步增强。最后采用灰度补偿方法改善过增强现象。实验结果显示该算法可产生更好的视觉效果,并适当提高整体亮度和对比度,消除人工伪影,且无需调整参数,满足实时处理的要求。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号