基于适应性阈值和遗传算法的图像分割

图像分割是自动目标识别的关键和首要步骤，其目的是将目标和背景分离，为计算机视觉的后续处理提供依据。提出了一种基于适应性阈值和遗传算法进行图像分割的方法，对图像的不同区域分别作灰度值的评价标准，把图像分割问题定义为一个多区域的独立优化问题，利用遗传算法的寻优高效性，搜索到能使分割质量达到最优的图像分割阈值。试验表明，使用该方法可使图像分割获得满意的效果。     

基于混沌遗传算法的基元提取

提出了一种直接在灰度图像上进行基元提取的方法．与传统基元提取方法相比，该方法不需对灰度图像进行边缘检测二值化处理，而是利用图像边缘的梯度信息对混沌遗传算法导向，直接在灰度图像上提取基元．同时，该方法也避免了Hough变换高的时空开销问题．仿真表明该方法方便、有效并具有较高稳定性．     

细胞图像自动分割方法研究

提出一种细胞图像的自动分割与定位方法．首先将直方图分割所得二值图像的距离变换作为边缘提取的指导知识，进行细胞图像的精确分割；然后利用分割边缘点的梯度方向和几何知识确定细胞的中心．该方法既能对非重叠细胞也能对重叠细胞进行细胞的分割与定位．     

印鉴图像骨架提取与链码表示的研究

在直方图重采样的基础上,以直方图拟合选取最佳阈值对经灰度化处理的印鉴图像进行二值化分割;进一步对二值化印鉴图像进行基于数学形态学的增强处理;利用修剪算法对细化的印鉴图像进行处理提取其形态学骨架;对印鉴的骨架图像进行了链码编码。     

基于数字图像处理技术和熵权法分析沥青路面均匀度的方法

为了能简单快速地评价沥青路面的离析现象,基于数字图像处理技术,对多幅沥青混合料摊铺时候的图像进行了均匀性相关分析,对图像进行彩色图像转化为灰度图像、滤波、去噪、直方图均衡化、图像分割、形态学处理、开闭运算等操作之后转化为二值图像;提取出不同档集料颗粒的面积,并利用熵权法求出不同档集料面积的权重,从而确定出均匀性评价指标值;绘制均匀性评价指标分布图,将所得均匀性评价指标值与图像对比,得到图像集料颗粒均匀性较好时候均匀性评价指标值范围。研究结果表明:通过熵权法确定的均匀性评价指标值能够较好地反映沥青路面集料的均匀程度。     

基于视觉注意机制 PCNN 模型的车牌 图像分割方法

车辆图像中车牌具有所占比例小、位置不固定、大小不一,以及分割易受光照影 响的特点.因此,车牌图像的分割始终是车辆跟踪、车辆识别等领域中的难点问题.针对以 上问题,本文提出了基于视觉注意机制脉冲耦合神经网络模型的车牌图像分割方法.该方 法将视觉注意机制中的数据驱动模式和任务驱动模式相结合. 数据驱动模式中,通过对 PCNN 模型细胞感受野功能的完善,使优化 PCNN 模型具有了尺度性和方向性.任务驱 动模式中,针对不同尺度的分割,利用组合不变矩和局部灰度熵,自适应地确定目标的特 征尺度和最佳尺度,并确定该目标最终的分割结果.经实验验证,该方法对车牌图像具有 较好的分割效果.     

基于灰度共生矩阵和单尺度MRF的纹理图像分割

为改善纹理图像分割效果,提出一种基于灰度共生矩阵和单尺度MRF的纹理图像分割方法．这种方法考虑到纹理信息在空间内的结构特征以及一个像素与周围像素作用的特性关系,采用灰度共生矩阵的几个二次统计量作为纹理特征向量,利用K-means聚类获得起始分割,然后联合建立MRF的特征场与标号场模型．实验表明,此方法提高了分割准确度与一致性．     

复杂背景下钢材编号提取与字符分割技术

提出了一种复杂背景下多钢块图像编号的提取和分割方法．采用HSV颜色空间，并以饱和度为主区分前景和背景，再综合运用数学形态学运算及边界跟踪技术提取出钢块的有效区域．运用多投影直方图分割法对钢材区的编号进行行、列分割，并解决了干扰、字符粘连等问题，实现了编号的精确定位分割．实践表明泼方法的分割效果是良好的．     

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

基于灰度变化率的低对比度CT图像分割研究

整幅工业CT图像具有部分区域对比度低,灰度范围狭窄,灰度变化不明显等特点,针对传统的缺陷分割方法无法对低对比度区域的缺陷进行精确分割的问题,提出一种基于灰度变化率的缺陷分割方法.通过提取图像中某点的灰度值并计算该点与其周围邻域内点的平均灰度值的变化率、差值以及方差,选取符合图像分割条件范围内的点作为边界点,从而提取工业CT图像中低对比度区域缺陷的边界并进行分割.仿真实验表明,本文方法分割CT图像的缺陷准确率可达到95%,能够快速确定缺陷区域,并准确、有效地分割提取缺陷.