基于超像素的海面油膜分割应用

为解决海面多噪声环境下油膜目标快速提取问题,兼顾分割效果和效率,提出基于区域特性的快速分割应用。采用超像素构建区域级语义图像,以像素区块特征形成新的相似度量单元,对超像素进行聚类分割,完成海面油膜的快速分割处理。结果显示,此方法可以有效地完成海面油膜目标的分割提取。基于超像素的分割技术能够兼顾图像区域特性和处理效率,具备抗噪能力优势,提高海面油膜分割算法精度。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。     

自适应阈值法的舰船图像自动分割

图像分割是视觉检测领域中的重要环节。由于舰船环境和图像数据的复杂性,现阶段舰船图像自动分割技术中的抗光照性能差、精度低以及边缘模糊等问题仍普遍存在。如何有效完成对舰船图像进行自动分割成为一大难题。为了有效解决上述问题,对当前图像分割方法进行深入的研究和调查,提出通过自适应阈值法的舰船图像自动分割方法,在总结和分析了现有自适应阈值分割算法存在的优点和局限性后,给出了自适应阈值图像分割法的改进方案,以便从复杂的舰船图像背景中分离出目标区域,有效解决当前图像分割技术中光照不均匀、边缘模糊等问题。为验证方法有效性进行了仿真实验,实验结果证实该方法性能效果相对较好,充分满足对复杂舰船图像进行分割的设计目标。     

基于对象的多波束背散射图像底质分类

针对传统多波束背散射图像底质分类中基于角响应特征分类分辨率低、基于像素统计性特征分类抗噪性低的问题,提出一种基于对象的多波束背散射图像底质分类方法。首先,采用通用背散射处理流程形成辐射畸变改正后的地理编码背散射图;然后,利用简单线性迭代聚类算法（SLIC）对背散射图像进行分割,获得内部均一、边界清晰的对象块;最后,对每个对象块提取其统计性特征,构建特征向量,并以K-means++为分类器实现底质类别划分。该方法提高了底质分类的可靠性,取得了86.96%的分类精度。     

基于Nystr?m逼近聚类图像分割算法的研究

针对当前传统的图像分割方法存在计算过程复杂,执行效率不高的问题,论文引入图像分割、聚类分割理论作为研究的理论基础,通过构造图像的余弦相似度矩阵对图像进行预处理,在传统的谱聚类算法的基础上,通过谱分解求解特征值和对应的特征向量,建立并描述Nystr?m逼近聚类图像分割算法模型,利用聚类算法对样本集合进行聚类,得到图像的分割的结果。通过时效性和有效性的模型检验,得到该模型具有效率高、简单和模拟性好的结论。分别将模型用于货车发动机故障检测和车辆车牌识别的实际应用中,得到该模型在现实应用中皆能够发挥图像分割作用和意义。该文的研究为故障检测等交通领域,以及其他用于图像分割的领域打下了理论基础和实践依据。     

基于区域模糊直方图的图像检索

将图像分割算法和模糊理论相结合,提出了基于区域模糊直方图的图像检索方法。用快速聚类算法对图像进行区域分块,以各区域的视觉特征为基础,建立图像模糊直方图并进行图像检索。在1000幅通用图像库上的实验表明,该方法可以得到比较满意的检索结果。     

基于神经网络和多特征的船舶图像自动分割算法

当前图像分割算法存在分割错误率高、分割速度无法满足实际应用要求的缺陷,为了提高图像分割的精度和速度,设计了基于神经网络和多特征的图像自动分割算法。首先分析当前国内外图像分割算法的研究进展,找到引起当前图像分割局限性的因素,然后从图像中提取描述不同目标特征,并选择部分最有效特征组合成为图像分割的特征集合,最后采用神经网络对图像的不同区域进行建模和分类,实现图像分割,并与其他图像分割算法进行优越性对比测试。结果表明,神经网络和多特征的图像分割错误率低,图像分割精度超过95%,图像分割平均值时间要少于对比图像分割算法,图像分割速度更快。     

基于区域模糊直方图的图像检索

将图像分割算法和模糊理论相结合，提出了基于区域模糊直方图的图像检索方法。用快速聚类算法对图像进行区域分块，以各区域的视觉特征为基础，建立图像模糊直方图并进行图像检索。在1000幅通用图像库上的实验表明，该方法可以得到比较满意的检索结果。     

一种基于分块区域的图像检索方法

目前大多数基于内容的图像检索CBIR（Content Based Image Retrieval)技术都依赖于图像的全局特征(例如颜色、纹理等),这样图像的空间布局特征被忽略了.本文提出了一种基于分块区域的图像检索方法.首先用k-means聚类算法对图像进行区域分块,然后提取各分块区域的视觉特征,再对查询图像和目标图像中各区域的视觉特征进行多对多的匹配,根据最小加权平均准则得到区域之间单个特征的特征距离,归一化后求和得到查询图像和目标图像的相似度.在1000幅通用图像库上的实验表明,该方法可以产生比较满意的结果.     

一种去噪声的轮廓提取算法

轮廓是物体的一个重要特征,轮廓提取的好坏对后续的目标定位、特征提取、识别和分类有着重要的影响.文中在现有方法的基础上,提出了一种新的轮廓提取方法.首先,在经典Otsu算法基础上,结合图像的熵给出了一种图像分割阈值选取方法;然后通过划分单元块,统计非零像素个数,去除噪声块,合并单元块,再次去除噪声块获得目标区域;最后采用4-邻域方法提取目标区域的轮廓.实验结果显示,改进的算法能够有效分割出目标,设计的目标轮廓提取方法能够有效去除噪声的影响,获得封闭的、单像素宽度的外轮廓线,为后续的图像处理和目标识别奠定了良好的基础.     

一种基于分块区域的图像检索方法

目前大多数基于内容的图像检索CBIR(Content Based Image Retrieval)技术都依赖于图像的全局特征(例如颜色、纹理等)，这样图像的空间布局特征被忽略了。本文提出了一种基于分块区域的图像检索方法。首先用k-means聚类算法对图像进行区域分块，然后提取各分块区域的视觉特征，再对查询图像和目标图像中各区域的视觉特征进行多对多的匹配，根据最小加权平均准则得到区域之间单个特征的特征距离，归一化后求和得到查询图像和目标图像的相似度。在1000幅通用图像库上的实验表明，该方法可以产生比较满意的结果。     

基于视觉传达的模糊舰船图像目标分类检测

模糊舰船图像的有效分类识别可提高对目标的准确打击和辨识能力,提出基于视觉传达和图像增强的模糊舰船图像目标分类检测模型。构建模糊舰船图像的多传感视觉采集模型,采用目标图像与背景图像差分分析方法实现对舰船图像的目标特征提取和聚类处理,根据视觉聚类传达和目标图像的特征点增强结果,结合模糊C均值聚类算法,实现对舰船目标图像的分类检测。测试得知,该方法进行舰船目标分类检测的聚类性较好,识别精度较高,视觉传达效果显著增强。     

舰船图像颜色特征目标自动采集系统视觉优化

船舶遥感图像的识别技术在军事、民用领域的应用潜力非常大,船舶遥感领域的遥感卫星、计算机处理器等硬件设备获得了迅速发展,而图像过滤、特征识别等软件技术亟需提升。本文分别从图像滤波、图像聚类算法、图像分割等方面进行研究,结合C++编程语言,在Microsoft Visual Studio 2010平台上开发了船舶图像颜色特征目标自动采集系统,取得了良好的效果。     

多尺度特征提取的复杂舰船图像分割研究

图像分割质量直接关系到后续图像识别的准确性和运算量。为实现舰船图像高质量、高效率分割,研究一种基于多尺度特征提取的复杂舰船图像分割方法。该方法针对复杂舰船图像实施灰度化、滤波2种预处理。利用直方图均衡化法提高图像对比度,更加突出目标特征。通过高斯金字塔对图像实施多尺度分解,并提取每一级尺度图像的4种特征,归一化处理后得到特征矢量。利用均值漂移算法实现过分割,利用图论方法实现再分割,完成分割方法研究。结果表明：与阈值法、区域法和边缘法相比,本文方法应用下,Dice相似系数更大,分割重叠误差更小,说明本文方法分割性能更高,实现更为精确化和详细化的图像分割。     

有标记的文本聚类方法研究

聚类分析是一种模式识别无监督的分类方法。对于根据类别先验知识已经分类的文本,提出一种有标记的文本聚类分类方法。这种方法是在模糊聚类算法基础上进行了改进,通过有标记的文本样本,利用模糊聚类算法提取分类规则,然后用模糊推理方法进行分类的一种算法。文中讨论了此算法的具体数学模型,给出了算法流程。并通过实验验证了这种聚类方法是一种有效的文本分类手段。     

结合小波变换和K均值聚类的SAR舰船目标分割

对SAR舰船目标分割方法进行研究,给出一种基于小波变换与K均值聚类相结合的舰船目标分割方法。在该方法中,首先利用双密度双树复小波变换优秀的图像去噪能力,对SAR图像进行降噪处理,以减少相干噪声对分割结果的影响;然后通过改进的K均值聚类方法进行舰船分割。实验结果表明本文方法能有对SAT舰船目标进行有效区分。     

基于光流和水平集模型的运动目标自动跟踪方法

在分析直升机在天空飞行序列图像特点的基础上,提出了基于光流和水平集模型的运动目标自动跟踪方法。该方法通过对图像进行高通滤波预处理,获得运动目标的特征图像,用特征图像来求解运动目标的光流,用光流对运动区域进行分割,获得运动区域的中心和半径,以该中心和半径的圆作为初始水平集曲线,以光流速度作为曲线演化的外力修改Chan and Vese模型,用改进后的模型对图像进行分割。实验证明,用本文方法能够快速、准确地自动跟踪运动目标。     

基于光流和水平集模型的运动目标自动跟踪方法

在分析直升机在天空飞行序列图像特点的基础上，提出了基于光流和水平集模型的运动目标自动跟踪方法。该方法通过对图像进行高通滤波预处理，获得运动目标的特征图像，用特征图像来求解运动目标的光流，用光流对运动区域进行分割，获得运动区域的中心和半径，以该中心和半径的圆作为初始水平集曲线，以光流速度作为曲线演化的外力修改Chan and Vese模型，用改进后的模型对图像进行分割。实验证明，用本文方法能够快速、准确地自动跟踪运动目标。     

基于分形理论和二次分割的图像裂缝特征提取方法与应用

在役跨海桥梁、港口工程等的服役环境恶劣，多数情况下采集到的裂缝图像背景复杂、噪声干扰较多。为了克服现有技术存在的不足，提出一种基于分形理论和二次分割的图像裂缝特征提取方法。该方法采用分形参数作为裂缝图像的特征参数，能优先抑制裂缝图像中产生干扰过多的问题，有效克服灰度不均匀、噪声块多和背景复杂的干扰因素，同时基于二次分割理论，结合两种不同的算法特点，利用粗分割排除干扰区域，利用细分割对目标区域内裂缝精准分割，实现混凝土结构裂缝目标准确有效的提取，具有更好的分割效果。     

模糊聚类算法在船舶图像分割中的应用

传统船舶图像分割方法存在分割误差大,抗噪声干扰能力差、分割效率低等缺陷,为了解决传统船舶图像分割方法存在的不足,设计了基于模糊聚类算法的船舶图像分割方法。首先对当前船舶图像分割研究进展进行分析,指出不同传统船舶图像分割方法存在的局限性,然后对船舶图像进行去噪处理,提高船舶图像质量,改善抗噪声干扰能力,最后引入模糊聚类算法进行船舶图像分割,并采用多幅标准船舶图像与传统船舶图像分割方法进行对比测试。测试结果表明,本文方法可以对船舶图像进行高精度的准确分割,能够保留船舶图像边缘的重要信息,船舶图像分割速度可以满足实际应用的要求,获得了比传统船舶图像分割方法更优的结果,具有更加广泛的应用范围。