分享到:

基于模糊信息处理的图像分割方法研究

图像分割是计算机视觉领域一个重要而基本的问题,尤其是在图像理解、成像目标的识别与跟踪、机器人视觉中是一项关键技术。分割结果的好坏,对视觉系统的性能影响很大。图像分割同时又是一个信息不足的不适定问题。为了使问题适定化,就需要增加约束条件(先验知识)。由于视觉任务的多样性和复杂性,以及从图像中所获得的信息不同,使需要的约束条件也各不相同。由于人们事先很难精确了解在成像过程中信息损失的情况,这就给先验知识的精确数学刻画带来很大的难度。另外,由于成像中各种因素的影响,使得要分割的目标与背景之间一般都带有一定的相似性和不确定性。而模糊集合论及由此而发展起来的模糊信息处理技术,对处理带有模糊不确定性的事件及对不精确知识的描述与处理方面具有得天独厚的优势。图像分割过程就是利用图像信息及先验的约束条件,将图像像素进行智能分类的过程。基于以上原因,本文研究了以模糊信息处理技术为基础,利用不同的图像信息进行图像分割的原理,提出了一系列新的思想和方法  (本文共147页) 本文目录 | 阅读全文>>

《科学中国人》2016年27期
科学中国人

基于模糊信息处理的图像分割方法研究

人类在获取外在世界信息的过程中有80%是通过视觉来获得的,而人的视觉系统却是一个好的信息处理的大系统,它能够准确的将复杂的外部景物进行识别、追踪并通过大脑对这些信息进行判断和处理。让机器模拟人的视觉系统进行研究形成了一门交叉学科—计算机视觉学。计算机视觉研究对计算机自动化、智能化水平有极大的促进作用。计算机平常处理的是数字和符号信息,而计算机视觉低层次的处理是通过二位数字图像阵列进行的,对于高层次的处理就需要用符号来表达了,在数字向符号的转化过程中须把数字表达的图像阵列转化为能够表征该数字集的具有几何特征的符号,该过程就要用到分割。分割是计算机视觉的最基本问题,因为它是视觉系统性能的关键性因素,所以图像分割问题成为人们热衷研究的热点问题。1 模糊信息处理在图像分割中的意义模糊信息处理是利用模糊数学来处理带有模糊不确定性的信息,之所以会存在这样的模糊性主要原因是:首先,日常生活中存在的很多对象本身就具有模糊性,也可以说是具有一系列...  (本文共2页) 阅读全文>>

《畜牧兽医杂志》2017年05期
畜牧兽医杂志

基于统计学方法的医学影像图像分割技术研究

1引言随着科技发展,医学影像对临床医生直接、清晰的观察和准确地诊断人体内部病变起着很大的作用。自X-CT的发明,在医学影像领域引起了一场深刻的弯革,同时,核磁共振成像、超声成像、数字射线照相术、计算机体层成像和核素成像等也相继得到发展。计算机和医学图像处理技术作为这些成像技术的发展基础,带动着现代医学诊断正产生着深刻的变革。各种新的医学成像方法的临床应用,使医学诊断和治疗技术取得了很大的进展,也为生物医学研究提供了有力的科学依据。2医学图像三维可视化流程医学影像的三维可视化的基本流程如图1所示。从CT/MRI或超声等成像系统获得二维断层图像,然后将其转换为计算机便于识别的图像格式。经二维滤波,降低图像的噪声干扰,提高信噪比和消除图像的尾迹。采取图像插值方法,对医学关键部位进行各向同性处理,获得体数据。经过三维滤波后,不同组织器官需要进行分割和归类,特征分析,对同一部位的不同图像进行配准和融合,以利于进一步对某感兴趣部位的操作。根...  (本文共3页) 阅读全文>>

《成都工业学院学报》2017年03期
成都工业学院学报

基于目标函数的直觉模糊聚类图像分割方法

图像分割是图像处理与识别的前提。图像分割是通过特定的相似性准则,把图像分成若干个、独立的区域,其本质是基于像素间的相似性对所有像素点进行分类。但现实中图像的形状、轮廓、和边缘等都是模糊和不确定的,对固定位置的像素点难以进行精确的分类。对图像中这种模糊和不确定的信息,用模糊集合来表示,可以更好地进行分割。模糊C均值[1](Fuzzy C-means,FCM)是一种基于目标函数的模糊聚类算法,广泛应用于模式识别,尤其是图像分割领域[2-6]。但FCM算法对图像分割时也存在一些不足,如容易陷入局部极值点、对初始值敏感、抗噪性不强等问题。目前不少学者已结合其他技术提出了许多解决办法。伍忠东等[7]利用核函数距离定义推广到高维空间,对聚类中心赋予一定的加权指数,使其对噪声和野值赋予了不同的权值,故其在处理含噪声的图像时,具有更强的鲁棒性,但引入核函数后,增加了算法的时间复杂度。同时,利用FCM算法进行图像分割时,往往只考虑了图像的颜色特征...  (本文共5页) 阅读全文>>

《测绘与空间地理信息》2017年09期
测绘与空间地理信息

基于面积比分割的面状水域提取方法研究

0引言随着航空航天技术的快速发展,高分辨率遥感影像的获取周期逐渐变短,已经成为人们获取空间地理信息的重要手段之一。但是,遥感数据的处理能力的发展远远不如获取能力,海量遥感影像由于处理技术手段的落后而被束之高阁,造成了数据资源的极大浪费。因此,关于遥感影像的分析、处理、分类、提取等一直以来都是该领域重要的研究内容,地物要素的自动提取技术是需要重点攻克的环节。在地物要素中,面状水域的提取有其独特性,受到气象等多种因素的影响,面状水域的边界处于不断的发展变化之中,为了提高面状水域的时效性,必须提高其提取的自动化程度。目前基于主动轮廓模型的面状水域提取算法的提取精度较好,能够取得满意的效果,但是其需要手动输入区域生长边界,还没有达到完全自动化的水平。图像分割是从遥感影像中提取目标的重要方法,是指把图像中特定的、具有独特性质的区域分离并提取出来的技术和过程。目前已有的影像分割算法已有上千种之多,基本方法包括基于阈值的方法、边缘检测法、区域...  (本文共3页) 阅读全文>>

《微电子学与计算机》2017年10期
微电子学与计算机

改进狼群优化算法的Otsu图像分割法

1引言图像分割是根据一些特定的相似性标准,将图像分割成若干互不重叠、具有特殊性质的区域,在相同区域内,满足一定的纹理、灰度、色彩等特征的相似性标准,在不同区域内,图像特征明显不同.由于阈值法实现简单而且计算速度较快,在图像分割领域占据了重要地位[1].目前采用阈值分割的方法主要有双峰法[2]、最大熵法[3]、梯度统计法[4]、最小误差法[5]和Otsu[6]等.其中Otsu算法,是以图像的直方图为运算基础,计算目标区域与背景区域之间的最大类间方差来获得分割阈值,取得了良好的效果,该算法与目标和背景像素的分布模型无关,因此被广泛应用[7-11].由于一维Otsu只应用了图像灰度信息,没有应用像素之间的空间位置信息,当图像的信噪比过低或图像的直方图没有明显双峰时,该算法的分割效果较差,易产生错误分割.近年来许多学者利用群智能优化算法搜索最佳分割阈值,包括基于粒子群算法(Particle SwarmOptimization,PSO)[...  (本文共6页) 阅读全文>>

《昆虫学报》2015年12期
昆虫学报

基于K-means聚类算法的叶螨图像分割与识别

叶螨(spider mite)是为害多种农作物的主要害虫之一,主要为害植物叶片,导致农作物落叶,引起霉斑病,严重影响作物产量及长势。多种重要经济农作物如棉花、柑橘等均受叶螨为害(袁辉霞等,2012;方小端等,2013)。叶螨的识别计数是叶螨研究的基础性工作,但是当前采用的计数方法主要依靠肉眼人工识别(陈鹏程等,2007)。尽管该方法简单易行,但需要操作人员具备一定的专业基础知识,而且采用目测的计数方法往往因为操作人员的主观判断差异造成较大误差。由于叶螨个体很小,当发生量大时,目测观察是一项繁重的工作,甚至难以进行。近年来,随着图像采集装备和计算机图像分析技术的不断发展,为叶螨信息的实时采集和分析提供了一些新的技术和方法,如利用BP神经网络对柑橘始叶螨Eotetranychus kankitus Ehara图像、枣树红蜘蛛图像进行识别分析(熊焕亮和吴沧海,2013;邱道尹等,2014),吴沧海等(2010)使用Matlab多种边缘...  (本文共6页) 阅读全文>>