喷墨印花纹理图像的单元分解光流场配准算法

为了解决喷墨印花纹理图像在噪声环境下配准精确度低,以及局部区域存在大的配准偏差的问题,提出一种新的基于单元分解光流场的图像配准算法.利用单元分解技术对光流场图像配准问题进行建模,采用阶谱分层策略和基函数自适应调整,对单元分解过程中生成的局部和全局网格实施灵活度控制.通过引入一个新的能够对纹理结构的光滑效果实施约束的特征能量项,可以使网格单元取得令人满意的纹理表征效果,并且能够提高光流场模型在定位精细纹理边缘时的配准精度.对含噪喷墨印花纹理图像的配准实验结果表明了本文算法的可行性.

喷墨印花纹理图像的期望最大化聚类分割算法

针对聚类分割算法对喷墨印花纹理图像存在的局限性,提出了一种结合期望最大化(EM)的喷墨印花纹理图像聚类分割算法(CSA)。首先,将空间相关性引入聚类分割中,利用自回归模型表征纹理同质区域;然后,为了提高分割模型参数估计的精度,将分块标定机制引入期望最大化算法中,实现了参数极大似然估计的迭代算法,解决了不完全数据参数估计问题;最后,利用数据集分块并进行聚类,使同类元素具有较高的相似度,从而对图像中的像素进行了归类划分,并将得到的结果进行了合并,实现了目标图像的正确分割。实验结果表明,和传统的聚类分割算法相比,该算法能更好地解决喷墨印花纹理图像的分割问题。