基于改进交叉视觉皮质模型的图像分割新方法

从人类视觉特性出发,将具有"中心抑制,周边加强"性能的人眼视觉侧抑制现象与交叉视觉皮质模型相结合,形成了一种与人类视觉保持一致的适合图像分割的侧抑制-交叉视觉皮质模型。在此基础上,利用灰度级-邻域平均灰度级二维直方图,将一维卡方散度推广至二维,构造出了基于最小二维卡方散度的分割准则,进而提出一种实时性高的图像分割新算法。实验仿真表明,这种分割算法效果优于原始ICM算法和经典的Otsu算法,同时该准则计算速度远高于基于二维最小交叉熵准则的计算速度。

基于视觉侧抑制机理的强鲁棒性图像分割方法

针对光照强度和图像退化的算法鲁棒性问题,提出一种基于视觉侧抑制机理的强鲁棒性图像分割新算法。该算法充分考虑到人眼视觉侧抑制机理"加强中心抑制周围"的特点,在范围一定的抑制野内,采用双高斯强度系数分布的减法非循环侧抑制网络模型描述神经元兴奋的变化量,与交叉视觉皮质模型相结合形成侧抑制-交叉视觉皮质模型。在此改进模型基础上,利用灰度级-邻域平均灰度级二维直方图将一维交叉熵推广至二维,进而构造出二维最小交叉熵分割判决准则以寻求最优阈值。研究结果表明:针对受噪图像,新算法的分割准则充分利用二维交叉熵增加了图像的局部空间信息,从而取得良好的抗噪结果;针对光照不均和模糊退化的图像,改进分割模型加入视觉侧抑制网络,使得新算法具有较强对比度和亮度适应性以及模糊补偿能力,能够获得精确的分割效果。

基于交叉视觉皮质模型的图像快速分割新算法

为了使光学图像分割处理达到实时性标准,本文引入了具有生物学背景的交叉视觉皮质模型用于图像分割。在不降低分割效果的前提下,将交叉视觉皮质模型的阈值衰减函数调整为线性衰减函数,形成了线性衰减阈值-交叉视觉皮质分割新模型;引入了运算简便且抗噪性强的Chi-square散度,采用灰度级-邻域平均灰度级二维直方图将其推广至二维空间,设计了一种新的分割准则以确定模型的参数与循环迭代次数。

基于均值分割双直方图均衡化的彩色图像增强

通过直方图均衡化来处理图像达到图像的增强,会改变原始图像的亮度,造成某些细节的消失,甚至有的会过度地增强使结果图像有些失真,所以它满足不了某些领域需要高度的亮度保持图像处理的需求,很少被应用于电子产品中。本文提出了直方图均衡化的一个新的扩展算法,来克服上述的缺点,即基于均值分割的双直方图均衡化的彩色图像增强算法。此算法是对通过基于图像均值分割输入图像所得到的两幅子图,分别独立地进行直方图均衡化,而所得结果均衡化子图是围绕其输入均值有界的。结果表明在进行图像对比度提高的同时,相对于典型的直方图均衡化,更能有效明显地保持输入图像的平均亮度,而且可以提供更加自然的增强,此增强方法可以被应用于消费者电子产品。

改进的基于Otsu方法在超声序列图像分割中的应用

图像分割是从医学图像中将不同的组织根据灰度等信息加以区分的技术,是实现医学图像三维重建的基础,分割的效果直接影响到三维重建后模型的精确性。良好分割使医生能够对病变组织进行定性及定量的分析。