基于条件迭代算法的手语识别技术

针对多组手语语句中重复出现的手语单词识别问题,提出了一种识别方法。该方法利用时间规整算法构建手语识别模型,并通过条件迭代算法快速计算最大后验概率。在南佛罗里达大学公共手语数据集进行实验,证明了该方法具有一定的实用性。

基于PM算法和噪声识别模型的探地雷达降噪方法

针对探地雷达(Ground Penetrating Radar,GPR)因地质或环境因素导致图像出现高密度噪声,有效信号被淹没,进而出现雷达数据读取困难甚至无法识别的问题,提出一种基于Perona-Malik(PM)算法和噪声识别模型(Noise Re-cognition Module,NRM)的降噪方法——PM-NRM。该算法根据GPR数据特点利用改进PM算法加大图像中噪声与背景的数值差异性,使用基于偏微分方程的NRM识别噪点,利用改进中值定理依次对数据中噪点进行恢复,结合迭代条件算法(Iterated Conditional Mode,ICM),以达到降噪的效果。面对高密度噪声数据,同传统的GPR数据降噪方法相比,所提算法在信号单波道拟合度、峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似度(Structural Similarity,SSIM)等客观评价标准中表现较优。实验结果表明,该算法在GPR系统探测工作中具有一定实用价值。

融合多尺度特征的马尔可夫随机场路面裂缝分割算法

为提高路面裂缝分割算法的准确性和鲁棒性,提出一种融合灰度统计模型和多尺度特征向量的马尔可夫随机场裂缝分割模型.首先,基于裂缝图像直方图,采用高斯分布和瑞利分布构架裂缝图像灰度统计模型,并利用EM算法对模型参数优化求解;然后,采用双向高斯核函数与裂缝图像的卷积构造裂缝的Hessian矩阵,通过计算不同尺度下的裂缝测度响应值提取裂缝图像的多尺度特征向量,以增强裂缝的树状几何结构;最后,将多尺度特征向量融合到马尔可夫随机场裂缝分割模型,基于最小能量准则,使用条件迭代算法求解裂缝最大标号场.在公共数据集CrackTree206和200幅自建的裂缝数据集上,与马尔科夫随机场等3种算法进行对比分析,实验结果表明,所提算法的概率边缘指数指标达91.78%,全局一致性错分指标达9.86%,评价指标优于其他裂缝分割算法,说明了所提算法能够有效地提高裂缝分割精度.

基于几何结构测度的路面裂缝图像分割算法

针对裂缝形态多样性和分布随机性使得传统裂缝图像分割算法的泛化能力弱的问题,提出一种基于几何结构测度的路面裂缝图像分割算法。首先,采用瑞利分布和高斯分布对裂缝图像背景和目标进行建模,并用期望最大化算法求解裂缝灰度混合模型参数;然后,通过高斯核函数与图像的卷积计算裂缝的边界映射,用梯度矢量流场构造裂缝图像Hessian矩阵,由Hessian矩阵描述裂缝测度函数并获取裂缝多尺度特征向量;最后,将裂缝多尺度特征向量和灰度混合模型融合到马尔可夫随机场,基于最小能量准则,利用条件迭代算法求解裂缝最大标号场来实现裂缝图像分割。实验表明,与仅依靠灰度特征的传统裂缝图像分割算法相比,所提算法综合指标达88.02%、重叠率达54.92%,优于其他算法,具有良好的噪声抑制能力和泛化能力。

融合高阶多尺度特征的路面裂缝图像分割算法

针对裂缝图像的光照不均匀、斑马线等复杂背景使得传统的裂缝图像分割算法容易丢失细微及末梢裂缝等问题,本文提出了一种基于泰勒级数和多尺度特征的裂缝图像分割算法.首先,采用瑞利和高斯分布构成的有限混合模型对裂缝背景和目标进行建模,并使用期望最大化算法求解混合模型的参数;然后,通过泰勒级数的展开式描述裂缝的梯度方向,利用尺度变换构造裂缝图像的高阶多尺度特征;最后,将灰度有限混合模型和裂缝高阶多尺度特征融合到马尔科夫随机场模型,通过条件迭代算法优化求解裂缝标号场最大后验概率来实现图像分割.性能测试和不同算法对比分析实验表明,本文算法在保证裂缝几何参数不变的前提下能够抑制非裂缝目标并保留低对比度、细微和末梢裂缝,分割准确率达到85.93%、灵敏度达63.87%,衡量指标优于其他算法.

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。

FGMM-MRF层次模型在图像分割中的应用

为了更好地反映图像的区域结构,在高层次标记图像中,区域内部用各向同性的MRF建模,区域的边界用各向异性的MRF来建模;在低层次灰度图像中,用FGMM来描述待分割图像的概率分布.采用Bayes方法,根据标记图像的后验分布所对应的FGMMMRF模型的条件概率,用ICM局部优化算法获得MAP准则下的分割图像.用模拟图像和MR图像进行实验,区域的边界和整体属性具有较好的视觉效果.

基于马尔可夫随机场的医学图像分割

图像分割是一个经典难题,随着影像医学的发展,图像分割在医学应用中具有特殊的重要意义。马尔可夫随机场(Markov Random Field,即MRF)方法是图像分割中一个极为活跃的研究方向。本文介绍了基于马尔可夫随机场模型的一般理论与图像的关系。并对基于MRF的传统条件迭代模式算法(ICM)进行改进,在初始分割后,对图像的像素点分为两类:稳定点和不稳定点,用队列存储不稳定点,每次迭代只对队列里面的不稳定点进行计算,以减少运算量。实验结果表明,改进的算法能够大幅度提高计算效率。

模糊马尔可夫随机场理论在阴影检测中的应用

阴影的检测是目标检测、目标跟踪、视频监控等领域的一个关键问题。提出了一种基于模糊马尔可夫随机场的阴影检测算法。该算法把阴影检测问题看做是一个求最优化的像素点分类问题。对于输入的视频,提取背景图像,找出阴影和前景目标物体区域。通过计算阴影概率分布,前景概率分布,隶属度函数,建立模糊马尔可夫随机场。应用贝叶斯准则,最大后验(MAP)估计和条件迭代模式(ICM)算法,寻找最优化的模糊马尔可夫随机场,并利用最大隶属度原则消除模糊性,得到阴影检测的结果。实验证明,文中算法具有较好的阴影检测率和目标检测率。

一种基于双特征马尔可夫随机场的图像分割方法

传统图像分割算法存在图像特征信息描述单一、分割效果差等缺点,为此,提出一种基于双特征马尔可夫随机场的图像分割方法。首先,利用像素之间的空间信息对高斯混合模型的先验概率和后验概率进行约束,建立灰度随机场。其次,在利用分数阶微分算子非线性保留图像的边缘轮廓和纹理细节的基础上,利用灰度共生矩阵描述图像的纹理特征信息,并建立纹理特征随机场。最后,设计了用于图像分割的双特征马尔可夫随机场,通过条件迭代算法优化求解标号场最大后验概率,实现图像分割。实验验证了分割算法的有效性,分割正确率达到93.9%,所提出的双特征随机场能够提高图像分割算法的鲁棒性和准确性。

基于Markov随机场理论的眼底图视盘轮廓的提取研究

眼底视盘轮廓的准确提取对眼疾的诊断事关重要.尤其在各种眼疾对人普遍存在严重伤害的今天,对眼底视盘轮廓提取的研究尤为重要.随着信息技术的高速发展,当今使用计算机实现医学图像处理相当普遍.借助于计算机,利用马尔科夫随机场(MRF)理论模型结合K-均值算法、条件迭代算法和期望最大化算法等多种算法,实现了眼底图视盘的分割.然后通过使用最小周长多边形的多边形近似(MPP)实现眼底视盘轮廓的提取.实验结果表明,与传统的分割方法相比,该方法具有更高的分割效率和更好的去噪性.