一种基于暗亮通道分割融合的低照度环境图像去尘雾及增强方法

受煤矿井下粉尘、水雾和低照度环境影响,对皮带运输系统的监测图像精准识别极为困难。针对现有去尘雾方法的图像处理结果和效率欠佳的问题,提出一种基于暗亮通道分割融合的低照度环境图像去尘雾及增强方法。首先利用阈值分割结合伽马变换修正通道差,解决因低照度环境影响导致的尘雾浓度较大区域与其他区域间像素值差异不明显的问题,修正后通过引导尘雾图像做引导滤波得到更加符合实际情况的全局大气光强;然后为解决暗通道先验在尘雾浓度较大区域失效问题,引入亮通道先验进行补充,使用通道分量来辅助暗通道及亮通道透射率融合,避免因多次分割而导致的边缘像素归属问题;最后将去雾后RGB图像转至HSV空间,对亮度分量进行直方图均衡化并将均衡化前后的亮度分量进行加权融合,采用客观指标评价,选择最优聚合权值进行聚合,同时考虑去雾过程中饱和度损失和亮度分量与饱和度分量间的相关性提出饱和度自适应矫正函数,对图像饱和度进行矫正,色调分量保持不变,随后将图像转回至RGB空间,得到亮度适中、信息保留丰富和色彩鲜艳的图像;为验证所提方法的有效性,采用主观视觉、客观指标和目标检测精度及置信度进行算法对比,实验结果表明所提方法在上述4个指标上均优于被对比算法,其图像细节保留丰富,图像视觉观感更佳。

基于天空分割和暗通道先验的图像去雾算法

针对传统暗通道先验算法对天空区域去雾时出现的颜色失真等问题,提出一种基于天空分割和加权计算大气光值的去雾算法。首先基于有雾图像中天空区域梯度小、对比度低和亮度高的特征实现天空区域的分割。其次基于天空分割的结果加权计算大气光值,有效避免了图像中小面积高亮区域对大气光值预估的影响,防止恢复的图像偏暗。最后通过对不同区域透射率的结合,实现图像的复原。实验结果表明:该算法能够对包含天空区域的有雾图像有效复原,解决了天空区域颜色失真的问题,且去雾后的图像细节清晰、颜色自然。

顾及图像分割与暗通道先验的去雾霾方法

文章针对暗通道先验去雾霾后图像存在颜色失真等问题,提出一种融合图像分割与暗通道先验规律的卫星遥感图像去雾霾方法。首先,引入高斯加权矩阵的梯度算子获取图像的梯度信息,为暗通道去雾霾提供图像分割的约束条件;其次,通过梯度阈值对梯度信息进行划分,从而改善对不同亮度区域的差异化处理;最后,依据梯度阈值修正暗通道透射率来约束暗通道先验的处理结果,实现对不同亮度区域的差异化处理。实验结果表明,无论是主观目视判读还是客观指标对于较为均匀含雾霾影像都具有较好的处理效果。

基于层次MRF的MR图像分割(英文)

核磁共振图像(MRI)的定量分析在神经疾病的早期治疗中有很重要作用.提出了一种基于层次Markov随机场模型的MRI图像分割新方法.在高层次的标记图象中采用了混合模型,即区域的内部用各向同性均匀MRF来建模,边界用各向异性非均匀MRF来建模.所以方向性被引入到边界信息中,这样可以更准确的表达标记图象的特性;在低层次的像素图像中,不同区域中像素的灰度分布用不同的高斯纹理来描述.分割问题可以被转换成一种最大后验概率估计问题.采用基于直方图的DAEM算法来估计SNFM参数的全局最优值;并基于MRF先验参数的实际意义,提出一种近似的方法来简化这些参数的估计,实验显示该方法能获得更好的结果.

基于小波域MRF模型的SAR图像分割

针对存在严重斑点噪声的合成孔径雷达 (SAR)图像的分割问题 ,提出了一种基于小波域马尔科夫随机场 (MRF)模型的算法 .该算法综合利用了隐含马尔科夫树的相关邻域信息和图像的多分辨率描述的信息 ,将期望最大化用于先验概率分布参数的估计 ,采用最大后验准则来进行图像的分割 .通过对SAR图像的分割实验表明 ,该算法可有效去除斑点噪声的影响 ,并能在准确分割目标的同时保留目标的细节信息 .

基于MRF场的SAR图像分割方法

提出了一种基于 MRF(Markov Random field)模型的 SAR(Synthetic Aperture Radar)图像分割算法。本算法利用 ICM(Iterative Conditional Mode)局部优化方法 ,获得 MAP(maximum aposteriori)准则下的图像分割结果 ,并引入了剔除外层数据的机制。用 MSTAR(Moving and Sta-tionary Target Acquisition and Recognition)数据进行实验 ,结果表明 ,算法能有效减少斑点噪声的影响 ,将图像分割为目标、阴影、背景三部分 ,实验结果是令人满意的。

基于MRF模型的可靠的图像分割

本文提出一种可靠的图像分割算法．基于实际图像是分割图像叠加了不规则噪声的假设，用ＭＲＦ（Ｍａｒｋｏｖｒａｎｄｏｍｆｉｅｌｄ）模型描述分割图像的先验分布，用被污染的高斯分布（ｃｏｎｔａｍｉｎａｔｅｄＧａｕｓｉａｎｄｉｓｔｒｉｂｕｔｉｏｎ）描述待分割的图像．采用Ｂａｙｅｓ方法，根据分割图像的后验分布（以观测图像为条件）所对应的ＭＲＦ模型的条件概率，用ＩＣＭ（ｉｔｅｒａｔｅｄｃｏｎｄｉｔｉｏｎａｌｍｏｄｅ）局部优化方法，获得ＭＡＰ（ｍａｘｉｍｕｍａｐｏｓｔｅｒｉｏｒｉ）准则下的图像分割结果．该算法与Ｌａｋｓｈｍａｎａｎ等［１］提出的算法相比，具有更好的可靠性．实验结果是令人满意的．

基于扩散方程和MRF的SAR图像分割

该文提出了一种基于图像扩散方程和马尔科夫随机场(MRF)的合成孔径雷达(SAR)图像分割方法。在传统MRF算法的基础之中,引入对图像的扩散,用来平滑SAR图像中的噪声,保护图像中的边缘部分,并且加快收敛的速度。首先对输入的SAR图像进行扩散,通过MRF进行统计,得到图像中各点的后验概率,再对得到的后验概率进行扩散。与传统的MRF算法进行比较,该文的方法较好地去除了误分割斑块,减少算法的运行时间。

基于区域的MRF模型用于SAR图像分割

本文提出了一种建立在流域算法过分割结果区域图上的马尔可夫随机场模型的SAR图像分割算法.由于将马尔可夫场随机场(MRF)模型建立在预分割的基础上,极大减少了计算复杂度,并利用SAR图像的分布模型建立多层MRF模型,采用模拟退火优化得到MAP估计的分割结果.实验证明较传统的基于像素的马尔可夫随机场分割算法,该方法极大提高了运算速度,并能取得较为满意的分割结果.

基于多尺度MRF的膝关节MRI图像快速分割

膝关节MRI图像中骨骼的精确分割是进一步分割与定量分析膝部软组织的前提。目前膝关节骨骼分割的方法比较耗时或需要一定的人机交互。为解决这一问题,将多尺度MRF方法引入到膝关节MRI分割中,以实现快速无监督的分割。首先建立高斯混合的灰度统计模型,运用MDL准则自动确定类别的数目。建立多尺度MRF的先验模型时,利用尺度间的因果性给出非迭代的计算方法,由细尺度往粗尺度传递统计信息,再由粗尺度往细尺度计算每个像素的最大后验概率,从而实现快速准确的分割。实验结果表明,与单尺度MRF相比,多尺度MRF分割膝关节MRI所需时间大大减少,且精度与专家手动分割标准相当。算法通过建立多尺度马尔可夫随机场模型,完成了低信噪比膝关节MRI图像快速准确分割,可作为进一步自动分割软骨与半月板等软组织的基础。

基于复小波域树结构化MRF模型的声纳图像分割

声纳图像受成像环境影响对比度低,特性信息较弱,且图像分辨率不高,用传统的分割方法效果较差,为此,构建了双树复小波域树结构化的MRF模型(TS-MRF),提出了基于此模型的声纳图像分割算法。双树复小波变换(DT-CWT)具有近似平移不变性和良好的方向选择性,其多分辨率分析能有效地提取声纳图像的弱特征信息,以便TS-MRF中节点参数的描述能准确地反映树结构的分布规律和图像统计特性;复小波域6个方向高频子带相互独立,尺度间父子节点标号具有一阶Markov性;尺度内构建TS-MRF模型,且每一节点标号依赖于父节点,采用Potts模型对节点标号势函数建模,相同标号的观测特征用高斯模型建模;最后,用多分辨率递归和每一分辨率分类层次树从顶层向底层的尺度内递归算法来求解最大后验概率,实现分类层次树标号,完成声纳图像分割。实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地抑制噪声,较好地提取声纳图像的弱特征信息,具有较高的分割精度和鲁棒性。

SAR海冰MRF分割精度与图像质量的关系研究

为了提升基于马尔科夫随机场理论(MRF)的SAR海冰分割精度,文中定义SAR海冰图像中海冰和海水的均值差与均方差之差的比值为图像质量因子Q。通过改变SAR海冰样本图像中冰或水的灰度值,得出SAR海冰MRF分割精度与SAR海冰图像质量因子Q的关系曲线,用指数函数模型拟合并建立方程。定量化的描述了SAR海冰MRF分割效果与SAR海冰图像质量的关系,从而指导通过提升SAR海冰图像质量来提高SAR海冰识别效果的研究。

基于色彩通道融合的火焰图像分割

提出了基于色彩通道融合的回转窑火焰图像分割方法。由彩色火焰图像的红绿通道、红蓝通道和绿蓝通道构成三幅新的图像 ,分别从中提取训练样本集 ,对三个神经网络进行训练。神经网络收敛后 ,各自对相应的图像进行分割 ,会得到三种不同的结果。采用均值、中值、模糊逻辑和神经网络四种方法将其进行融合 ,会得到很高的分割准确率。实验结果表明该方法是可行的。

基于背景色彩和PCNN的磨粒图像单通道分割

为有效地从磨粒图像中分离出磨粒区域,根据彩色磨粒图像背景相对单一的特点,提出了一种基于背景色彩和脉冲耦合神经网络(PCNN)的磨粒图像单通道分割方法。首先,利用Otsu算法对磨粒图像进行预分割处理,并计算图像背景色彩的统计特征,以此作为背景的特征色彩矢量;然后,引入综合色距函数,通过计算图像中各像素与背景特征色彩之间的色差,将彩色磨粒图像三通道问题转化成单通道问题;最后,利用简化PCNN对构造的色差矩阵进行分割,从而得到彩色磨粒图像的分割结果。实验结果表明,该方法对含有单个磨粒和多个磨粒的彩色磨粒图像均能进行精确自动分割,是一种比较理想的分割方法。

对彩色和亮度通道进行各向异性扩散的彩色图像分割

提出了一种利用各向异性扩散和平均值位移聚类的彩色图像分割的算法。它主要的思想是把一幅彩色图像分成彩色通道和亮度通道,再分别对两种通道进行各向异性扩散,然后再利用平均值位移算法进行聚类分割,最后把两者的结果合并起来就可得到最后的分割结果。在这种算法中,各向异性扩散起着去噪、增强和粗分割的作用,它让一幅图中彩色信息更均匀。平均值位移在扩散的基础上,作最后的分割处理。使用CIE L*u*v*色彩空间作为图像的表示进行分割,能很有效地在彩色分量上分割出彩色区域,而彩色信息区别不明显的区域则可以通过对亮度信息分割得到。实验数据表明,它是一种有效、稳定、健壮的算法。

基于彩色通道相似性图像分割方法的植物叶面积计算

为了快速、准确地测量植物叶面积,该文提出了基于彩色通道相似性图像分割的植物叶面积测量方法。该文基于彩色图像,利用像素彩色通道的相似性和自适应方法得到的阈值分割叶片区域,并分别统计叶片和参考矩形的像素数,进而计算植物叶面积。试验表明,该方法得到的植物叶片区域更准确,并且对叶片阴影、花斑等具有很强的鲁棒性,错分率为仅为1.23%,具有较高的精度。该方法是一种实用的通过拍照计算植物叶面积的方法,可嵌入到手机等移动设备中。

强噪声背景下基于非网格MRF的SAR图像快速分割方法

像素级的马尔可夫随机场图像分割算法,在强噪声的SAR图像中难以保证消除斑点噪声的同时不破坏图像的边缘结构。针对此,本文提出了一种新的分割方法,首先将图像划分为若干个内部连通且有良好边缘的小区域块,然后将区域块内像素灰度的均值作为块内每个像素的灰度强度以提高算法的抗噪能力。在迭代优化阶段,用区域块替代像素作为新的处理单元,从而减少处理单元的数目提高算法的运行效率。为验证新算法的性能,将其分别应用于人工合成图像和真实的SAR图像上,并与经典分割算法做比较显示出了本文算法在噪声抑制、边缘保护和运算效率方面的性能。

基于交互势函数和均场参数估计的分层MRF模型的纹理图像分割

针对分层马尔科夫模型在用期望最大(EM)算法进行参数估计时,隐变量之间相互作用导致求期望值较难的问题,将均场理论应用到GMRF模型的系数估计中,使得模型的参数可以在不使用窗函数的情况下仅通过简单的线性方程即可求出。而对于固定势函数和变权重势函数不能表达图像区域间节点交互关系的缺点,提出了一种基于贝叶斯传播算法的交互势函数。试验结果表明:本文算法分割后的图像不仅具有良好的区域性,而且区域内部平滑,改善了传统小波域分层马尔科夫模型在分割区域内部存在混分的现象。

基于灰度共生矩阵和单尺度MRF的纹理图像分割

为改善纹理图像分割效果,提出一种基于灰度共生矩阵和单尺度MRF的纹理图像分割方法.这种方法考虑到纹理信息在空间内的结构特征以及一个像素与周围像素作用的特性关系,采用灰度共生矩阵的几个二次统计量作为纹理特征向量,利用K-means聚类获得起始分割,然后联合建立MRF的特征场与标号场模型.实验表明,此方法提高了分割准确度与一致性.

基于MSCAU-Net的视网膜眼底图像的硬渗出液分割

硬渗出液是早期糖尿病性视网膜病变(diabetic retinopathy,DR)的主要病症之一,在眼底图像中占据的像素点较少,其检测容易受视盘、软渗出液的干扰。针对这些问题,在U型网络(U-Net)结构的基础上,通过在编码器和解码器中融入残差模块和残差通道注意力模块学习硬渗出液的细微特征,在跳跃连接中加入一种新的多尺度通道注意力(multi-scale channel attention,MSCA)模块提升网络对稀疏小病灶的分割能力,提出了MSCA U-Net。基于超广角眼底图像数据集和印度糖尿病性视网膜病变图像数据集的实验结果表明,与其他基于卷积神经网络的图像分割方法相比,所提方法具有更高的硬渗出液分割精度。