公共文化服务平台

基于谱聚类的多阈值图像分割方法被引量：7: 2012年; 阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用。因此,如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,即通过采用新的相似度函数的谱聚类算法(Dcut)确定图像阈值。采用基于灰度级的权值矩阵代替常用的基于图像像素级的权值矩阵描述图像像素的关系,因而算法需要的存储空间及实现的复杂性与其它基于图的图像分割方法相比大大减少。实验表明,该方法分割图像的时间少,且能够单阈值和多阈值分割图像,与现有的阈值分割方法相比,其具有更为优越的分割性能。; 邹小林陈伟福陈伟福冯国灿刘志勇; 关键词：图像阈值分割多阈值谱聚类

扩展的Chan-Vese模型在噪声图像分割中的应用被引量：2: 2011年; 针对带噪声图像分割结果不理想的现象,提出一种对带不同类型噪声的图像都能进行有效分割的变分模型。首先扩展了Chan-Vese(CV)模型的能量泛函,然后在数值求解过程中,引入一个辅助变量与水平集方法相结合,采用高效和无条件稳定的MOS算法,提高精度和计算效率。对带一定强度噪声的图像进行地分割实验,并与CV变分模型的分割结果进行比较。结果表明,该新变分模型较好地克服了噪声干扰的影响,对带噪图像的分割是有效的,迭代次数少,速度快且提高了目标分割的准确性。; 罗志宏冯国灿杨关; 关键词：带噪图像图像分割

融入变异算子的萤火虫算法被引量：1: 2014年; 萤火虫算法作为一种新的群智能仿生算法,虽然具有较好的通用性和易于实现的优势,但是同时也具有收敛速度慢、后期易陷入局部最优解的缺陷。针对萤火虫算法存在的一些缺陷提出一种改进型的萤火虫算法,在算法中引入差分变异算子和高斯变异算子。数值仿真实验表明:改进型萤火虫算法比基本萤火虫算法的求解精度高,收敛速度快。; 杨善友蓝新波; 关键词：萤火虫算法高斯变异

基于视觉感知和等周割的二维阈值分割算法被引量：1: 2013年; 二维阈值分割方法没有考虑人类视觉感知的特性,将整个灰度级区域作为分割阈值的搜索空间。同时等周割图像分割方法没有直接考虑图像的灰度信息以及迭代终止条件难以确定的问题,因而对灰度图像的分割效果不甚理想。因此提出了一种融合视觉感知和等周割的二维阈值分割方法,该方法首先利用视觉感知的特性选择候选阈值向量所在的灰度区域,再将等周割作为准则,从候选阈值向量中选出最小等周率所对应的候选阈值向量作为最佳的分割阈值向量。在一系列图像上的实验结果表明,与几种经典的二维阈值分割方法相比,所提算法的分割效果更好。; 邹小林冯国灿; 关键词：图像阈值分割视觉感知

局部线性嵌入及其在人脸表情识别中的应用被引量：2: 2010年; 深入探讨了流形学习算法中的局部线性嵌入算法(Locally Linear Embedding,简称LLE),在此基础上提出有监督学习的LLE算法,并把它应用于人脸表情识别中,只需构造简单的最小距离分类器,就能取得较好的识别率.; 刘志勇冯国灿王珏; 关键词：流形学习局部线性嵌入降维有监督学习表情识别

基于概率图模型的图像纹理模型被引量：1: 2011年; 纹理作为一种视觉特征,它广泛应用于图像分析。概率图模型由于其自身特点可以很好地描述纹理。高斯图模型结构可根据局部马尔科夫性和高斯变量的条件回归之间的关系来学习。高斯图模型可用一个邻域系统、一个参数集和一个噪声序列表示。利用惩罚正则化方法,可以选择高斯图模型的邻域并估计参数,然后提取纹理特征进行纹理合成和分类。实验结果显示基于高斯图模型的纹理特征更加有效。; 杨关冯国灿陈伟福罗志宏; 关键词：纹理合成纹理分类

融合Nystrm方法的谱聚类算法(NSDcut)的图像分割被引量：1: 2012年; 为了克服谱聚类算法SDcut在计算相似度矩阵和拉普拉斯矩阵的特征值和特征向量时,比较耗时的缺点,提出了融合Nystrm方法的SDcut算法NSDcut,并应用于图像分割.该算法采用Nystrm方法构建相似度矩阵和计算相似度矩阵的特征向量,并用这些特征向量通过矩阵运算降低了SDcut算法中的相似度矩阵和拉普拉斯矩阵的阶,从而降低SDcut算法的时间复杂度.实验结果表明:NSDcut算法提高了SDcut算法的运行速度,同时也具有SDcut算法的聚类性能.; 邹小林冯国灿; 关键词：图像分割谱聚类

改进的判别割及其在图像分割中的应用被引量：3: 2012年; 谱聚类算法能在任意形状的样本空间上聚类且收敛于全局最优解,但判别割(Dcut)算法在计算正则化相似度矩阵及其特征向量时比较耗时,而基于子空间的Dcut(SDcut)算法则不稳定,为此,提出基于主成分分析(PCA)的Dcut算法(PCA-Dcut)。PCA-Dcut算法采用PCA算法计算相似度矩阵的前m个大的特征值对应的特征向量构造一个新的矩阵,然后采用构造的矩阵与相似度矩阵和拉普拉斯矩阵分别进行矩阵运算;接着通过计算获得一个m阶正则化相似度矩阵,并计算该矩阵的k个最大特征向量;最后使用构造的矩阵与这k个特征向量相乘获得最终用于分类的特征向量。PCA-Dcut算法能降低Dcut算法的计算复杂度。通过对人工合成数据集、UCI数据集和真实图像的仿真实验表明,PCA-Dcut算法的聚类准确率与Dcut等谱聚类算法相当,同时在分割图像时的运算速度约为Dcut的5.4倍,并具有比SDcut更快的速度和更好的性能。; 邹小林; 关键词：谱聚类主成分分析图像分割

一种新变分方法在图像分割中的应用被引量：2: 2011年; 针对传统的水平集方法用于图像分割时速度较慢的现象,提出一种新的变分方法(PDE)。首先修改了CV模型的能量函数,然后用凸松弛方法将其转化为凸优化问题,并引入一个辅助变量,再采用高效和无条件稳定的AOS算法,测试实验获得了较好的分割效果。实验结果表明,所提出的变分方法(PDE)是可行有效的。; 罗志宏冯国灿; 关键词：图像分割水平集方法

基于正则割(Ncut)的多阈值图像分割方法被引量：6: 2012年; 在图像处理与目标识别中广为应用的阈值法是图像分割的一种重要方法,因此如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,把图像的一维灰度直方图的灰度级L和对应灰度级L的概率P视为二维平面上的点(L,P),采用新的相似度函数来定义这些点之间的相似度,从而构建基于灰度级的相似度矩阵,然后使用正则割(Ncut)进行分类,根据分类结果确定图像的分割阈值。算法用基于灰度级的权值矩阵代替基于像素级的权值矩阵来描述图像像素的关系,因而需要的存储空间及实现的复杂性大大减少;与现有的阈值分割方法相比,该算法能够单阈值和多阈值分割图像,因此具有更为优越的性能。; 邹小林冯国灿; 关键词：图像分割多阈值谱聚类相似度

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(60975083)