Novel approach for region merging and image segmentation for human-computer interaction

For the purpose of human-computer interaction (HCI), a vision-based gesture segmentation approach is proposed. The technique essentially includes skin color detection and gesture segmentation. The skin color detection employs a skin-color artificial neural network (ANN). To merge and segment the region of interest, we propose a novel mountain algorithm. The details of the approach and experiment results are provided. The experimental segmentation accuracy is 96.25%. (C) 2003 Society of Photo-Optical Instrumentation Engineers.

A Unified Tensor Level Set for Image Segmentation

This paper presents a new region-based unified tensor level set model for image segmentation. This model introduces a three-order tensor to comprehensively depict features of pixels, e.g., gray value and the local geometrical features, such as orientation and gradient, and then, by defining a weighted distance, we generalized the representative region-based level set method from scalar to tensor. The proposed model has four main advantages compared with the traditional representative method as follows. First, involving the Gaussian filter bank, the model is robust against noise, particularly the salt-and pepper-type noise. Second, considering the local geometrical features, e. g., orientation and gradient, the model pays more attention to boundaries and makes the evolving curve stop more easily at the boundary location. Third, due to the unified tensor pixel representation representing the pixels, the model segments images more accurately and naturally. Fourth, based on a weighted distance definition, the model possesses the capacity to cope with data varying from scalar to vector, then to high-order tensor. We apply the proposed method to synthetic, medical, and natural images, and the result suggests that the proposed method is superior to the available representative region-based level set method.

A Relay Level Set Method for Automatic Image Segmentation

This paper presents a new image segmentation method that applies an edge-based level set method in a relay fashion. The proposed method segments an image in a series of nested subregions that are automatically created by shrinking the stabilized curves in their previous subregions. The final result is obtained by combining all boundaries detected in these subregions. The proposed method has the following three advantages: 1) It can be automatically executed without human-computer interactions; 2) it applies the edge-based level set method with relay fashion to detect all boundaries; and 3) it automatically obtains a full segmentation without specifying the number of relays in advance. The comparison experiments illustrate that the proposed method performs better than the representative level set methods, and it can obtain similar or better results compared with other popular segmentation algorithms.

Research of Face Location System Based on Human Vision Simulations

In this paper we present a robust face location system based on human vision simulations to automatically locate faces in color static images. Our method is divided into four stages. In the first stage we use a gauss low-pass filter to remove the fine information of images, which is useless in the initial stage of human vision. During the second and the third stages, our technique approximately detects the image regions, which may contain faces. During the fourth stage, the existence of faces in the selected regions is verified. Having combined the advantages of Bottom-Up Feature Based Methods and Appearance-Based Methods, our algorithm performs well in various images, including those with highly complex backgrounds.

一种基于亮度分析的图像分割方法

图像分割是数字图像处理领域的重要研究内容。随着数字图像处理技术的发展和相关学科的进步，图像分割在图像编辑、计算机视觉、医疗影像、遥感图像等方面都取得了良好的应用，而且具有巨大的应用潜力。 图像分割是一个既很基础又很复杂的问题。经过多年的发展，研究者提出了很多优秀的算法，取得了令人鼓舞的成就。但由于图像分割本身的不确定性和复杂性，还没有一种算法能够解决好所有的分割问题。为了使图像分割的结果更加符合用户需求，交互式的分割方法逐渐成为了图像分割算法的主流。交互方式的简化也就成为了研究者努力的目标。 另一方面，图切分技术(Graph-Cut)是应用于图像分割算法的一种重要工具。Lazy Snapping方法利用人工交互操作来提取图像信息，然后使用图切分来分割图像，取得了较好的分割效果。而且该方法的交互界面简单易用，对模糊边界有较快的响应速度，引起了研究者的重视，是一种结合人工交互与图切分技术的重要分割方法。 鉴于Lazy Snapping方法在处理色彩丰富、对比强烈的图像时出现的交互操作过多、分割容易出错的问题，本文提出了一种基于亮度分析的图像分割方法。该方法在HSV空间下，以亮度为依据来提取前景和背景的特征，取代或简化了Lazy Snapping中的人工操作步骤，然后用图切分技术来进行分割。这种方法能够提取到较准确的图像特征，有效地减轻了用户操作量，明显地改善了分割结果。

Research on extracting method of micro-scale remote sensing information combination and application in coastal zone

973 Project of China [2006CB701305]; "863" Project of China [2009AA12Z148]; National Natural Science Foundation of China [40971224]

基于马尔可夫随机场模型的图像分割技术研究

本文针对基于马尔可夫随机场模型（MRF）的图像分割技术进行研究，通过深入分析马尔可夫随机场模型用于图像分割时的优缺点，提出了改进方案，将其用于单帧图像的无监督分割和动态场景下的运动目标分割。主要研究内容包括以下几部分。 第一部分详细介绍了马尔可夫随机场模型，包括邻域系统和基团的概念、初始标记场的获取、能量函数的确立和MAP估算方法。 第二部分针对噪声图像的预处理，提出一种多尺度双边滤波算法来综合不同尺度下双边滤波的去噪效果。为降低双边滤波的计算复杂性，提出一种双边滤波快速计算方法。该算法能够在去除噪声的同时较好地保留边缘。 第三部分针对MRF模型用于图像分割中遇到的过平滑问题，定义了一种间断自适应高斯马尔可夫随机场模型（DA-GMRF），提出一种基于该模型的无监督图像分割方法。利用灰度直方图势函数自动确定分类数及分割阈值，进行多阈值分割得到标记场的初始化，用Metroplis采样器算法进行标记场的优化，得到最终的分割结果。该方法考虑了平滑约束在图像边缘处的自适应性，避免了边缘处的过平滑，将其应用于无监督图像分割取得了较好的效果。 第四部分针对动态场景下的运动目标分割，提出一种基于间断自适应时空马尔可夫随机场模型的运动目标分割方法。解决了传统时空马尔可夫随机场模型不能对运动造成的显露遮挡现象进行处理问题，也克服了全局一致平滑假设造成的过平滑问题。帧差图像二值化得到初始标记场，初始标记场进行‘与’操作获得共同标记场，用Metroplis采样器算法实现共同标记场的优化。该方法既使用了平滑约束，而又保留了间断，从而使分割得到的运动目标边缘更加准确。

曲线演化图像分割和森林烟火预警系统

随着计算机技术，图像采集技术和数据存储技术等的进步，图像处理的应用领域越来越广泛。很多的应用系统是综合利用了电子，通讯和图像处理等技术而开发出来的，图像处理往往是系统的核心部分。图像分割是图像处理的核心技术，也是图像处理技术中的难点。所以研究图像分割技术具有非常重要的意义。 传统的图像分割方法有：使用模板对图像进行边缘检测等；利用滤波处理，频谱分析等数字信号处理处理技术进行分割。80年代末以来，偏微分方程方法越来越多地应用到图像分割领域中，已成为图像分割的有力工具。本文对基于偏微分方程的图像分割方法进行研究，介绍单开曲线演化分割算法，并基于Mumford-Shah模型提出一种带状目标分割方法。这种方法能将图像中的带状区域从图像中分割出来－这里假定带状区域的边界可用单值函数表示。与其它方法，如边缘检测分割，C-V模型分割和单开曲线分割相比，本文提出的方法得到的分割结果有与目标的边界吻合的更好，抗噪能力强等优点。 本文介绍了通过对可见光摄像机所拍摄图像进行分析来检测火的森林烟火预警系统。该系统是通过检测烟的存在来判断是否有火情。图像处理软件是森林烟火预警系统的核心组成部分。评价火灾预警系统性能有两个标准。一个是一旦发生火灾，预警系统能否快速地发出火警信号；另一个是在没有火情时，预警系统是否不报警，即误警率是否低。图像分割在设计图像处理算法时，主要在两个地方得到应用。在图像预处理阶段，利用单开曲线演化分割算法或带状区域的分割算法将森林区域分割出来。这样是为了在对图像进行处理时消除非森林区域中的目标对识别结果的影响，降低误警率。在图像处理阶段，利用图像分割算法将烟从图像中分割出来，准确及时报警。

基于变分的主动轮廓图像分割方法

图像分割是图像处理中很重要的一个问题，是计算机视觉的基础。因为它能够简化信息的存储和表示，从而能够对获取的图像内容进行智能解释，所以在很多应用问题中，图像分割是必不可少的过程，如医学图像处理，环境三维重建及自动目标识别等。图像分割的方法有很多种，如边缘检测，阈值，区域融合，分水岭及马尔可夫随机场等。虽然这些方法有其各自特点，但是它们在图象分割过程中不能充分将图像底层信息与高层信息结合，从而无法模拟人类视觉系统智能性。当图像底层信息不足时，这些仅基于数据驱动的分割模型无法达到令人满意的结果。尽管某种具体图像分割方法不可能满足所有图像分割要求，但利用尽可能多的高层与底层信息，将图像分割成有意义和人们所期望的区域始终是研究者所追求的目标。图像分割问题的数学建模和计算中有两个关键因素。第一是建立合适的分割模型将分割边界和分割区域的作用有效结合。第二是利用最有效的方法将分割边界和分割区域的几何特征统一到分割模型中。基于变分原理的主动轮廓图像分割将图像视为连续函数。这就使得研究者可以从连续函数空间角度来研究图像分割问题。这同时也为研究者提供严格的数学工具，如微分几何、泛函分析和微分方程等。为此它能很好的解决上述两个问题。第一，Mumford-Shah(M-S)模型为基于变分的主动轮廓分割模型提供了一完整的数学理论框架，并且Mumford-Shah模型从信息论的角度也能得到合理解释。第二，水平集方法能有效的表示分割边界和分割区域的几何特征。与其它方法相比，变分主动轮廓在理论和实际计算过程中都具有显著的优势。首先它能直接处理和表示各种重要的几何特征，如梯度、切向量、曲率等，并且能有效模拟很多动态过程，如线性和非线性扩散等。再则其可以利用很多已有的丰富数值方法进行分析和计算。本文基于变分原理与偏微分方程方法，利用主动轮廓模型具有结合底层图像信息与高层先验知识的特点，将特定先验知识与主动轮廓分割模型进行有效结合以弥补底层图像信息的不足，从而使主动轮分割廓模型具有更强的智能性。本文主要从两点对变分主动轮廓分割模型展开了研究：1、演化轮廓的形状约束；2、演化轮廓的梯度下降流约束及其滤波实现。其主要工作包括以下四个方面的内容：第一，基于M-S模型和样条曲线的开边界检测。本章通过对演化轮廓引入合理边界条件，利用样条曲线表示待检测的开曲线，将一般开曲线的检测问题变为合理的图像分割问题，从而达到一般开曲线检测目的。此方法称为开扩散蛇模型。一般开曲线的检测具有很多应用领域，如：河流、道路、天际线、焊缝等检测。第二，方差主动轮廓模型。在目标跟踪应用中，跟踪目标的主要运动形式表现为平移。本章将此作为一种先验知识与主动轮廓模型结合，提出了一种方差主动轮廓模型(HV)。此模型的特点是轮廓在演化过程中具有平移优先和快速的良好特性。它比已有的主动轮廓模型更适于自动目标跟踪领域。第三，基于M-S模型和隐式曲面变分方法的一般梯度下降流滤波器。本章为一般梯度下降流求取提供了统一框架及解决方法。首先本章将H0梯度下降流和一般梯度下降流统一到Mumford-Shah模型框架中，从而将一般梯度下降流的求取转换为一个极小化泛函问题，并利用隐式曲面变分方法对此极小化泛函进行求解。另外本章从滤波器设计角度出发，通过对H0梯度下降流滤波可以得到一般梯度下降流。滤波器的实现体现了内嵌于一般梯度下降流的先验属性。根据此思想，本章将对应于HV和H1主动轮廓的內积空间顺序组合，对H0梯度下降流进行顺序滤波，提出了一种既具有全局平移优先性又具有局部光滑速度场的主动轮廓，称为HV1主动轮廓。它将H0，H1和HV主动轮廓统一起来。第四，形状保持主动轮廓模型及其应用。针对某些特定目标的检测，本章提出了形状保持主动轮廓模型。此模型能够达到分割即目标的目的，同时能够给出目标的定量描述。基于此模型，本章实现了具有椭圆、直线和平行四边形轮廓特征目标的检测。椭圆形状约束用于眼底图像分割。直线和平行四边行分别用于自动目标识别中的天际线检测和机场跑道跟踪。

动态有序变化的阈值曲面方法

对于背景灰度不一致的图像的二值化问题,可采用在图像的不同区域选取不同阈值的动态阈值曲面方法解决。本文提出一种有序变化的动态阈值曲面方法,通过选取三个动态变化调节系数,使曲面动态地逼近阈值分割的最佳值,同时又降低曲面的误分割,能较好地提取二值图像。

一种基于知识的自然景物解释

利用我们研制成的基于知识的区域分析系统,我们对自然景物图象做了分析、解释。本文介绍:(1)图象初始分割;(2)图象特征提取;(3)规则集构造。这里,图象初始分割采用的是模糊域方法,它基于Fuzzy C-means 算法,并在此基础上修改了收敛准则,增加了迭代分割功能。图象特征分为主持征及从特征,它们建立在层次化的区域数据结构上。适合于区域分析的规则集已包括三类规则,它们不仅具有较强的知识表示能力,而且易于控制及利用。本文介绍针对包括天空、道路、树木、建筑物等物体的简单景物图象所做的解释实验,并给出了实验结果.

Spatiotemporal segmentation based on two-dimensional spatiotemporal entropic thresholding

A novel spatiotemporal segmentation technique is further developed for extracting uncovered background and moving objects from the image sequences, then the following motion estimation is performed only on the regions corresponding to moving objects. The frame difference contrast (FCON) and local variance contrast (LCON), which are related to the temporal and spatial homogeneity of the image sequence, are selected to form the 2-D spatiotemporal entropy. Then the spatial segmentation threshold is determined by maximizing the 2-D spatiotemporal entropy, and the temporal segmentation point is selected to minimize the complexity measure for image sequence coding. Since both temporal and spatial correlation of an image sequence are exploited, this proposed spatiotemporal segmentation technique can further be used to determine the positions of reference frames adaptively, hence resulting in a low bit rate. Experimental results show that this segmentation-based coding scheme is more efficient than usual fixed-size coding algorithms. (C) 1997 Society of Photo-Optical Instrumentation Engineers.

A Method Based on Digital Image Analysis for Measuring the Strain Field of Deformed Sheet

对薄板成形应变场传统的测量方法进行了研究,指出了其不足和误差的来源,提出了数字图像分析法测量薄板成形中的应变场,对测量原理、新的测量方法对传统方法的改进,以及如何降低误差进行了介绍,指出数字图像分析法的前景,提出了改进意见。