简介：针对MSATR图像分割问题,给出了一种基于高阶灰度矩的处理算法.首先深入分析了MSTAR图像的统计分布特性,并对目标、阴影,以及背景区域分别建立了相应的描述模型,在此基础上,构造了高阶灰度矩特征.通过将原始图像变换到高阶灰度矩形式,显著增强了目标区域与阴影、背景区域的差异性,进而依据不同的阈值化策略,实现了MSTAR图像中目标、阴影和背景区域的分割.对MSTAR图像的实验结果表明,与恒虚警率(CFAR)、最大类间方差(OTSU)、模糊C均值(FCM)和马尔可夫随机场(MRF)等常用分割算法相比,本文算法不需进行噪声抑制处理,且在分割效果和鲁棒性等方面性能更好.同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性.

简介：数字图像处理技术的应用，有力地促进了缺陷定量分析与射线检测的自动化。但大多数射线检测图像噪声大、对比度不高、存在较大的背景起伏，缺陷图像的准确分割、提取则成为实际应用中的难点和关键。射线图像中缺陷的存在，在其邻域形成灰度差异；可由边缘检测方法得到相应的边缘点（奇异点）。在图像边缘检测中，一般认为在较大空间尺度（边缘检测模板）下能可靠消除误检，得到真正的边缘点，但不易对边缘精确定位：在较小尺度下对真正的边缘点定位比较准确，但对噪声敏感，误检的比例会增加。多尺度小波分析的引入，可得到比较满意的结果。用不同的小波基分析同一个问题会产生不同的结果，因此小波分析在工程应用中的一个十分重要的问题是如何选取最优小波基。双正交小波基具有紧支性和线性相位：紧支性表明不需做人为的截断，应用精度很高；线性相位可避免信号在分解和重构时的失真；小波基连续可微，这对于有效发现信号的奇异点是必要的。

简介：针对SAR图像的目标自动分割问题,在分析非下采样轮廓波变换(nonsubsampledcontourlettransform,NSCT)和脉冲耦合神经网络(pulsecoupledneuralnetworks,PCNN)的基础上,提出了一种基于非下采样轮廓波域特征图和PCNN的SAR图像目标分割算法.对SAR图像经过NSCT分解后的高、低频图像分别运用不同方式进行处理.利用PCNN对低频图和高频子带特征图分别进行分割,获取了目标所在的区域及目标的精细结构.利用MSTAR数据进行了仿真实验,并与基于模糊C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对SAR图像目标的分割结果更为准确,同时较其他算法具有更强的抗噪性能.

简介：Chan和Vese提出了一种水平集方法解动态轮廓曲线方程用于图像分割，该方法不需要由图像梯度分布所给出的边界。该算法基于Mumford—Shah能量最小方程而发展的，有两个主要的局限性，一是只能处理在直方图中为双峰的图像，即只能将图像分割为两种区域，二是该方法在解非线性偏微分方程中采取平均曲率演化方法时特别耗时。