基于图像纹理的纸张计数算法设计

纸张等薄片的计数在工业生产中使用得非常普遍,而传统的纸张计数方法大多是通过专门的机械装置甚至人工来完成的,具有成本高、体积大、效率低、准确率低等各种突出问题,迫切需要改进。针对彼此平行放置的纸张,提出了一种沿其放置方向概率统计的算法,在采样位置处统计正交于放置方向的纸张数目,最后选取出现概率最大的一个数据作为统计结果。考虑到纸张之间彼此不平行且出现重叠的情况,提出了一种全局轮廓的统计算法,经过预处理,对纸张边缘轮廓统计计数。实验结果表明,该算法有效地克服了因为遮挡和重叠而引起的统计错误。     

Feasibility of similarity coefficient map for improving morphological evaluation of T2* weighted MRI for renal cancer

The purpose of this paper is to investigate the feasibility of using a similarity coefficient map(SCM) in improving the morphological evaluation of T2* weighted(T2*W) magnatic resonance imaging(MRI) for renal cancer.Simulation studies and in vivo 12-echo T2*W experiments for renal cancers were performed for this purpose.The results of the first simulation study suggest that an SCM can reveal small structures which are hard to distinguish from the background tissue in T2*W images and the corresponding T2* map.The capability of improving the morphological evaluation is likely due to the improvement in the signal-to-noise ratio(SNR) and the carrier-to-noise ratio(CNR) by using the SCM technique.Compared with T2* W images,an SCM can improve the SNR by a factor ranging from 1.87 to 2.47.Compared with T2* maps,an SCM can improve the SNR by a factor ranging from 3.85 to 33.31.Compared with T2*W images,an SCM can improve the CNR by a factor ranging from 2.09 to 2.43.Compared with T2* maps,an SCM can improve the CNR by a factor ranging from 1.94 to 8.14.For a given noise level,the improvements of the SNR and the CNR depend mainly on the original SNRs and CNRs in T2*W images,respectively.In vivo experiments confirmed the results of the first simulation study.The results of the second simulation study suggest that more echoes are used to generate the SCM,and higher SNRs and CNRs can be achieved in SCMs.In conclusion,an SCM can provide improved morphological evaluation of T2*W MR images for renal cancer by unveiling fine structures which are ambiguous or invisible in the corresponding T2*W MR images and T2* maps.Furthermore,in practical applications,for a fixed total sampling time,one should increase the number of echoes as much as possible to achieve SCMs with better SNRs and CNRs.     

瞳孔检测仪的研究及其光学系统设计

研究了一种双眼瞳孔检测仪,进行了光学系统的设计和理论计算.采用低照度CCD摄像机摄取在近红外和可见光照明情况下的瞳孔像,利用形态学等算法处理图像,可对图像进行直径精确检测和动态分析.实验表明,该仪器在0~200 lux照度级下的测量精度可达0.01 mm,完全可以满足眼科手术的精度要求.     

基于数学形态学的Contourlet变换域图像降噪方法

提出了一种基于数学形态学的Contourlet变换域图像降噪方法.首先对输入的带噪图像进行多尺度、多方向的Contourlet稀疏变换,然后利用数学形态学算子在Contourlet域对高频系数进行处理,去除图像中具有较小支撑域的噪音,有效保留具有连续支撑域的图像边缘信息.最后通过Contourlet反变换得到预降噪图像.仿真结果表明,该方法较一般的Contourlet域收缩阈值降噪方法的降噪效果好,提高了PSNR值并降低了MSE值,获得更好的图像恢复质量.     

自适应尺度信息的U型视网膜血管分割算法

针对视网膜血管形态结构和尺度信息复杂多变的特点,提出一种自适应血管形态结构和尺度信息的U型视网膜血管分割算法。首先采用二维K-L(Karhunen-Loeve)变换(即霍特林变换)综合分析彩色图像三通道的频带信息,从而得到视网膜灰度图像以及多尺度形态学滤波增强血管与背景的对比度信息。然后将预处理图像经U型分割模型对图像进行端对端训练,并利用局部信息熵采样进行数据增强。该网络编码部分的密集可变形卷积结构根据上下特征层信息有效地捕捉图像中多种尺度信息和形状结构,底部金字塔型的多尺度空洞卷积扩大局部感受野,同时解码阶段带有Attention机制的反卷积网络将底层与高层特征映射有效结合,解决权重分散和图像纹理损失的问题。最后通过SoftMax激活函数得到最终的分割结果。在DRIVE(Digital Retinal Images for Vessel Extraction)与STARE(Structured Analysis of the Retina)数据集上对该算法进行了仿真,准确率分别达到97.48%与96.83%,特异性分别达到98.83%与97.75%,总体性能优于现有算法。     

基于数学形态学的像增强器缺陷的图像检测方法

介绍了一种利用图像阈值分割和数学形态学噪声处理的像增强器缺陷的检测方法,通过对阈值分割二值化后的缺陷图像进行形态滤波,达到了自动检测缺陷的目的。该方法不受缺陷形状和位置的影响,能够快速准确的识别出其缺陷,自动判别缺陷的准确性和实际用人眼观察缺陷的结果相一致。实验结果证明了该方法在实际应用中的可行性。     

基于差分交集的视频对象分割与跟踪算法

视频对象分割算法的性能好坏将直接影响MPEG 4编码产品的质量。连续两次差分后自适应处理,对差分图像取交集获得运动对象的边界,形态学处理后最终获取运动目标。基于改进的Hausdorff距离度量法对后续帧中视频对象进行跟踪。实验结果证明,该方法能够从背景不变的图像序列中较好的提取出运动对象,具有较强的鲁棒性。     

一种抗干扰的弱小目标检测方法

针对低信噪比灰度图像中弱小目标的检测问题,提出了SUSAN特征检测原则与数学形态学方法结合的小目标检测方法.该方法首先采用SUSAN原则利用图像灰度级直接提取特征,利用形态学算子去除噪声、分离目标.给出了应用实例,实验结果表明,这种方法抗干扰能力强,能够快速、可靠地检测出小目标.     

一种基于局部最小代价分水岭变换的图像分割新方法

利用数学形态学的基本理论,提出了一种基于局部最小代价分水岭算法的图像分割新方法. 该方法应用数学形态学的腐蚀、膨胀及坎尼(canny)算子将图像中包含外边沿的部分分割出来;对该局部区域进行最小代价的分水岭变换;提出了解决过度分割问题的一些准则. 实验结果表明,该方法不但节省运行时间,而且其能够提取出目标的完整精确的外轮廓边沿,从而在某些特定的应用领域具有独特的优势.