一种基于Sobel与K-means的边缘检测方法

传统边缘检测算子处理结果为边缘锐化的梯度图像,需人为确定阈值获取二值边缘图像,容易造成边缘信息丢失。应用增加了卷积模板的Sobel算子,使用K-means聚类算法基于梯度直方图自适应获取阈值,并分割梯度图像得到二值化边缘,最后对边缘细化与连接。通过使用最大类间方差法检验阈值与边缘检测结果对比分析,该方法自适应梯度阈值定位准确,所得边缘信息丰富度、定位精度、连续性均优于改进Sobel算子,与最佳阈值Canny算子检测结果基本相同,适用于机器视觉均匀稳定照明环境下获取图像的边缘检测。     

基于直方图的感兴趣区图像边缘检测

当图像中的某些区域具有比其它部分更高的重要性时,基于感兴趣区域(ROI)的边缘检测功能就尤为重要。但是当前大部分算法均针对图像整体检测,这在一定程度上会影响对ROI区域的检测效果。针对该问题,提出一种基于ROI的边缘检测算法。新算法首先利用修正后的图像直方图特征选取ROI区域的分割阈值,然后根据分割阈值从背景中分离出ROI区域,最后选择最优边缘检测算子,完成基于ROI的边缘检测。实验结果表明:新算法能够更好的支持对ROI区域的边缘抽取。     

一种视频运动目标精确分割新算法

针对视频图像中单个运动目标的分割问题,提出了一种基于Kirsch边缘算子的视频运动目标分割算法,该算法将Kirsch算子检测到的边缘作为主分割信息,运动矢量场作为次要分割信息。首先利用双重尺度的运动矢量场进行累加和滤波处理来获得辅助分割信息;然后将Kirsch算子的模板分解为差值模板和公共模板以提高边缘的抗噪性;最后用自适应状态标记的方法将边缘信息和运动矢量信息相融合来准确地分割运动目标。实验结果表明该方法分割比较精确。     

基于小波变换的分水岭图像分割方法

图像分割技术在数字图像处理中占有重要地位.提出了一种基于小波变换的图像分割方法,有效地将小波分析、小波包分解与数学形态学中的分水岭方法相结合.首先,通过小波包对图像有效降噪,在一定程度上减少了分水岭方法的过分割现象.然后利用小波变换得到的梯度向量进行分水岭变换,有效保持边缘信息.实验结果证明该算法是可行的,与基于形态梯度的分割结果相比,得到了较好的分割效果.     

不同转换方式对三角函数算子分割效果的影响

 提出了一种新的图像分割算法－三角函数算子,它是一种基于光学干涉原理的快速图像分割方法,并分析了其硬件实现装置。在该算子的运用中需要将输入图像的强度信息转化为相应的相位信息。定义了不同的强度-相位转换方式,例如线性方式、对数函数方式、正切函数方式、反正切函数方式等。通过数值计算,研究了不同转化方式对三角函数算子分割效果的影响。结果显示,不同的转换方式及其参数,都直接影响该算子的分割效果和边缘类型分辨能力。分析表明,在对数S形函数方式下,不但能够检测阶梯状和脉冲状等类型的边缘,还能够检测出屋顶状边缘。     

高分辨率遥感图像耕地地块提取方法研究

利用高分辨率遥感图像的光谱信息提取耕地地块对于土地利用动态监测、精准农业等领域有着非常重要的意义,然而传统的结合GIS软件与手工数字化提取地块的方法费时费力,并且具有很大的主观性,因此利用计算机自动提取地块具有很强的现实意义。文章提出了一种基于小波变换和分水岭分割的高分辨率遥感图像耕地地块提取方法,首先结合高分辨率层遥感图像的光谱信息,利用图像分类结果对原始图像中典型地物的灰度值进行对比增强处理,然后进行小波变换和分水岭分割,通过改进的区域合并算法解决过度分割问题,最后利用Canny算子引入边缘信息,得到最终的耕地地块分割结果。通过对北京地区Quickbird数据的应用,准确快速的提取了耕地地块数据,证明该方法是一种有效、可行的高分辨率遥感图像耕地地块提取方法。     

一种改进的基于分水岭的图像分割算法

针对分水岭算法过分割现象,提出一种综合分水岭算法、中值过滤算法和归一化割算法的改进算法。该算法首先应用改进型的中值过滤算法对图像进行适当的除噪;然后通过分水岭变换对图像进行了初步分割,最后使用归一化割算法进行图像精度分割。算法集合了分水岭算法、中值过滤算法及归一化割算法的优点,既较好地解决了分水岭算法中过度分割的问题,又降低了归一化割算法的时间复杂度。实验结果表明该算法是一种切实可行的图像分割方法。     

中阶梯光栅光谱仪谱图背景去除算法

中阶梯光栅光谱仪凭借交叉色散特性实现全谱瞬态直读,面阵探测器接收的二维光谱图像需要还原成一维谱图以提取有效波长。由于二维谱图含有庞大的数据,且有效信息仅占极小比例,因此在谱图还原前进行背景去除能够减小数据量、提高运算速度。详细分析了中阶梯光栅光谱仪二维图像的特点,并针对其特点提出了背景去除算法。将图像边缘检测方法应用于弥散光斑的检测中,选择合适的边缘检测算子与原始图像卷积得到边缘图像,设置边缘图像的全局阈值对其进行二值分割,最终利用二值边缘图像映射原始图像得到去除背景的二维谱图。依据不同元素灯在不同积分时间下所拍摄的谱图,对比不同边缘检测算法的背景去除效果,分析了各算子对算法速度、精度的影响。实验结果表明本文提出的算法运算简单、边缘图像阈值易于计算、目标提取精度高,处理后的图像可以与谱图还原算法有效对接,谱图处理速度显著提升。     

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.     

一种改进的粘连细胞分割方法

在细胞图像制作过程中,由于设备或人为原因,经常会出现细胞粘连程度分布不均匀的情况,从而影响分割的效果,用分水岭方法进行图像分割时,容易造成图像的过度分割。为了克服这种缺点,提出改进的图像分水岭分割的方法。该方法先用改进的中值滤波对图像进行预处理,在去除噪声的同时很好的保持物体轮廓和细节;以传统标记提取为基础,以标记点为区域极小值对图像进行分水岭分割。实验结果显示,该方法能很好地抑制过度分割,使分割得到了较好的效果。     

一种基于分水岭的连接米粒自动分割算法

在连接米粒的分割中,分水岭分割算法对一个米粒经距离变换后常存在多个局部极小值而产生过分割.为解决该问题,应用形态学膨胀将检测的邻近的局部极小值合并成一个区域,使每个米粒内部只有一个局部极小值,再用分水岭算法进行分割.实验结果表明,对长江米、圆江米和粳米3个品种籽粒,提出的算法分割正确率分别达到87%、93%和92%,获得了满意的分割效果.     

传统解剖学特征与深度学习相结合的肺叶分割算法

CT图像中肺叶位置的确定对于肺部疾病的准确定位以及定性定量分析具有重要意义。为了提高肺叶自动分割准确率,提出了一种结合气管,血管等传统解剖学特征以及深度学习的肺叶分割算法。对原始图像进行预处理,获取肺实质、气管、血管以及基于深度学习网络的肺裂分割结果;整合来自多个解剖结构的信息生成分水岭分割所需成本图像;通过基于深度学习网络的肺叶粗分割结果,获取肺叶标记区域;执行基于标记的分水岭分割,实现肺叶的自动分割。选取了来自上海市肺科医院的20例含有肺部疾病患者的CT图像对该方法进行验证,最终的Jaccard相似性系数为92.4%。实验结果表明方法具有较高的肺叶分割精度,并且具有较强的鲁棒性。     

基于最小平均距离免疫算法的模糊红外图像分割

由于犯罪分子利用各种方法来避开传统的刑侦图像技术,因而红外图像逐渐成为获取犯罪现场痕迹的有效手段。然而,从犯罪现场拍摄的红外图像其目标痕迹大多是弱化的,所以在这类红外图像中分割目标是一项具有挑战性的任务。已有基于生物免疫的各类算法尚未明确描述免疫分割作用领域,以及免疫网络算法模型中的免疫识别距离。为实现对目标痕迹弱化红外图像的有效分割,提出了一种新的具有免疫作用领域和最小平均免疫识别距离的人工免疫构架,设计了一种具备最小平均距离免疫域的免疫分割算法。该方法根据红外图像的特点,采用多步分类算法、免疫变异和自适应免疫最小均距识别方法,根据目标区域和背景区域的总体统计特性实现最佳分类。实验结果表明,提出的基于最小平均距离的免疫算法能够有效地分割目标弱化的红外图像。与经典的边缘模板和区域模板方法相比,该算法具有更好的分割效果,尤其是针对目标弱化红外图像的分割,该算法能够较好地给出五个手指的边界轮廓。     

彩色分割的航空影像房屋自动检测

航空影像房屋提取方法的研究中大多基于灰度影像的区域生长算法,此类算法不仅忽略了不同材质的房屋所呈现的光谱特征对提取结果的影响,而且过于依赖种子像素的选取,处理效率不高。为了从高分辨率航空影像中实现房屋的自动检测,综合利用彩色信息与屋顶材料的光谱特征,采用影像分割原理,研究了房屋自动检测的方法。首先对RGB与HIS彩色空间进行转换,利用HIS空间各分量间不相关的特点和屋顶材料光谱特征进行影像分割,分离出红色瓦片屋顶与灰色水泥屋顶区域,并利用标记分水岭算法实现房屋区域的初始分割;然后计算各标记区域内的色调均值选取种子像斑样本,进而以像斑为单元在色调分量中进行区域生长,最后经过消除小斑和矩形拟合优化处理,得到轮廓清晰的房屋区域。与传统的基于像素区域分割算法相比,该方法整个过程无需人工干预且均在一维彩色空间进行处理,计算量明显降低,同时采用改进的基于像斑区域生长算法能够兼顾邻近区域内像素的几何结构信息,使算法精度得到显著提高,采用上述方法对高分辨率航空影像进行了实验,结果证明该方法有着较高的处理效率和准确性,具有实用价值。     

基于区域进化的区域增长图像分割

为克服经典区域增长算法中门限选择困难、分割稳定性不高与串行处理速度慢的不足,提出了基于区域进化的快速区域增长图像分割算法。引入了新的区域能量表示模型,并给出了迭代进化形式。在区域增长过程中,逐渐增加区域增长的门限,通过对能量函数的动态优化来逼近最佳分割结果。仿真实验表明,该方法能有效地避免经典区域增长算法中门限选择的困难,采用区间连通处理技术代替单一像素串行迭代处理方式,可使分割速度提高十多倍。     

基于形态学水线区域的深度图像分割

深度图像分割是基于特征关系图匹配的曲面物体识别中的关键技术之一,针对已有深度图像分割方法存在的问题,提出了一种基于二值形态学的水线区域增长算法对深度图像进行分割。首先用结构元素迭代腐蚀深度图像形成距离图像;然后根据距离图像计算极限腐蚀的集合,提取出目标的种子点;最后用条件粗化从种子点开始生长回到原尺寸但不使各区域相连,完成深度图像的分割。实验证明,算法的分割结果与人的主观视觉感知具有良好的一致性。     

基于视觉注意机制的感兴趣区检测

提出了一种基于视觉注意机制的感兴趣区检测方法：使用分水岭方法分割图像区域;根据生物的视觉注意机制特性,选用中央周边差的采样方式提取图像特征,将不同维的图像特征融合为显著图;显著点经过竞争得到的注意焦点作为分水岭分割的种子点,然后融合显著图和分水岭分割区得到感兴趣区;遵循返回抑制和邻近优先的准则选择并转移注意焦点,从而计算区域的重要性或兴趣度.实验结果表明该方法符合生物的视觉注意机制,在自动检测感兴趣区时可以有效减少过分割,也能较好的处理大对象.