中药光谱成像图像自适应区域增长分割方法

为了消除背景噪声对药材光谱图像检测结果的干扰,根据中药材光谱图像的特点,设计一种能够自适应对中药材光谱图像进行有效区域(ROI)分割的区域增长算法。该区域增长算法根据药材光谱图像的灰度直方图分布来自动选取种子点和分割阈值,在生长的同时进行连通性分析,生长结束后通过区域填充技术来消除图像中出现的孔洞。实验表明:该方法能够自动、准确地进行ROI分割,分割偏差小于8%,并且能较好地消除噪声的干扰,没有产生无意义的生长区域。     

X光图像中缺陷的自动提取方法研究

针对炭素制品X光图像的特点,对其缺陷的提取技术进行了研究,提出了基于迭代的阈值构造方法和基于数学形态学的边缘提取算法。为快速准确地提取缺陷,设计了目标边界提取算法和基于小波变换的图像增强算法,实现了原始图像中目标区域的增强及其背景的去除。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从目标区域中提取出缺陷区域,并在迭代阈值分割的基础上,利用基于数学形态学的边缘提取算法提取了缺陷的边缘。实验结果表明,该法很好地实现了缺陷区域及其边缘的自动提取,且受噪声影响很小,为进一步的缺陷特征参量的提取与选择奠定了良好的基础。     

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。     

透明液体中低对比度杂质检测方法的研究

针对人工检测效率和准确率低的不足,分别在图像预处理和检测算法上进行了研究分析,提出了基于加窗的小波变换的杂质检测方法。获取的图像采用高斯同态滤波来提高图像的对比度,然后利用基于加窗的小波变换来提取图像中杂质的边缘特征点,最后采用迭代阈值分割方法来分割目标和背景并通过显示结果中有无亮色区域来判断透明液体中是否含有杂质,若显示有亮色区域,则判此亮色区域为杂质。实验结果表明,此方法比现有的其他检测算法较好的判断出了细小而低对比度的杂质,也较好的去除了外界干扰,避免了漏检微弱边缘的问题,提高了检测效率和准确率。     

基于多图谱配准的三维胰腺CT图像分割

胰腺的自动分割一直是医学图像分割中一项具有挑战性的问题。胰腺是一个具有高度解剖变异性的器官,目前的多图谱分割方法很难对胰腺的边缘产生精确的分割。针对这一问题,采用了基于多图谱配准的分割算法对胰腺进行分割,优化了一种局部动态阈值的后处理方法。在标签融合阶段,采用概率阈值融合算法、Majority voting(MV)算法、STAPLE算法和SIMPLE算法四种标签融合算法进行对比。在后处理阶段,采用局部动态阈值处理方法,首先通过初步分割结果对目标图像提取目标区域,然后自动确定阈值实现该区域的二值化,最终与初步分割结果取交集作为最终分割结果。采用留一交叉验证策略对80例NIH胰腺CT图像和22例来自上海本地医院的胰腺CT图像进行分割,最终得到的DSC分别为79.98%和81.30%。实验结果表明,所提方法实现了对胰腺的有效分割。     

一种快速的图像边缘精确提取算法

图像边缘检测是图像处理与分析中最基础的内容之一。现有的边缘检测算法存在检测精度低、抗噪性能差、处理速度慢等缺点。针对这些问题,提出了一种快速图像边缘检测算法。通过基于图像边缘信息的阈值分割,能快速地提取出图像的边缘轮廓,通过对其进行中心细化,可达到对物体边缘精确定位的目的。仿真实验证明,该算法在滤除图像噪声、保留细节边缘、细化边缘宽度和保持边缘连通性方面都获得了不错的效果,并且运算量小,既适用于对视频图像的实时处理,也适用于对图像中的隐蔽目标特征的提取和分析。     

改进图像阈值分割算法的研究

研究了利用阈值对图像进行分割的一般算法。根据图像的特点,从不同的数学角度对阈值的选取进行了分析,改进了基于图像灰度统计特征的边缘强度分割和逐次逼进的阈值迭代算法,并尝试采用多个阈值进行局部分割的算法。对分割结果的对比分析表明,改进后的算法在分割的完整性和一致性上具有更好的效果。     

一种基于强边缘块的时域多分辨率图像分割算法

针对序列图像的变化检测,提出了一种基于强边缘块的时域多分辨率图像分割算法.首先在具有明显边缘特征的图像序列中,提取图像强边缘块的直方图,然后,利用时域多分辨算法,比较不同帧之间的图像差异.这种方法不但能够检测出图像的变化,而且能够确定图像变化的类型.在阈值的选取过程中,采用了自适应阈值方法,实验证明这种方法取得了较好的效果.     

基于对称差分和光流估计的红外弱小目标检测

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。     

基于形态学的复杂背景目标检测算法的研究

复杂背景下目标检测存在诸多困难,主要为背景对目标检测的干扰,大量噪声存在导致传统导数边缘检测方法的失效等。针对上述两点,提出了分割区域图像、利用形态学方法检测目标的新算法。首先利用目标与背景灰度差异性来确定目标的大致区域,将其分割出来,然后再结合多结构元素法进行目标的精确检测。通过与原图像分割、聚类算法分割实验比较,该算法具有较好的抗干扰性和抗噪性能。     

基于感兴趣区域的海洋卫星遥感图像压缩算法

针对海洋监视卫星遥感图像的特点,提出了一种基于感兴趣区域的自适应遥感图像近无损压缩算法。该算法利用红-黑小波提升方法检测出目标的边缘,采用阈值法将目标和背景分割,使用外接矩形来描述目标,从而自动确定感兴趣区域。感兴趣区域采用Rice无损熵编码方法,背景区域采用比特平面编码的有损压缩方法。实验结果表明,该算法能有效地划分感兴趣区域,其压缩比较无损压缩有了很大提高,目标无失真,整幅图像的峰值信噪比都在40dB以上。算法的计算复杂度较低,易于硬件实现,而且还具有自适应性和数据包独立的优点,适合于海洋监视卫星遥感图像近无损压缩应用。     

改进Canny算法的红外人脸图像边缘轮廓提取

红外人脸图像的边缘轮廓特征对于红外人脸检测、识别等相关应用具有重要价值。针对红外人脸图像边缘轮廓提取时存在伪边缘的问题,提出了一种改进Canny算法的红外人脸图像边缘轮廓提取方法。首先通过对引导滤波算法引入“动态阈值约束因子”替换原始算法中的高斯滤波,解决了原始算法滤波处理不均匀和造成红外人脸图像弱边缘特征丢失的弊端;接着对原始算法的非极大值抑制进行了改进,在原始计算梯度方向的基础上又增加了4个梯度方向,使得非极大值抑制的插值较原始算法更加精细;最后改进OTSU(大津)算法,构造灰度-梯度映射函数确定最佳阈值,解决了原始算法人为经验确定阈值的局限性。实验结果表明:提出的改进Canny算法的红外人脸轮廓提取方法滤波后的图像,相较于原始Canny算法滤波处理,信噪比性能提升了34.40%,结构相似度性能提升了21.66%;最终的红外人脸边缘轮廓提取实验的优质系数值高于对比实验的其他方法,证明改进后的算法对于红外人脸图像边缘轮廓提取具有优越性。     

基于局部熵的图像过渡区边缘检测算法

提出了一种新的红外目标边缘检测算法,利用局部熵值分析法和过渡区提取相结合的方法,通过Top-hat与Bottom-hat变换,建立有效平均熵和对应灰度值的曲线关系,选择合适的阈值,在此基础上执行形态学闭合操作.仿真结果表明,该方法在去除不必要的细节的同时,能很好地提取目标的边缘信息.     

基于迭代拟合的集装箱角件边缘检测算法

噪声通常是影响集装箱角件图像中低层次语义信息提取精度的重要因素,传统的边缘检测算法通常通过改进滤波器和阈值来消除图像中的物理噪声和环境噪声,但是却无法去除边缘检测后的噪声,为解决这一问题,提出了一种基于迭代拟合的边缘检测算法。首先,对角件图像进行一系列预处理操作获取边缘点集,其次,使用拟合算法处理点集并且得到函数表达式,然后定义偏差值度量并计算,用于衡量目标点集到拟合或者检测结果的偏差,最后,去除定义下距离拟合结果最远的指定数量的点,如此迭代拟合直至评价函数收敛。实验结果与分析表明,该算法可以有效地去除边缘点集中的非真实边缘点,相比于传统的边缘检测算法更能去除特殊噪声,算法具有收敛速度快、准确率较高、灵活性好等特点。     

一种基于梯度方向直方图的直线轮廓提取新方法

直线轮廓检测是计算机视觉领域中的一个基本问题。在靶场光测图像分析中,通过提取导弹、火箭等目标的直线轮廓,可以得到目标的三维姿态参量。提出了一种基于梯度方向直方图的直线轮廓提取新方法。梯度方向直方图被定义为具有相同梯度方向的图像点的梯度幅值之和。利用梯度方向直方图可以很方便地确定图像上边缘方向,根据此方向可在图像上搜索直线边缘的位置。由于同时利用了梯度的幅值和方向信息,所以该方法能自动地提取直线边缘而无需阈值。通过在实际图像中提取直线边缘,证明了该方法的有效性。     

最小核值相似区低层次图像处理算法的改进及应用

首先介绍一种能有效地进行边缘、角点检测和滤波等低层次图像处理的最小核值相似区算法,然后提出自适应阈值的选取方法,局部区域灰度重心判据对其算法的改进使得边缘检测算法抗噪能力更强。针对序列图像的具体应用,用改进的边缘检测算法能准确、快速地从噪声图像中得到较准确的边缘信息,用滤波算法对序列图像作预处理,可使互相关跟踪结果更可靠、更准确。     

基于直方图均衡化的Robinson图像边缘检测算法

针对图像边缘检测,现有Robinson相关算法存在效率低、阈值设定随机性大、易出现伪边缘等问题,提出一种改进Robinson的图像边缘检测算法。该算法利用直方图均衡化对图像进行增强,然后将Robinson算子原有的八方向梯度依照两两垂直原则组合为八组,分别计算每组梯度的范数,并取其最大值作为该像素点的梯度。最后取整幅图像的灰度均值作为阈值来识别图像的边缘像素和背景像素。实验表明,相对于现有相关算法,该算法检测结果更加清晰完整,同时避免了传统算子人为设定阈值随机性大的问题。     

高能闪光照相中Sobel算子的边缘检测方法

 针对高能闪光照相中投影图像的特点,对数字图像处理中具有代表性的Sobel边缘检测算法进行了分析,发现该算法存在检测出的边缘粗和人为进行阈值的选取会造成边缘点的误判的缺点;为此提出了一种阈值确定方法和基于最大梯度的定位准则算法。改进的算法实测结果表明：该方法有效地解决了Sobel算子检测出的边缘过粗的问题,得到的边缘较细,定位精确,提高了边缘检测精度,可用于高能辐射照相中的边缘提取。     

SLEE算法与Hough圆拟合在香烟小包拉线错牙检测中的研究

针对香烟生产中广泛存在的小包拉线错牙问题,提出一种基于图形识别的检测方法。利用图像校正、平滑滤波、迭代阈值分割、边缘提取对拉线图像进行预处理,再采用随机霍夫变换(RHT)对两个拉线U型切口进行圆拟合,进而根据两个圆心在垂直方向上的距离计算出拉线错牙偏移量。针对Sobel、Canny等获取的边缘存在较多冗余信息问题,提出了一种扫描线边缘提取(SLEE)算法。实验结果表明所提方法能有效地检测出烟包拉线的错牙程度,误差小于0.3mm且具有较好的鲁棒性。     

彩色图像边缘检测及其在图像融合中的应用

提出了一种新的基于小波变换的彩色图像边缘检测方法,运用噪声和微弱边缘的识别以及动态双域值的选取,使得检测出来的边缘定位精度高,抑制噪声性能好。利用基于区域特征的信息融合策略,比较待融合图像的边缘点的值和区域能量特征值,选择特征突出者对应的原始图像区域组成融合结果。实验结果表明,该算法可以良好地保留两幅图像的细节信息,得到高质量的融合图像。