首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 203 毫秒
1.
针对贴片机视觉检测系统中QFP芯片图像的边缘检测问题,提出一种基于灰度直方图确定阈值的新方法.采用图像分割→图像去噪→边缘提取等图像处理步骤有效完成了QFP芯片针脚边缘轮廓的完整提取.实验证明,整个边缘提取过程快速有效,效果良好,满足了贴片机视觉检测系统高速、高精度的要求.  相似文献   

2.
Chan-Vese模型下的复合多相水平集图像分割   总被引:1,自引:0,他引:1  
Chan-Vese模型(C-V模型)能够实现图像的二区域分割,但在多区域分割上存在局限. 目前解决C-V模型多区域分割问题有两种方案:一是采用多水平集同时收敛的并行多相分割;另一种是采用多水平集依次收敛的串行多相分割. 文中将两种方案结合起来,利用并行多相算法表示区域量大和串行多相算法分割效率高的特点,提出基于C-V模型的复合多相水平集分割算法,增加了串行结构下的分割区域量,也提高了并行结构下各水平集的实际分割效率. 实验结果表明,该方法可实现多区域分割,并能检测由弱边缘构成的子目标.  相似文献   

3.
提出一种带权重邻域灰度信息的normalized cut(Ncut)方法,该方法能够全自动提取乳腺超声图像的肿瘤边缘.通过Ncut分块乳腺超声图像中的各块灰度及空间分布特征来识别待检测肿瘤的轮廓.对于少数分割不精确的结果,可用结合局部能量项的动态轮廓模型对所提取的初始边缘进行修正,使其更接近真实目标轮廓.对包含112幅乳腺肿瘤超声图像的数据库进行边缘提取,结果表明:该方法无需人工干预,能够准确有效地实现肿瘤分割,且计算量小,有望提高计算机辅助诊断的自动化程度.  相似文献   

4.
提出一种基于离散轮廓点集的超声图像前列腺边缘提取方法,将经直肠超声图像中的腺体准确分割出来. 该方法根据前列腺的轮廓特征对候选轮廓点进行多级筛选,再除去由于各种干扰产生的非边缘点,得到位于实际边缘的离散轮廓点集,由此确定粗糙的腺体边缘. 随后利用一种快速水平集的曲线演化方法对初始边缘进行小 范围调整,使其更接近实际的腺体轮廓. 对临床应用中的经直肠超声图像进行边缘提取实验,结果表明该方法能克服腺体外部和内部区域灰度不均一以及边缘模糊等问题,提取的前列腺边缘位置准确,轮廓完整.  相似文献   

5.
提出一种基于边界轮廓的多分辨率弹性配准方法.首先用C-V(Chan-Vese)模型提取人脑图像的边界轮廓.接着使用模拟退火方法结合B样条插值函数来配准边界轮廓点集,在退火过程中通过使用多分辨率策略,在获得精细边界轮廓的同时加快了配准速度.最后利用B样条插值函数完成图像配准.实验结果表明,该算法在保证与同类算法相同精度的前提下,实现了快速弹性配准.  相似文献   

6.
脑部肿瘤精确分割和三维重建的研究对脑部肿瘤疾病的诊断具有重要意义.提出一种全自动的脑肿瘤分割方法,该方法首先利用人脑结构信息的对称性,通过区域生长法实现脑肿瘤的粗略分割,然后将粗分割区域作为初始水平集轮廓,利用改进的测地线活动轮廓(geodesic active contours, GAC)模型进一步精确分割.经实验分析可知,该模型具有良好的分割灰度不均匀的弱边缘能力.最后对分割出的脑部肿瘤序列图像进行面绘制重建及其可视化,以此为脑肿瘤研究提供更多维度的信息.  相似文献   

7.
采用最小描述长度作为目标函数实现点分布模型上轮廓点的自动选取,提出了一种结合统计方法与主动轮廓模型提取图像轮廓曲线的方法.对一系列图像训练得到该训练集的典型轮廓曲线,初始化新图像的主动轮廓模型曲线后,再用训练集得到的轮廓线约束其变形,提取图像最佳的轮廓曲线.实验表明,与传统主动轮廓模型比较,该方法具有更好的轮廓提取效果.  相似文献   

8.
在细胞显微图像处理过程中,经常会发生目标粘连的现象,如何将这些粘连的目标正确分割是后续分析成功与否的关键.流域算法(Watershed Algorithm)是最近兴起的一种基于区域和数学形态学的图像分割方法.它对灰度变化十分敏感,能够克服传统分割方法中易丢失微弱边缘的缺点,可以有效地检测出边缘.但由于普通的流域算法存在过分割问题,因此,本文针对这一问题,对距离变换后的图像进行了距离重构(Distance-Reeonstruetion),并将其作为流域算法的输入图像.实验证明,该方法能够较好地分离粘连细胞图像.  相似文献   

9.
提出一种改进的主动轮廓模型应用于医学序列图像的分割。一方面,对内部能量函数增加约束性条件,制约轮廓的长度,使其尽可能短来避免边缘轮廓收敛到中垂线上的其它组织的较强边缘点;另一方面,利用序列图像之间局部区域的信息相关性,重新构造外部能量函数来排除纹理特征的干扰,更好地捕捉到边缘上的拐角点。实验结果表明,提出的改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些伪边缘点,可达到良好的分割效果。  相似文献   

10.
物体的轮廓信息是一种重要的形态特征,在图像处理过程中起着至关重要的作用.基于霍夫变换的轮廓检测方法,对大量的图像进行轮廓检测,并分析其特点.发现该方法不足之处,并进行改进.还分析了一些影响图像处理的因素,使检测效果得到提升.  相似文献   

11.
为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。  相似文献   

12.
融合了GVF-Snakes算法与基于细粒度的遗传算法,提出了一种稳健的目标轮廓提取与跟踪算法.该算法通过使用边界约束替代能量计算改进了GVF-Snakes算法,降低了算法计算复杂度,提高了它的搜索速度;另外,通过引用细粒度遗传算法来筛选控制点序列,提高了算法对极端凹陷边缘和噪声干扰轮廓的提取能力.通过合成和自然图像的目标轮廓提取和跟踪实验,证明了本文提出的算法具有鲁棒性和精确性.  相似文献   

13.
视觉机制模拟中的局部参数自组织映射方法   总被引:1,自引:0,他引:1  
为模拟视觉系统对彩色场景进行初步处理的机制,提出一种局部参数自组织映射方法. 以局部颜色均值、局部颜色对比度以及位置作为特征,用自组织映射进行分类,实现图像分割、边缘检测和轮廓分离等功能. 对仿真及自然彩色图像的实验结果表明,该方法能并行实现上述功能,将具有不同类型特征的部分映射到输出空间的不同位置,符合视觉系统的特征映射和并行处理的特性. 该方法为研究和模拟视觉系统的机制提供了参考,也可用于图像处理中的多任务并行处理.  相似文献   

14.
针对光线突变对视频中运动目标检测的干扰问题,根据光线变化对事物轮廓没有直接影响的特点,提出了利用轮廓边缘元素建立自适应混合高斯背景模型的检测方法,有效地解决了由于光线突变造成的背景建模失真和前景目标难以准确提取的问题.实验表明该方法能够准确、实时地检测出复杂天气条件下的运动车辆目标,具有很强的鲁棒性.  相似文献   

15.
数字图像自嵌入与恢复是在图像中嵌入与自身相关的信息,用于接收端判断图像是否被篡改并恢复被篡改区域的内容. 提出一种基于显著性分类的数字图像自嵌入方法,根据图像自身的特点对图像进行分类,动态决定每个区域的参考数据量和嵌入容量,采用喷泉码对参考数据进行编码,并将其嵌入到原图像的不同区域中. 与传统方法相比,所提出的方法主要有以下两点优势:在生成参考数据方面,所提出的方法可根据内容分类确定编码长度,在保证整体恢复质量的同时,能重点保护显著性区域;在数据嵌入方面,选择在不同区域中嵌入不等的数据量,可避免传统均匀嵌入法导致图像伪轮廓等缺陷,保证含密图像具有良好的质量.  相似文献   

16.
针对现有钢轨焊缝错边量测量方法在不同光照环境下适应能力不强、定位精度不高、稳定性不好的问题,提出了基于水平集的钢轨焊缝区域定位方法。首先,采用水平集对预处理后的焊缝图像进行轮廓分割,将焊缝与轨腰、轨头和背景进行分离;其次,采用面积排序和连通域相结合的方法排除轮廓干扰,实现焊缝轮廓的粗定位;再次,采用两次排序法实现焊缝轮廓的精定位;最后,对焊缝轮廓中横坐标采用排序法实现钢轨焊缝区域的自动定位。通过模拟不同的光照环境,对60 kg/m钢轨焊缝区域进行定位实验,验证了该方法具有适应能力强、精度高和稳定性好的优点,可用于焊轨基地焊缝错边量的自动检测。  相似文献   

17.
针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号