基于边缘吸引力场正则化的短程线主动轮廓模型

短程线主动轮廓模型是近几年提出的一种有效的多目标轮廓提取算法.本文在详细分析其动力学过程的基础上,针对该模型中存在的局限性和不足,提出对边缘吸引力场进行正则化的方法,并采用多尺度模型,有效的改善了该模型不能对存在断裂轮廓的目标进行正确提取和凹边缘搜索能力弱的缺点,增强了抗噪声和虚假边缘干扰的能力,使该算法具有更好的鲁棒性和实用性.     

基于边缘吸收力场正则化的短程线主动轮廓模型

短程线主动轮廓模型是近几年提出的一种有效的多目标轮廓提取算法。本文在详细分析其动力学过程的基础上，针对该模型中存在的局限性和不足，提出对边缘吸引力场进行正则化的方法，并采用多尺度模型，有效的改善了该模型不能对存在断裂轮廓的目标进行正确提取和凹边缘搜索能力弱的缺点，增强了抗噪声和虚假边缘干扰的能力，使该算法具有更好的鲁棒性和实用性。     

基于主动轮廓模型的红外图像轮廓提取算法

针对主动轮廓模型存在的对初始轮廓位置敏感、凹性目标轮廓无法正确收敛等问题,本文将自适应边缘检测和主动轮廓模型相融合,提出一种改进的红外图像目标轮廓自动提取算法。首先,采用最大类间方差法计算红外图像边缘检测算法的自适应阈值,获取目标初次边缘,降低对初始轮廓位置的敏感性;对初次边缘分别进行横向与纵向填充,填充图像相与运算,对得到目标区域提取二次边缘,将其作为主动轮廓模型的初始轮廓,保证目标凹陷区域轮廓的有效收敛。最后,通过仿真分析验证了该方法能够实现红外目标轮廓的精确自动收敛。     

基于视差信息的立体图像主动闭合轮廓提取算法研究

针对立体图像中目标对象的闭合轮廓提取任务,该文提出一种基于视差信息的轮廓提取算法。该算法在传统贪婪蛇模型的基础上,利用各控制点和中心的视差关系为模型设计收缩和膨胀力,能够有效指导初始轮廓曲线向目标边缘的收敛。同时算法采用重复利用经处理的控制点作为模型输入的循环迭代方式,能够获得分布均匀且较为密集的边缘曲线。实验结果表明,该轮廓提取算法减少了传统的贪婪蛇模型算法对初始值的依赖,准确度和可靠性均得到了很大的提升。     

基于边缘多通道梯度模型的多运动目标检测

针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于多尺度多方向结构元素的形态学图像边缘检测算法

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像边缘检测算法.该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、闭及其变换和组合运算.对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节;利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元素进行图像边缘检测.实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息.     

基于形状角与分块图像的车辆轮廓分割算法

为了减小对车辆进行外形超限测量时其他车辆对图像的影响,精确地将目标车辆的轮廓信息分割并测量,提出一种基于形状角、结合分块图像与边缘提取的分割算法。对获取图像进行帧差法削弱背景边缘信息的影响,再用Canny算子边缘提取,将得到的轮廓信息进行基于形状角的识别与提取。提出了一种对图像进行分块分类的图像分割法。该算法有效解决了测量中背景对前景的影响。实验结果表明该算法具有较高的鲁棒性与准确性。     

利用多尺度分析和编组的基于目标的注意计算模型

模拟生物视觉感知提出一种基于目标的注意计算模型,主要用到两个关键技术:多尺度分析和编组.用于多尺度分析的微分算子从原始图像中提取重要边缘,随后源于格式塔知觉组织规则的轮廓编组过程将边缘组织成感知目标.注意焦点按照各目标显著程度递减的顺序在目标间转移,目标显著程度由边缘重要性、区域对比度和轮廓闭合性共同决定.该模型考虑了目标的独立性和完整性,因此比基于空间的注意有更高的检测精度.多尺度分析为轮廓编组提供了候选边缘,从而提高了编组的效率.对多类自然图像的实验验证了该模型计算上的高效性和生物学上的合理性.     

基于边缘信息和混合高斯融合的运动目标检测

针对帧间差分法在目标运动较慢时无法完整的检测轮廓,混合高斯模型易受光照影响导致目标快速运动时无法辨别轮廓等问题,提出了一种更加优化的运动目标检测算法.该算法将三帧差分法与混合高斯模型相融合,利用视频中连续的三帧图像两两作差分后作或运算、二值化、形态学处理,对中间帧的进行canny边缘检测,将两次结果再进行或运算、形态学处理后得到更加完整的轮廓.用中间帧进行高斯混合模型提取前景,二值化后和边缘信息进行与运算,经过形态学处理和孔洞填充后获得运动目标.经过实验表明,该方法能够获得更加理想的运动目标.     

一种新的用于医学图像分割的几何活动轮廊模型

提出一种新的几何活动轮廊模型对医学图像进行分割．首先，我们对几何活动轮廊模型中吸引力场进行正则化，扩大目标轮廊边缘对的轮廊曲线的吸引力范围，增加轮廊曲线搜寻凹轮廊的能力．然后，采用多尺度模型增加对边缘提取的精确度．将正则化方法与多尺度方法相结合，能够很好的抑制医学图像中的噪声和虚假边缘的干扰，这一方法能够在不采用任何附加拓扑控制的情况下自动控制轮廊曲线的拓扑结构变化，同时提取多个解剖结构，对来自不同成像技术的医学图像的分割，结果表明该方法是一种有效的医学图像分割方法。     

MPEG-4中的视频对象检测技术研究

MPEG 4标准中 ,如何从视频图像分割出视频对象是一个要解决的重要问题。本文依据视频图像的特点 ,提出了一种新的视频对象检测方法 ,他能有效抑制视频图像边缘检测中噪声干扰、控制图像外轮廓检测范围和检测精细度 ,使断裂的外轮廓有效闭合。该方法具有对噪声不敏感、分割准确、外轮廓完整、运算速度快等优点。最后 ,给出了实验验证。     

一种基于偏微分方程的图像分割算法

针对几何活动轮廓模型（GAC模型）在基于偏微分方程的图像分割领域中,算法复杂,计算量大导致演化时间长,演化速度在边界上通常不为零,引起演化曲线进入到目标的内部;或是当图像的对象有较深的凹陷边界时,曲线停在某一局部极小值状态,并不与对象的边界相一致等问题。本文提出了一种基于偏微分方程的图像分割算法,通过对停止速度场进行多尺度张量扩散,然后运用GACA模型进行分割。实验证明：本算法在不降低射线图像分割质量的前提下,可使演化时间比传统的GAC模型演化时间减少65%左右,还在一定程度上减少了边界泄露问题。     

基于Corvis ST医学影像的角膜轮廓提取算法

目前已有的轮廓提取算法在提取可视化角膜生物力学分析仪(corneal visualization scheimpflug technology, Corvis ST)影像的角膜轮廓中,由于角膜边缘的局部图像灰度分布相近这一特点,提取出的角膜轮廓普遍不完整或者提取的角膜轮廓边缘出现细小突出。这会使得角膜轮廓的完整性遭到破坏,提取到的角膜轮廓与实际的角膜原始图像严重不符。本文针对Corvis ST采集的角膜图像的轮廓提取问题,基于最大类间方差法(OTSU)算法设计一种高效的图像处理方法。首先,将角膜图像进行除杂、灰度化以及图像降噪等处理,达到减少图像计算量和降低数字图像噪声干扰的目的;其次,基于OTSU算法对图像进行分割,并在此基础上加入数学形态学运算,达到平滑图像边界和填充细小“孔洞”的目的;最后,采用Canny边缘检测算法提取图像中的角膜轮廓,达成提取出高完整性角膜轮廓的目的。在相同的图像数据集上,与最新的纽扣轮廓瑕疵检测系统中设计的轮廓提取算法(B-OTSU algorithm)进行了对比实验。实验结果表明,从轮廓完整性以及准确性的角度,应用本文方法提取的角膜轮廓明显优于最新的纽扣轮...     

一种基于Wedgelet的图像轮廓编码算法

基于wedgelet理论提出了一种图像轮廓编码算法.该算法给出了一种率失真意义下的图像自适应多尺度wedgelet分析方法,用以抽取并表示图像中的边缘轮廓,然后基于四叉树结构编码图像最优多尺度wedgelet表示的参数,从而编码抽取出的图像轮廓.实验结果表明,本算法能以较大压缩比编码图像的边缘轮廓,并且压缩比可调.     

QoS路由选择:问题与解决方法综述

保证服务质量的QoS路由(Quality of Service Routing)是网络中解决QoS问题的一项关键技术.QoS路由的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用.度量参数选择问题、寻路问题和路由信息不准确问题是QoS路由中的几个主要研究内容.本文围绕这三个方面,介绍了QoS路由中的主要问题及相关的解决办法,并探讨了今后QoS路由可能的研究方向.     

Spatially adaptive wavelet-based multiscale image restoration

In this paper, we present a new spatially adaptive approach to the restoration of noisy blurred images, which is particularly effective at producing sharp deconvolution while suppressing the noise in the flat regions of an image. This is accomplished through a multiscale Kalman smoothing filter applied to a prefiltered observed image in the discrete, separable, 2-D wavelet domain. The prefiltering step involves constrained least-squares filtering based on optimal choices for the regularization parameter. This leads to a reduction in the support of the required state vectors of the multiscale restoration filter in the wavelet domain and improvement in the computational efficiency of the multiscale filter. The proposed method has the benefit that the majority of the regularization, or noise suppression, of the restoration is accomplished by the efficient multiscale filtering of wavelet detail coefficients ordered on quadtrees. Not only does this lead to potential parallel implementation schemes, but it permits adaptivity to the local edge information in the image. In particular, this method changes filter parameters depending on scale, local signal-to-noise ratio (SNR), and orientation. Because the wavelet detail coefficients are a manifestation of the multiscale edge information in an image, this algorithm may be viewed as an "edge-adaptive" multiscale restoration approach.     

基于初级视皮层抑制的轮廓检测方法

轮廓检测是基于形状目标识别任务的关键,然而从自然场景中自动地检测出目标的轮廓是非常困难的,因为背景中存在着大量的无关干扰成分.生理学与解剖学的研究表明初级视皮层中具有方位选择性的神经元的响应受到其周围环境中同方位刺激的抑制,因此方位发生变化的地方受到的抑制程度相对较少,这使得孤立的边缘或区域的边界更为显著.基于此我们提出了一个视觉生理机制的轮廓检测模型,其目的是减少背景纹理的干扰,同时保留感兴趣的对象.针对模拟及真实图像的实验结果表明这种抑制措施有效地抑制了纹理边缘并减少了轮廓自身的破坏,极大地提高了复杂背景中轮廓检测的性能.     

Multiscale corner detection by using wavelet transform

A multiscale corner detection algorithm based on the wavelet transform of contour orientation is proposed. It can utilize both the information of the local extrema and modulus of transform results to detect corners and arcs effectively. The ramp-width of contour orientation profile, which can be computed using the transformed modulus of two scales, reveals the difference between corner and arc and is utilized in the determination of corner points. The experimental results have shown that the detector is more effective than both the single- and multiple-scale detectors. They also demonstrate that the detector is insensitive to boundary noise. In addition, the proposed method is more efficient than the other multiscale corner detector because it operates on fewer number of scales, which can be implemented by a fast transform algorithm.     

基于相位一致性改进的活动轮廓分割模型

为了实现甲状腺超声图像中结节组织的快速准确分割,克服图像灰度分布不均匀和边缘模糊对分割结果造成的影响,采用了基于相位一致性改进的活动轮廓分割模型。首先,利用相位一致性边缘检测原理构造一种新的速度函数,不仅弥补了梯度算子边缘检测中由于滤波处理造成边缘损坏的缺陷,而且可以灵活地控制曲线演化速率;然后,将该速度函数乘入到无边缘主动轮廓模型的能量项中,避免了线性组合中的权重分配问题,同时具有全局分割能力。通过理论分析和实验验证,改进模型的相对差异度均小于1%,运行时间均低于对比模型。结果表明,新模型实现了灰度分布不均匀图像的精确分割,同时分割效率也有所提高。