基于计算机视觉测量技术的图像轮廓提取方法研究

图像分割与轮廓提取是计算机视觉测量技术的关键环节。针对传统边缘检测方法中存在的问题，结合计算机视觉测量技术的特点，提出了一种实用的轮廓提取方法。该方法采用灰度阈值法进行图像分割，并用数学形态学方法对二值图像进行缺陷修补，通过链码跟踪存储轮廓信息，实现了具有单像素边缘的图像轮廓提取。文中给出了关键技术的原理及实现方法。实验表明，与经典的边缘检测方法相比，此方法具有抗干扰性强、精度高等特点，能满足工程测量的实际需要。     

SAR图像目标边界流和边沿流特征提取

本文将目标边界流特征和目标边沿流特征的概念和边缘特征提取的方法用于SAR图像的目标检测和识别这个方法先采用中值滤波、自动图像分割、数学形态学二值滤波、十字模板边缘提取方法,获得目标单像素边缘再对所得边缘采用边界跟踪、边界流信息熵和边沿流信息熵运算,得到边界流特征和边沿流特征.对测试图像和真实SAR图像进行了实验,结果表明,该方法能很好地描述目标的特征,编程简单、运算速度较快.     

基于阈值分割与多边形扫描求交的明暗恢复形状重构模型冗余信息去除

针对明暗恢复形状重构模型存在图像背景信息问题,提出基于阈值分割与多边形扫描求交的冗余信息去除方法。通过阈值分割将图像转换为二值图像,采用形态学方法修补二值图像中的缺陷,并利用微分算子提取图像的二维轮廓;通过多边形扫描求交将图像分割为目标区域和背景区域;根据由阴影恢复形状原理重构三维模型,并通过二维轮廓与三维形貌的信息匹配去除图像背景冗余信息。实例表明,该方法能够有效去除明暗恢复形状重构模型中的图像背景冗余信息,保证重构模型的形状精度。     

矿岩爆破图像二值化分割技术的研究与选择

爆破块度图像分析法是当前爆破块度统计的重要方法,图像分割技术是该分析方法的关键与难点。针对爆堆及块石图像的特殊性,研究了基于二值化的矿岩爆破图像分割技术,分析了阈值分割、区域生长分割、标记分水岭分割等当前主要的图像分割方法。通过研究图像上同一截面灰度值切片的变换与矿块实际边缘的吻合程度,发现数学形态学分割方法得到的二值图像边界清晰、断点少,相对于门限法更适用于爆破块度图像,其生成的二值化图像层次清晰,便于像素特征的提取。图像分割先进技术的应用,对于实现矿岩爆破图像块度分析的智能化提供了广阔的空间。     

一种模糊红外目标边缘和不变特征提取方法

针对红外图像中模糊目标难以分割和识别的情况,提出以小波多尺度滤波分解后的逼近图像作为自适应域值进行图像二值化的方法,由此分割出模糊图像中的目标,提取目标的轮廓边缘.然后,提出一种新的矩计算方法提取目标的不变性特征.实验结果表明,该方法具有很强的抗噪和抗扰性能,能有效提取复杂背景中模糊目标的平移、缩放和旋转不变量,极大提高了运动模糊目标识别的可靠性.     

基于形态学Top-Hat算子实现运动图像的分割与识别

针对高速运动图像的目标识别问题,首先运用数学形态学方法进行预处理,然后采用阈值分割对待识别图像进行二值化处理,最后,对分割后的图像进行链码跟踪,利用Hu不变矩识别运动目标。试验结果表明,通过设计特殊的结构元素,利用数学形态学的Top-Hat算子,可以对高速运动图像进行有效分隔,利用Hu不变矩能够快速准确的识别空间运动目标。     

基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

改进测地线活动轮廓模型的肝脏超声图像分割

针对超声医学图像的特点,系统地发展和应用测地线活动轮廓模型技术进行肝脏超声图像的边缘提取,提出一种改进的测地线活动轮廓模型.首先把总变分和各向异性扩散方程的有机结合构造出新的边缘停止函数;其次,提出三种边缘停止函数,通过实验比较得出最佳模型.新模型能有效地保留目标信息,消除噪音,增大图像梯度值,具有更强的收敛效果.实验表明,该方法能更加准确地提取弱边缘,达到更理想的分割效果.     

基于模板的前视红外图像建筑物分割方法

针对前视红外地面建筑物图像目标分割问题,在传统方法的基础上提出了一种基于模板制备的改进C-V模型分割方法.首先通过DSM数据制备目标二维形状模板;然后对图像进行高斯滤波去噪,并采用模板尺度相关的结构元素对图像进行灰度形态学增强;最后引入模板形状先验信息的概念,利用水平集方法表达轮廓先验信息,在C-V模型的基础上增加目标轮廓先验信息能量项,使分割曲线进化同时受到图像数据与形状先验信息驱动,实现目标分割.实测数据显示该方法能在复杂背景条件下精确分割前视红外建筑物目标.     

基于多峰灰度直方图分割的遥感影像码头目标提取

针对传统方法在码头目标提取时效率和准确度不高的问题,本文提出了一种基于多峰灰度直方图分割的码头提取算法。首先利用中值滤波法去除浪花等噪声干扰,确定感兴趣区域;然后针对多峰直方图自动寻找最佳分割阈值获取码头目标二值图像;最后对二值图像进行边缘提取,得到码头目标。结果表明,本文方法对不同类型遥感影像均能较完整地提取出码头轮廓,且精度和效率较为理想。     

基于数学形态学和颜色特征的车牌定位方法

为了解决单一车牌定位算法在复杂背景中定位效果不理想的现状,提出一种数学形态学和颜色特征相结合的算法对车牌进行定位.首先利用最大类间方差法（Ostu算法）找到一个最佳的阈值,根据所得阈值把得到的灰度图像二值化,然后采用一种改进的数学形态学算法对图像进行边缘检测,最终结合数学形态学和车牌颜色特征进行准确定位.实验表明该算法明显优于传统或单一的车牌定位方法,定位准确率高,对背景限制少,应用范围广.     

A novel level set method for image segmentation by combining local and global information

A novel level set method integrating local and global statistical information is proposed in this paper. In our method, a new signed pressure force (SPF) function is constructed by two parts. One is the global average intensity of the image, which can accelerate the evolution of the curve when the contour far away from the object boundaries. The other is the intensity average of difference image between the averaging convolution image and the original image, which can guide the evolving curve to catch the boundaries of the objects. In addition, an adaptive weighting function is utilized to adjust the ratio between the global and local terms, which can eliminate the inconvenient selection of weighting parameter. By substituting the new SPF function for the edge stopping function of the geodesic active contour model, we obtain a novel adaptive hybrid segmentation model, which is capable of segmenting the images with intensity inhomogeneity. What is more, in our method, the level set function is initialized with a binary function, which reduces the computational cost for the re-initialization step. The experimental results and comparisons with several popular models on synthetic and real images indicate that our method achieves superior performance in segmenting images with noise, low contrast and intensity inhomogeneity.     

SAR图像突堤式港口检测

突堤作为港口停靠船只的场所,其定位对港口目标的检测有重要意义。本文提出了一种基于突堤的分布特征的港口检测算法。首先在图像预处理的基础上,利用改进型种子点生长算法实现图像的二值水陆分割,在借助边界追踪法得到的岸线上,提取基于岸线斜率的突堤特征点,最后利用先验知识中突堤的分布特征进行特征点判断,通过突堤特征点的连接实现港口检测。新方法与已有的检测方法相比,具有定位准确的特点。     

遥感影像目标边界提取算法比较

本文对高分辨率遥感影像目标边界提取的方法进行了阐述,分别对Canny边缘检测算子、边界跟踪和数学形态学方法进行了分析与实验,通过实验对比得出,边界跟踪受噪声的影响大,Canny边缘检测算子和数学形态学边缘检测效果较好,但提取出的边界完整度和定位准确度较差.     

基于小波变换和形态学的织物疵点边缘检测

为了精确确定织物疵点边缘,提出了一种基于小波变换和形态学的织物疵点边缘检测方法.在利用形态学实现疵点检测后,对其进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的疵点边缘,采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法,具有可行性和有效性.     

基于改进MultiResUNet网络的甲状腺超声图像分割

甲状腺超声图像分割在临床超声图像研究中有很重要的意义。针对甲状腺超声图像信噪比低,斑点噪声多,且甲状腺形态不确定等问题,提出了一种改进的MultiResUNet分割网络(称为Oct-MRU-Net网络)。该方法在MultiResUNet网络的基本结构的基础上引入Octave卷积,并采用改进的Inception模块学习不同空间尺度的特征,将训练过程中的特征图按通道方向分为高低频特征。其中,高频特征描述图像细节和边缘信息,低频特征描述图像整体轮廓信息。在甲状腺超声图像分割过程中可以重点关注高频信息,减少空间冗余,从而实现对边缘更加精细的分割。实验结果表明,Oct-MRU-Net网络的性能相较于U-Net网络和MultiResUNet网络都有较大的提升,说明该网络对甲状腺超声图像的分割效果较好。     

基于表面评估的工件轮廓识别方法研究

现有加工工件材料和加工方式的多样性使得工件的表面情况多样,导致视觉系统难以准确识别工件轮廓,因此提出了一种适用于不同工件表面的轮廓识别方法。根据纹理区域面积与凸包面积的比值对工件表面进行评估和分类。对于表面质量较好的工件,采用高通线性滤波器对图像进行滤波处理,通过工件表面信息与边缘信息的差异实现工件图像边缘提取;对于表面质量较差的工件,采用一种自适应轮廓提取方法来识别图像边缘。实验表明,与传统的Canny边缘检测算法相比,所提出的方法能够更好地去除噪声干扰,其识别轮廓的精度更高。所提出的轮廓识别方法对不同工件表面有较好的适应性,具有一定的应用价值。