基于凹点匹配的重叠图像分割算法

针对图像处理中多个颗粒重叠的问题,提出了1种利用重叠区域边界寻找凹点来分割重叠图像的算法。算法利用Canny边缘检测获得重叠区域的边界轮廓,对于边缘检测所得边界存在断裂的情况,首先进行连续边界轮廓的恢复;然后在获得的连续边界轮廓上寻找凹点,将相邻的凹点视为1个凹点群,取其中凹陷最显著的点作为待匹配凹点,并赋以一定的权值;再根据凹点匹配条件对待匹配凹点进行匹配,将成功匹配的凹点对作为分割点对。对多幅模拟图像和PTA晶体图像的分割结果表明,算法不仅适用于颗粒形状规则、大小差异较小颗粒的重叠情况,对于狭长颗粒和大小差异明显颗粒的重叠情况也有良好的分割效果。     

基于凹点搜寻的棒材计数方法研究

针对现有的成捆棒材计数方法存在计算速度低、色差偏差大、计算量大、易受边缘模糊及残缺影响的问题,提出了一种通过对成捆棒材中的黏连棒材进行分割,然后统计连通区域,从而达到棒材计数目的的新方法。该方法首先对成捆棒材的图像进行预处理,利用Canny边缘检测获得黏连棒材的边缘轮廓,然后在此轮廓上扫描凹区域,将临近的凹点作为一个凹点群,取其中最突出的点作为此处凹点;再利用凹点匹配条件进行匹配,以匹配成功的凹点对作为界限来分割图像,最后统计分割后的连通区域,即达到计数的目的。实验结果表明,该方法对于黏连棒材的分割特别准确,分割后的图像边缘与成捆棒材的实际边缘很贴近,在无互相遮挡的情况下,直径为12 mm以上的钢筋的分割准确率达到99.99%以上,直径为10~12 mm的钢筋的分割准确率在99.80%以上,达到了企业认可的标准。     

基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。     

基于多空间图像融合的白细胞自动分割

针对目前白细胞分割存在的准确率不高、粘连细胞不易分割等问题,提出基于多空间图像融合的白细胞自动分割算法。根据细胞显微图像饱和度分量S和蓝色分量B的分布特点,构造融合图像,减弱内部空洞对分割的影响,为细胞核和单细胞的初分割奠定基础。对于粘连细胞图像,利用轮廓相邻点的行列式检测细胞边缘轮廓凹点并根据凹点索引值关系式定位粘连区域,最后采用线性插值修补轮廓。实验结果表明,上述算法可精确分割白细胞,分割正确率达到96%。     

高精度线路板夹角测量算法

结合SUSAN算子,OFMM算子与奇异点去除方法,提出了一种高精度线路板(PCB)夹角测量算法。该算法首先利用SUSAN算子检测出所有可能的边缘点;然后选定区域获取被测夹角的边缘目标点,利用最小二乘拟合法去除奇异的边缘点后,进行亚像素定位;最后对被测量夹角的亚像素边缘点进行直线拟合,利用直线方程计算出夹角。通过对真实线路板图像的测量,实验结果证明了该算法的有效性。该方法已应用于自制的光学自动测量仪,取得较好的效果。     

面向珍珠分拣机器人的形状视觉检测方法

针对人工进行珍珠形状分拣效率低、精度不稳定等问题,提出基于机器视觉的珍珠形状检测方法。采用背光成像方式消除珍珠表面纹理和光泽的影响,对获取的珍珠图像进行同态滤波等预处理算法,提高图像对比度。为了解决相互接触珍珠影响珍珠轮廓提取的问题,采用分水岭算法对珍珠图像进行分割,得到了独立存在的珍珠个体,再通过连通域标记、质心算法对珍珠进行定位。根据国家标准对珍珠形状的规定,基于珍珠图像信息建立珍珠形状参数模型,对珍珠形状进行量化。实验结果表明,不同形状的珍珠样本的检测误差为0.63%,形状统计精度为100%,算法耗时24 ms。该方法可准确高效对珍珠进行分拣分级,具有一定的实用价值。     

面向分拣机器人的珍珠形状视觉检测方法

针对人工进行珍珠形状分拣效率低、精度不稳定等问题,提出基于机器视觉的珍珠形状检测方法;采用背光成像方式消除珍珠表面纹理和光泽的影响,对获取的珍珠图像进行同态滤波等预处理算法,提高图像对比度;为了解决相互接触珍珠影响珍珠轮廓提取的问题,采用分水岭算法对珍珠图像进行分割,得到了独立存在的珍珠个体,再通过连通域标记、质心算法对珍珠进行定位;根据国家标准对珍珠形状的规定,基于珍珠图像信息建立珍珠形状参数模型,对珍珠形状进行量化;实验结果表明,不同形状的珍珠样本的检测误差为0.63%,形状统计精度为100%,算法耗时24 ms;该方法可准确高效地对珍珠进行分拣分级,具有一定的实用价值。     

基于加速健壮特征拟合算法和Chan-Vese模型的超声图像腔室分割方法

针对超声心动周期序列图的腔室自动分割过程中,弱边缘轮廓难以有效提取的问题,提出一种基于加速健壮特征(SURF)拟合算法和Chan-Vese模型的超声图像腔室分割方法。首先对序列中第一帧图像进行人工标记弱边缘轮廓;然后,提取弱边缘轮廓周围的SURF点,建立Delaunay三角网;接着,通过相邻两帧之间的特征点匹配,预测后续帧的弱边缘轮廓;之后,用Chan-Vese模型提取粗糙轮廓;最后采用区域生长算法得到精确的目标轮廓。实验结果表明,该算法能较好地完整提取超声序列图像中含弱边缘的腔室轮廓,并且与专家手动分割结果相近。     

基于均值漂移和边缘检测的轮廓跟踪算法

实时的轮廓跟踪算法可以为视频监控系统提供物体的轮廓信息以供对物体类别、物体行为等进行识别.提出一种基于均值漂移和边缘检测的轮廓跟踪算法.方法中,首先利用均值漂移算法跟踪得到目标物体的中心位置,同时用高斯统计模型进行背景更新,从前景图像和背景图像中分别得到具有相同位置和大小的前景矩形区域和背景矩形区域,然后用背景分割的方法得到目标物体区域,再对目标物体区域进行边缘检测就得到了目标物体的轮廓,进而实现了对目标物体的轮廓跟踪.实验表明,可以实时、准确、稳定地对目标物体进行轮廓跟踪.     

结合计算机视觉的马铃薯外部品质检测技术

利用计算机视觉进行马铃薯产后品质检测分级有十分重要意义。首先对计算机视觉系统获取的马铃薯进行图像分析,利用Otsu法去除马铃薯图像背景,然后针对马铃薯的损伤、绿皮和发芽状态进行图像处理识别;针对马铃薯中的绿皮状态,利用感知器学习算法（PLA）区分正常马铃薯与绿皮马铃薯;然后针对表皮发芽的马铃薯,利用边缘检测法得到图像中马铃薯区域的各部位边缘,结合K-最近邻分类算法（KNN）识别表面发芽的马铃薯,同时通过角点检测确定轮廓上的发芽区域;然后对检测到的边缘利用中值滤波结合面积最大法,确定马铃薯表皮的损伤部位,最终实现马铃薯品质的分级。利用计算机视觉方法马铃薯品质检测实验结果：正常马铃薯识别正确率为96.8%,绿皮马铃薯为89.7%,表皮损伤马铃薯为90.4%,发芽马铃薯为96%。     

基于概率密度梯度的边缘检测

提出了一种新颖的基于概率密度梯度的边缘检测算法.新算法通过估计图像中各像素点的概率密度梯度得到图像的概率密度梯度场,然后根据图像的边缘点在概率密度梯度场中具有两侧梯度方向相反的特性实现边缘检测.与现有的算法相比,新算法检测得到的边缘点具有尺度不变性,并可以直接从图像中检测出具特定尺寸区域的轮廓,完好地保持物体的形状.     

基于张量投票的主动轮廓边缘提取

提出一种基于张量投票的主动轮廓边缘提取算法。该算法对图像进行张量编码,将其转化为二阶对称的半正定张量,每个输入张量通过预定的投票域对邻近数据进行稀疏投票,投票后每个输入点收集自身获得的选票,再进行稠密投票,以获得轮廓的显要特征,从而实现主动轮廓的边缘提取。实验结果表明,该算法能有效提取图像轮廓边缘,得到较好的物体主动轮廓模型。     

一种基于肤色与边缘轮廓的人脸检测方法

本文提出了一种基于肤色和边缘轮廓相结合的人脸检测算法。其算法首先采用人脸肤色模板对图像当中的类人脸肤色区域进行初定位,再利用以人脸边缘轮廓为特征训练得到的支撑向量机对这些区域进行分类,最终得到人脸区域。实验证明,此算法保证了检测率的基础上获得了较好的检测速度。     

融合Ncut方法的脊椎图像OTSU分割算法

提出一种融合Normalized Cut方法和OTSU方法的脊椎图像分割算法。首先通过Normalized Cut方法得到粗略的分割结果,然后根据脊椎的形状特征提取出有效的脊椎区域,在有效的脊椎区域进行OTSU分割算法,并通过边缘检测算法得到脊椎内部的轮廓边界。实验结果证明该方法可以较为精确地检测出椎骨轮廓的边界,有效地消除了伪边缘的影响。提出了按需分割的概念,首先消除背景区域的影响,然后在有效区域进行更为精细的处理,这样可以较大程度提高算法的处理速度。     

根据轮廓特征识别手写体字符的方法

本文讨论一种根据字符轮廓所提取的结构特征进行识别的方法,它的主要特点是：１．通过单次扫描二值化图象即可有效地完成边缘平滑,轮廓提取和孔洞的简单测量（如区域和最小包围矩形等）;２．通过轮廓边缘点的角度／斜率变化和左右边界的极值点提取轮廓的结构特征;３．通过对大字符集的学习,可不断修改,完善算法,以适应不同类型字符的识别。     

相似夹角定理及其在图形学上的应用

以平面图形经过欧氏变换后的不变性质定理——相似夹角定理为理论基础, 通过构造一个夹角波动方差函数可用来衡量两条边缘轮廓曲线的相似程度,进而形成了一种图形边缘相似度算法,从而为图形匹配、图形搜索、图形有效相似变换和聚类等提供了一种合理的方法。通过理论论证与实验表明,该方法确能有效反映曲线间的相似程度。     

应用多尺度纹理边缘的居民地轮廓提取

提出了一种多尺度纹理边缘与感知编组结合的居民地轮廓提取方法,用于在航空影像上提取居民地轮廓。该方法首先根据影像边缘点的尺度信息计算边缘隶属度,生成多尺度边缘图像;然后将边缘点属于高纹理区域的概率表示为边缘隶属度的函数,通过计算边缘点的概率确定高纹理区域边缘;最后利用曲线跟踪连接提取点形成初始零散轮廓集,并应用感知编组连接初始轮廓,获得完整闭合的居民地轮廓。实验证明,提取的居民地轮廓位置准确且完整闭合。     

基于凹点搜寻的重叠细胞图像自动分离的算法研究

提出了一种重叠细胞图像自动分离的新算法。根据重叠细胞的凹凸性,从细胞重叠区域的凹区域中寻找到凹点,根据凹点数与细胞个数的关系,判断是细胞串联还是细胞并联：如果是串联的情况,则直接将成对的凹点连成直线分离重叠区域;如果是并联的情况,则将凹点与重叠区域的中心连接成直线分离重叠区域。该算法在Matlab环境下对重叠细胞图像进行了自动分离,实验结果表明该算法实现简单,效果理想,且能基本保持原细胞的大小和形状。     

多层次轮廓约束的图像放大算法

为解决图像放大过程中有效地保证边缘锐化的图像插值难题,提出多层次轮廓约束的图像放大算法.首先利用检测算子对图像进行预处理,将图像分为边缘区域、平坦区域;其次,针对图像边缘区域进行自适应梯度扩散获取适当的边缘轮廓层作为图像放大约束;最后对轮廓层直接进行曲线插值重采样,不额外增加边缘层数,以保证放大后的图像在视觉上的边缘清晰.对于非轮廓层的平坦区域,构建双三次Coons插值曲面并进行重采样,保持了平坦区域的平滑性.测试图像为自然图像和医学图像,自然图像的来源是set5和set14测试集,实验对比方法主要从客观效果、视觉效果、时间复杂度3个方面进行比较.实验结果表明,采用该算法得到的放大图像不仅可以保持轮廓清晰,且PSNR及SSIM指标超过了大多数经典的插值算法以及目前流行的基于机器学习的算法.     

一种融合特征点与轮廓信息的匹配算法

为了解决传统区域增长算法处理低纹理图像时,因种子点个数不够导致匹配无法进行增长的问题,提出一种融合轮廓信息的匹配算法来增加种子点个数.首先提取图像特征点与轮廓信息,然后利用方向性约束确定候选匹配点集,最后根据边缘相关性原则从候选匹配点集中计算得到最佳匹配点,即新增种子点.理论分析与实验表明,其较传统区域增长算法能够得到更多种子点,匹配范围更广,匹配精度更高.