基于区域生长的前视红外图像分割方法

红外成像制导技术以其优越的性能成为当今精确制导技术发展的主流。红外图像的精确分割是实现目标识别的基础。针对地面目标前视红外图像的特点和成像制导技术中图像分割的目的,提出了一种基于区域生长的前视红外图像分割算法,它首先在全局阈值分割的基础上选择出种子点所在区域,并在区域中定义局部灰度信息统计准则和策略选取出种子点;然后以目标模板面积作为参考,通过对分割效果的判断自动调整生长阈值进行区域生长以得到分割图像。实验结果表明,本方法分割出的目标完整准确,分割结果对基于边缘特征的目标匹配识别非常有利。     

一种新的红外目标图像分割算法

提出了一种新的红外图像分割算法,它首先选取最佳阈值范围内的一组边缘点作为种子像素,然后根据灰度相似性判决准则生长出目标区域而完成目标分割。实验结果表明,本文提出的算法可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

应用特征点的彩色图像边缘检测算法

传统的边缘检测技主要通过全局图像扫描,寻找大于设定阈值的点,然后进行伪边缘点的筛除以及断裂边缘的连接。本文提出了一种基于图像特征点检测与边缘生长相结合的边缘检测算法。该方法将边缘看成一种特殊的区域,使用图像分割中区域生长的原理来生成边缘。首先在图像中寻找特征点作为边缘生长的种子点,然后以边缘梯度响应和区域相似度为生长规则,以层序遍历方式得到图像边缘。仿真结果显示,本文提出的算法可以减少参与比较的像素个数,去孤立的边缘,保证边缘的连续性和单一像素宽度。      

基于结构形态几何生长的 模糊红外光谱图像分割

针对局部目标与背景的低对比度、目标边缘模糊红外手印的分割问题,提出了一种基于结构形态几何生长的边缘模糊红外目标提取算法。该算法首先利用最大熵法及阈值扩展将图像进行粗分割;在粗分割的目标区域中提取区域块特征点,构筑手的结构形态;通过区域块特征点寻找种子点,并以种子点与对应特征点的距离关系作为生长判决条件进行几何生长,最终提取得到目标图像。与常用提取算法进行比对实验,结果表明,针对边缘模糊的红外手印图像,本文算法能更有效地提取出完整目标。     

基于自适应阈值区域生长的红外舰船目标分割方法

红外成像制导技术以其优越的性能成为当今制导武器发展的主流,舰船红外图像的精确分割是后期舰船识别和跟踪的基础。针对红外舰船目标的有效分割问题,本文提出了一种基于自适应阈值的区域生长和形态学滤波相结合的红外舰船目标分割算法,首先,选取种子点在自适应阈值的情况下进行区域生长,然后将粗分割图像进行形态学滤波,最后运用几何学的图像处理方法,从分割图像中去除相应的背景干扰,提取出目标的有效信息。通过对实验结果进行分析,最终分割出来的图像交叠面积比达到98%以上,而误分百分比均为0%,即没有误分。实验结果表明该算法能够很好地运用于红外舰船目标分割。     

基于距离判断函数的钢轨扣件分割方法

数字化检测技术的不断发展使得点云分割成为三维点云处理的热门研究方向.区域生长算法广泛应用于点云分割,本文针对目前区域生长算法的局限性,提出基于距离判断函数的点云分割算法.使用八叉树构建拓扑关系,引入距离判断函数判断种子点的属性,计算种子点到其切平面的法向距离,将距离阈值作为依据划分平缓点和尖锐点;根据种子点与邻域点法线夹角筛选邻域点,合理设定曲率阈值,确定区域生长准则.选取钢轨扣件为试验对象,钢轨扣件是铁道线路关键连接件,实现钢轨扣件的精确分割有利于优化特征提取.点云分割的试验表明,基于距离判断函数的方法分割正确率增加4.20％,提高了钢轨扣件分割的稳定性和准确性.     

采用边界评价的红外视频运动目标时空域分割方法

为了在红外视频中准确分割运动目标,提出了一种基于边界评价的红外运动目标时空域分割的新方法。首先,利用运动目标在时域差分图像中的空洞效应,提取出最有意义运动目标种子点。重点是运动目标的空间分割,利用种子区域整体与局部的关系,在提取出的种子上进行区域生长,可以得到不同生长阈值下的运动目标分割掩膜。为确定最佳生长阈值,提出了一种无需先验知识的红外目标分割掩膜边界评价准则,并采用分割-评价-再分割-再评价的循环迭代模式,利用由粗到精的搜索方法,找出最佳的生长阈值,同时得到最佳的运动目标分割掩膜。实验证明,所提出的方法能在红外视频中准确分割出运动目标区域,效果良好,性能鲁棒。     

面向图像语义分析的JSEG改进分割算法

JSEG算法是一种经典的被广泛应用于图像处理的图像分割算法,但是它存在着严重的过分割问题,因而不适用于对图像的语义分析处理。针对这个问题提出了两个方面的改进,一是改进了原算法中初始种子点的选取方法,二是在区域聚合过程中增加考虑了区域纹理特征的信息。实验表明,改进后的方法有效地改善了原算法中的过分割现象,分割后的图像区域更加符合对图像进行语义分析的要求。     

一种复杂背景下的故障电气设备整体分割方法

针对变电站电气设备红外监测过程中，获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题，提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先，通过SLIC(Simple Linear Iterative Clustering)超像素算法对图像进行分割，并对超像素块进行Lab颜色空间转换，根据阈值判断是否存在故障并获取故障区域。然后，选取故障图像中最大联通量的较亮点作为种子，利用最大类间方差原理控制种子数目，通过改进区域生长法获取目标主体设备。最后，将故障区域与目标主体设备进行交集运算，完成对故障电气设备的整体分割。研究结果表明，该方法能有效完成复杂背景下的故障电气设备定位与整体分割。与其他分割方法相比，该方法获取的故障电气设备更加完整准确。     

一种改进的边缘生长彩色图像分割方法

针对彩色图像颜色空间特性,提出一种改进的边缘生长图像分割方法。首先根据平均颜色矩确定图像量化级数,色彩量化后采用边缘检测提取边缘像素集,并将这些高细节点形成边缘线,围成一个封闭的区域,最后根据颜色空间的区域距离,将初始分割区域进行合并。该方法很好的解决了使用边缘检测或区域生长所产生的不连续性和过分割问题。实验结果显示对彩色图像分割具有较好的效果。     

基于图像分割的点云去噪方法

在基于结构光条纹投影的三维形貌测量中，由于环境等各种因素的影响会产生各种噪声。在现有的点云去噪方法中，通过分析三维空间和点云的几何关系进行点云噪声的去除存在计算复杂、效率低等问题。为了提高点云精度和点云去噪的速度，提出了一种基于图像分割的点云去噪方法。首先，根据结构光条纹投影重构的三维点云建立二维点云映射图像；其次，利用图像阈值分割方法和区域生长方法对二维点云映射图像进行图像分割；然后，对分割出的噪声区域进行记录并去除；最后，对新的二维点云映射图像重新进行三维重建得出去除噪声的点云。实验结果表明，经过该方法处理后点云精度可以达到99.974%，去噪时间为0.954 s。所提方法可以有效去除点云噪声，避免在三维空间进行复杂的计算。     

基于种子点的粘连巨噬细胞图像的分割方法

粘连细胞的分割是医学细胞图像处理中的关键,随着形态学在图像分割中的应用,分水岭分割成为粘连细胞分割中最有效的方法之一。然而,由于巨噬细胞图像中的噪声和形态的不规则性,传统分水岭算法容易产生过分割。若在经距离变换得到的距离图中提取"种子点",并将其中距离小于某一阈值的两两"种子点"合并得到新的"种子点",在新"种子点"重新分布的距离图基础上使用分水岭分割。实验结果表明:该算法虽然要比传统分水岭算法多花费些时间,但可以有效地分割粘连巨噬细胞并抑制过分割现象。分割后,对细胞进行标记并提取细胞的特征参数,如周长、面积、圆度因子、灰度均值等。     

一种基于图像分割的立体匹配算法

针对在立体匹配过程中的低纹理和视差不连续的问题,提出了一种基于图像分割的立体匹配算法。首先采用Mean-Shift算法对彩色图像进行图像分割,并认为分割区域块内的像素视差是平滑的,然后采用较大窗口匹配方法,提取左右彩色图像相似像素点作为种子点,根据区域内的平滑约束条件,利用小窗口匹配方法将种子点向周围区域扩散,最终得到稠密视差图。实验结果表明该算法相比传统的自适应匹配算法,视差不连续区域匹配误差降低10%左右。     

一种基于改进遗传算法的自适应区域生长法研究

区域生长法是图像分割的一种常用的方法,但该方法中种子点的选取仍需人为地判定,从而影响了分割效果.因此将遗传算法引入模糊C-均值聚类方法,不仅克服了模糊C-均值聚类的局部性和对初始聚类中心的敏感性,同时也实现了图像种子点数目和位置自动选择和确定.实验结果表明这种方法是可行和有效的,它扩大了遗传算法和模糊C-均值聚类的应用领域.     

AI识别技术在输配电网络故障诊断中的应用

常规方法分割图像中输配电网络像素点时，选择的分割点梯度不一致，使导线故障和器件故障定位范围较大，为此提出AI识别技术在输配电网络故障诊断中的应用方法。获取输配电网络机巡数据，转换红外图像像素点颜色，去除噪音像素点，根据灰度值选择种子像素点，将梯度幅值和方向一致的种子点作为分割点，分割输配电网络像素区域，输入AI识别网络，提取分割图像特征进行分类学习，输出故障诊断结果。实验结果表明，设计方法减小了导线故障点标记距离、器件元件故障区域标记面积，提高了故障位置定位精度。     

基于数学形态学和自动区域生长的红外目标提取

针对具有复杂背景干扰,信噪比低的红外图像目标提取问题,提出了一种结合数学形态学和自动区域生长的红外目标提取方法。首先对图像进行中值滤波和灰度变换预处理,然后利用数学形态学高帽变换去掉大面积背景干扰区域,接着采用基于局部小波系数能量特征的方法找到感兴趣区域,再通过基于窗口均值的方法自动获取种子点进行区域生长分割。实验结果表明:本文方法能有效的消除复杂背景干扰,并很好的提取出目标。     

基于任意种子区域搜寻的自动图像边缘提取和分割算法

提出了一种新的自动图像边缘提取和分割算法:先通过任意种子区域搜寻算法(RSRS)自动获得图像的边缘,其中的初始种子选取是任意的,并且可以根据图像对比度的强弱自动调整分割阈值,经与其它经典的图像分割算法相比较,验证了本算法性能的优越性.     

基于感兴趣区域轮廓的图像分割方法

针对耗时和区域边界不精确的图像分割问题,对边缘检测方法和区域生长方法进行研究、改进,提出以边缘检测和区域生长相结合的感兴趣区域轮廓的图像分割方法,该方法能够更加精确地对图像进行分割。实验结果表明,该方法对复杂环境下感兴趣区域的图像分割具有良好的效果。     

利用边界运动显著性的红外运动目标分割方法

针对传统算法无法对短暂静止的红外运动目标进行准确有效地分割,该文提出了一种利用边界运动特征的红外运动目标分割方法。首先,定义了一种新指标边界运动显著性,该指标利用边界点时空域特性,可以准确反映图像中边界点的运动特征,显著性越高,则该边界点属于运动目标的可能性越大。然后,通过Otsu阈值法提取出显著性高的边界点,并利用历史数据对其进行修正,修正之后的运动边界点作为运动目标种子。最后,通过一种“逐层生长”的区域生长方法,在运动目标种子上分割出完整的运动目标掩膜。该方法在多组红外图像序列中进行测试与对比,结果证明该方法运动目标分割效果良好,目标背景的错分率低,可以准确检测并分割出短暂静止的运动目标。     

基于像素相似性与Graph-Cut的图像自动分割

采用Graph cut的图像分割分为交互式分割与自动分割,为了弥补交互式分割需要用户的参与、分割结果依赖种子点的选取与模型的建立、需要用户的进一步修正才能得到满意结果等不足,介绍基于相似性的自动图像分割。该方法采用Mean-shift平滑图像、转换成YCbCr空间后将图像分割成若干区域块等方法,建立合适的能量函数后利用最大流/最小割定理求最小割。并通过实验证明,该方法在自动性、准确性、时间效率方面都获得较好结果。