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。     

图像边缘提取的区域联合分割与主动轮廓模型

在目标的识别与跟踪处理中,目标图像的边缘提取是一项关键技术。采用边缘区域分割和主动轮廓C-V模型算法,而C-V模型更适用于水下的球体、椭球体边缘检测,具有提取的边缘连续的优点。当然,在处理不同的实际问题时,针对环境条件和要求的不同,可以选择适合的算子进行图像边缘提取。     

基于颜色与线段的图像轮廓提取算法

传统二维图像轮廓识别算法通常是在图像中找到边缘,根据设定的条件将边缘像素组合起来形成轮廓。针对边缘检测算法通常需要对不同的图像设定不同的阈值,对不同类型的图像很难找出统一的阈值的问题,文中提出了一种同时利用图像中颜色与线段信息的彩色图像轮廓提取算法,算法采用自顶向下的颜色空间融合和自底向上的线段检测的方法,在初步获取边缘信息之后,综合利用检测结果生成目标的轮廓。算法的优点在于不需要进行阈值调整,实验表明:该方法可以有效地提取彩色图像中的目标轮廓。     

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...     

彩色图像序列中运动目标外轮廓的自动提取

该文提出了一种新的多运动目标精确外轮廓自动提取算法。算法的主要创新点是:采用指数滤波计算彩色图像的梯度强度,改善了彩色图像梯度局部极值点的定位精度,所得到的梯度强度和运动边缘位置信息供随后的轮廓迭代中使用,成功地避免了动态轮廓的过收缩。此外,充分利用轮廓的方向信息,又有效地克服了动态轮廓迭代中的外扩展。从而,算法自动地提取出一个真正紧贴的目标外轮廓。分析和实验表明,该算法抗干扰能力强,对复杂背景及不重叠物体,可以精确定位并提取出各个运动目标的外轮廓。     

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。     

基于改进轮廓提取的Hough变换椭圆检测方法

分析椭圆目标在成像平面上的特点,提出一种基于改进轮廓提取的Hough变换椭圆检测方法,可以有效地在图像中提取出椭圆的轮廓。对边缘检测后的图像进行边缘点分类,去除交叉点和孤立点,保存端点;根据端点,提取图像中的非封闭轮廓,再扫描图像,提取剩余的封闭轮廓;针对随机Hough变换,根据每条轮廓的长度判断该轮廓需要采样计算的次数,在每个循环的内部,设定阈值来判断每组椭圆参数的统计值,用以跳出循环。实验结果表明,与普通随机Hough变换相比,该算法的内存占用量与计算量大大减少。     

轮廓基的视频对象平面提取方法

提出一种基于轮廓信息的视频对象平面（VOP）半自动提取方法,运用边缘点拾取、轮廓闭合、腐蚀和轮廓运动补偿等多项技术,充分考虑到轮廓的规则形变和无规则形变。实验结果表明,此方法具有对象边缘精确,适应性强的特点,提取的VOP令人满意。     

基于RGB-D图像的重叠颗粒物分层计数

文中提出一种基于RGB-D图像的重叠颗粒物分层计数方法。由Kinect相机获取彩色和深度图像并配准,对彩色图像采用改进的K-means聚类算法提取颗粒物轮廓,利用格雷厄姆凸壳算法和圆形度对其摆放类型进行分类。利用插值算法对可提取的部分边缘轮廓进行轮廓重建以获取对应目标区域颗粒物数量;对于无法提取的颗粒物轮廓,由估算得到的单个颗粒平均像素点数,根据目标区域总像素点数计算出颗粒物数量;对于无法利用彩色图像提取到的上层目标区域,由深度图像进行阈值分割即可完成上层目标区域的提取和分类计数。文中采用大小均匀、类圆形核桃为研究对象,对任意摆放的不同颗核桃进行计数,平均正确率达99.38%。表明文中方法应用于重叠颗粒物计数是有效可行的。     

改进边缘检测算法在医学图像处理中的应用

图像边缘检测在医学中有很重要的应用,针对此提出了一种新的边缘检测方法,首先采用canny算子对图像进行边缘检测,然后对检测后的图像轮廓跟踪。实验表明,与传统的边缘检测算法相比,这种算法能更好地提取图像中目标物体的边缘,减少检测边缘断裂现象,具有很好的应用价值。     

基于OpenCV的目标物体颜色及轮廓的识别方法

针对机器人视觉中对目标物体的拾取问题,提出一种基于Open CV函数对从摄像头输入的目标物体的颜色及轮廓进行有效识别的方法。首先利用摄像头读取目标物体及周围环境,经一系列图像处理后进行目标物体的颜色识别,在此基础上进行Canny边缘检测并查找轮廓,最后将轮廓显示。结果表明,该实验程序可以很好地完成对目标物体的颜色及轮廓提取,且有效地避免了目标物体周围相近颜色的干扰。     

融合先验形状知识的主动轮廓模型研究

融合先验形状知识的主动轮廓模型（HACM）能够解决目标存在遮挡、局部形变、相似变换等实际问题,广泛应用于图像分割、轮廓提取等领域。本文以主动轮廓模型（ACM）为基础,从先验形状知识的提取以及知识的融合方法两个方面,总结近年来ACM在融合先验形状知识的目标轮廓提取领域的一些最新研究成果。首先研究基于区域不变矩描述子、样条函数以及水平集的形状知识提取方法,用于提取刚体性、非刚体性目标样本集所包含的轮廓信息,该信息具有一定的泛化能力,即针对样本集以外的目标轮廓具备一定的表达能力。然后以单目标轮廓提取问题为研究对象,从距离函数的角度分析各种先验形状知识与原始轮廓模型的全局性融合方法,并介绍了一种基于标识函数的局部融合方法。局部融合方法可以解决单知识、多目标情况下的轮廓提取问题。最后对文中所介绍模型进行总结分析,对该领域的研究方向进行了展望。      

基于总变分方法去噪的测地线活动轮廓的应用

传统的测地线活动轮廓（geodesic active contour）在目标轮廓的提取中虽然能使一条初始曲线朝着目标边界逼近,但是高斯平滑的各向同性性使得图像的边缘信息模糊甚至丢失,这样,曲线的演化过程会变得不稳定而导致演化速度变慢。据此,提出一种基于总变分方法的测地线活动轮廓模型。由于总变分方法可以在去除噪声的同时,对边缘的信息进行增强,实验证明该模型不但能够使曲线精准地收敛到期望轮廓上,且运算时间短。     

基于GVF Snake模型的设备内壁图像轮廓提取

主动轮廓模型主要用于计算机视觉与图像处理,尤其是用于检测对象的边界,是目前流行的图像分割算法,其主要优点是无论图像的质量如何,总可以抽取得到光滑、封闭的边界.通过使用梯度矢量流(Gradient Vector Flow,GVF)主动轮廓模型对设备内壁图像进行分割,克服了传统主动轮廓模型不能检测目标凹陷处,初始轮廓必须靠近物体边缘,以及收敛速度较慢的缺点.实验结果表明该算法不仅可以获得较好的设备内壁图像分割效果,而且能提高轮廓提取的速度,为标定设备内壁有损部位的几何参数提供良好的环境.     

利用模糊特征改进Snakes模型的图像分割

利用模糊特征自适应地控制曲线法向力场改进参数主动轮廓模型,改进后的模型可以对弱边缘、无边缘区域和纹理图像进行分割。曲线法向力场加速了曲线收敛到目标区域边界,改进了抓取范围和提取凹区域的能力。对弱边缘图像、医学图像和纹理的分割实验表明,新方法具有良好的性能。     

基于局部灰度分析的红外图像轮廓跟踪算法

针对在红外图像边缘提取时,断边和分支点会导致伪边界的问题,提出了一种带搜索控制准则的红外图像轮廓跟踪算法.该算法根据飞行目标红外图像特点,将基于最大距离法的局部阈值分割用于目标图像的提取.给出了关于图像局部灰度特性的3个推论,并由此将遗传算法用于轮廓跟踪过程,自动判断出轮廓跟踪过程中出现的分支点、断边,搜索断边并连接.实验结果表明,采用该算法可得到清晰、光滑的轮廓图像,并且具有较快的运算速度,可实现实时处理.