基于自适应标记提取的分水岭彩图分割算法

针对分水岭算法过分割问题,提出一种基于自适应提取标记的改进算法。该算法结合极小值深度和汇水盆地尺度信息提取与物体相关的极小值标记,根据梯度图像中极值点的统计信息自适应设定标记提取的阈值。提取到的标记采用形态学极小值标定技术强制作为原始梯度图像的极小值,在修改过的梯度图像上进行分水岭分割。仿真结果表明,该算法能有效解决分水岭算法的过分割问题,具有更强的抗噪性能和边缘定位能力,且计算复杂度较小。     

阈值标记的分水岭彩色图像分割

目的 针对传统分水岭算法中产生的过分割问题,提出一种基于阈值标记的分水岭彩色图像分割算法。方法 该方法将分水岭算法直接应用到原始梯度图像上而不是简化之后的图像,这样做的目的是可以保护边缘信息不受损失;利用不同尺寸结构元求取彩色图像形态学梯度,解决了关于保护边缘和图像简化之间的矛盾。同时算法设计一种阈值自动选取与标记提取方法,从梯度的低频成分中提取与物体相关的局部极小值,用这些极小值构成的二值图像强制标定原始梯度图像,在修改后的梯度上进行分水岭分割。结果 在仿真实验中,利用本文算法针对不同RGB彩色图像进行分割,获得准确、连续封闭的分割边界,与其他同类方法相比,得到符合人类视觉的最小分割区域数,同时在运行效率上也有很大提高。结论 该方法可以自适应提取标记而不需要先验知识,有效解决了分水岭算法的过分割问题,相对于传统的算法,提高了分割性能,有较好的适用性和鲁棒性,可将其应用于机器视觉、生物医学以及高光谱遥感图像分割领域。     

改进分水岭医学图像分割方法的研究

针对分水岭分割算法极易出现过分割现象这一弊端,对传统分水岭算法进行了改进,提出了一种新的基于阈值标记法的分水岭医学图像分割方法。其中采用最大熵阈值法来提取图像内部标记,对内部标记进行分水岭变换得外部标记。用内、外标记修正原始梯度图并作分水岭变换,所得的图为最终的分割图。实验发现,该方法对于抑制过分割是有效的。     

修改标记符梯度图像的分水岭变换

针对传统分水岭算法中存在的过分割现象,提出了一种修改标记符梯度图像的分水岭分割方法。该算法首先利用阈值分割法对图像中感兴趣的目标和背景进行标记;然后根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正;最后,使用分水岭算法对修正的梯度图像进行分割。实验结果表明,该算法能有效地抑制过分割问题,并且使用标记符会为分割问题带来先验知识,这为人们解决模式识别等更高级的工作提供了一种有效方法。     

改进梯度和自适应标记提取的分水岭新算法

为了克服分水岭算法的过分割问题,提出了一种基于改进形态学梯度和自适应标记提取的分水岭新方法。用两组结构元素进行梯度计算;对重构后的梯度图像用Otsu算法提取标记;用h-minima变换修改标记图像,将各尺度下标记点的并集作为最终的标记图像;对修改的梯度图像进行分水岭变换。实验结果表明：与传统分水岭算法相比,该算法对于改善过分割现象有明显的效果,能够获得具有实际意义且更合理的分割区域。     

基于改进分水岭变换的遥感图像建筑物提取

遥感图像的分割是遥感信息提取与目标识别的基础和关键。以高分辨率城镇地区遥感图像为研究对象,提出一种基于全局阈值的多级分水岭算法,用于遥感图像的分割。该算法通过引入差异度函数,在执行传统分水岭算法的过程中对图像中存在的噪声区域进行修正,并通过使用全局阈值有效的控制欠分割问题。首先基于全局阈值的多级分水岭算法对高分辨率遥感图像进行初始分割,然后综合利用分割对象的颜色和形状特征信息,进行区域合并和梯度边缘提取,得到最终的建筑物提取结果。实验结果表明,所提出的基于全局阈值的多级分水岭算法较好地避免了过分割和欠分割现象,结合区域合并和梯度提取,能够快速准确地对城镇遥感图像中的建筑物进行提取。     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.     

一种基于标记的分水岭图像分割新算法

为了降低分水岭算法的过分割问题,提出一种新改进的基于标记的分水岭图像分割方法。该方法是在分水岭算法的基础上,算法直接应用分水岭在原始梯度图像而并非简化之后的图像进行分割,从而保证没有物体边缘信息的丢失。与此同时,新算法设计一种新的标记提取方法,从梯度的低频成份中提取与物体相关的局部极小值。它们将构成二值标记图像。然后,将提取的标记利用形态学极小值标定技术强制作为原始梯度图像的局部极小值,而屏蔽梯度图像中原有的所有局部极小值。最后,分水岭在经过修改之后的梯度图像上进行图像分割,最终获得较好的图像分割结果。利用本文提出的图像分割算法可以获得较为理想的图像分割结果。通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且一致的分割区域,以及较为准确、连续、一个像素大小的物体边界。与其他的分水岭改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低分水岭算法的过分割问题。     

基于标记的数学形态学滤波分水岭算法

经典的分水岭算法存在过分割问题,文中针对图像分割提出了一种基于预处理的改进算法。目的是为了抑制分割过程中的过分割现象,缓解过分割问题。首先对图像进行应用数学形态学去噪,滤波。再求取梯度图像,然后根据梯度图像局部极小值的综合信息自适应地提取内部标记,再进行距离分水岭变换提取外部标记。并以提取的标记为依据,对梯度图像进行修正,最后对修正后的梯度图像实施分水岭算法。实验结果表明:与传统分水岭算法相比,本算法能较好地缓解过分割问题。     

基于形态学梯度重构和标记提取的分水岭图像分割

为了解决传统分水岭算法的过分割问题,提出一种使用形态学梯度重构和标记提取技术进行图像预处理的分水岭图像分割方法。该方法基于多尺度概念,进行梯度重构时采用了不同尺寸的结构元素,在对重构后的各梯度图像的区域极小值进行标记后,将各标记点的并集作为最终标记图像,用其修改梯度图像,然后进行分水岭变换,实现图像的区域分割。实验结果表明,该方法既能有效解决分水岭算法的过分割问题,又保留了各尺度下的重要目标,并且可以根据图像特点和具体的分割要求,调整分割过程中所选参数,得到满意的图像分割效果。     

复杂环境下的运动人体骨架提取算法*

针对复杂环境下运动人体难以检测及由人体运动自身的复杂性而引起的骨架提取难的问题,提出了一种复杂环境下视频序列中的运动人体骨架提取算法。算法首先利用区域背景建模获取复杂环境下的背景图像,利用最大色差分量结合自适应阈值分割运动人体;然后根据人体测量数据对人体骨架建模,最后利用Kalman滤波跟踪人体关节点,连接关节点生成运动人体骨架。实验结果表明,该算法能准确地提取复杂环境下视频序列中的运动人体骨架,具有低关节位置误差率。     

基于等级划分的复杂点云骨架提取算法

对于复杂点云的骨架提取,由于原始点云的遮挡、缺失、分布不均、分支复杂等原因,所提取骨架会产生断裂、拓扑结构错误等问题.针对复杂结构点云的骨架提取,提出了一种基于等级划分的复杂点云骨架提取算法(multilevel divided skeleton extraction,MDSE).使用L1-medial提取初始骨架点,将初始骨架点连接成单分支骨架线,通过对单分支结构的初始骨架线进行等级划分,利用连通分支的平均分叉角确定骨架线断裂位置,由底至项修补断裂骨架线;最后采用Cardinal样条曲线改善骨架形态,形成完整且符合原始点云拓扑结构的骨架线.实验结果表明,该算法能够从复杂点云中提取出较为完整、拓扑结构正确的骨架线.     

一种新型高效的计算机寻优算法

提出一种全新的寻找无约束最优解的计算机算法。该算法能使得目标函数梯度的模逐渐收缩到零,以达到目标函数极小化,因此命名“梯度收缩法”。它同时利用了牛顿法和共轭梯度法的优点,应用目标函数的二阶导数,收敛很快,且具有牛顿法的“二次终止”特性。但Hessian矩阵奇异时,牛顿法将无法进行下去,该文算法可以克服这个缺点且能快速确定是否收敛到一个鞍点。     

基于改进自适应k均值聚类的三维点云骨架提取的研究

针对三维点云中心骨架提取问题, 提出一种基于改进的自适应k均值聚类预分割引导的点云骨架提取算法. 首先, 将输入点云体素化, 利用八叉树算法覆盖输入点云并下采样实现点云化简; 其次, 在采样点中自适应选取初始聚类中心对点云进行区域划分, 并颜色标记; 最后, 在区域分割的引导下应用L₁-中值骨架提取算法实现点云骨架的提取. 该算法主要针对L₁-中值算法可重复性差、易丢失细节等缺点进行了改进, 并且对输入点云的质量以及形状的几何或拓扑信息, 都没有严格的先验要求, 可以直接应用到未经任何预处理、含有噪声或离群点的初始扫描点云上. 展示了从多种不规则点云提取的骨架结果, 包括矮小植物、人体动作等. 与传统算法相比, 该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.     

Curve skeleton extraction by coupled graph contraction and surface clustering

In this paper, we present a practical algorithm to extract a curve skeleton of a 3D shape. The core of our algorithm comprises coupled processes of graph contraction and surface clustering. Given a 3D shape represented by a triangular mesh, we first construct an initial skeleton graph by directly copying the connectivity and geometry information from the input mesh. Graph contraction and surface clustering are then performed iteratively. The former merges certain graph nodes based on computation of an approximate centroidal Voronoi diagram, seeded by subsampling the graph nodes from the previous iteration. Meanwhile, a coupled surface clustering process serves to regularize the graph contraction. Constraints are used to ensure that extremities of the graph are not shortened undesirably, to ensure that skeleton has the correct topological structure, and that surface clustering leads to an approximately-centered skeleton of the input shape. These properties lead to a stable and reliable skeleton graph construction algorithm.Experiments demonstrate that our skeleton extraction algorithm satisfies various desirable criteria. Firstly, it produces a skeleton homotopic with the input (the genus of both shapes agree) which is both robust (results are stable with respect to noise and remeshing of the input shape) and reliable (every boundary point is visible from at least one curve-skeleton location). It can also handle point cloud data if we first build an initial skeleton graph based on k-nearest neighbors. In addition, a secondary output of our algorithm is a skeleton-to-surface mapping, which can e.g. be used directly for skinning animation.Highlights(1) An algorithm for curve skeleton extraction from 3D shapes based on coupled graph contraction and surface clustering. (2) The algorithm meets various desirable criteria and can be extended to work for incomplete point clouds.     

海面温度栅格图的锋面提取与矢量化

提出一种海面温度栅格图的锋面提取方法。针对海洋表层温度(SST)锋面强度分布不均匀的特点,利用低通滤波对表温梯度图像进行平滑。再利用迭代法确定出梯度图像的分割阈值,将图像分割成目标与背景两部分。通过数学形态学中图像细化的方法,提取海洋温度锋面的骨架并对细小分枝进行修剪。经矢量化生成锋面线后,利用抹角法对折线进行光滑。最后以西太平洋为例,给出了一个表温锋面提取的实例,表明利用此方法进行海表温度锋面的提取是可行与有效的。     

面向瓦当文字识别的改进水平集骨架提取

目的 瓦当是珍贵的历史文化遗产。为了进行瓦当的数字化保护和瓦当文字的自动识别,针对瓦当图像高磨损、高噪声和拓扑复杂的特点,提出基于梯度矢量流场改进的level set骨架提取算法。方法 算法在传统level set骨架算法的基础上对中间函数进行改进,引入基于修正梯度矢量流场的中间函数替代传统的基于欧氏距离场的中间函数,主要通过两次速度不同的波传播实现,因此提高了算法的自动性和精确性。结果 面对构建的标准模型,算法所提骨架线与标准骨架线的平均匹配度为98.03%,骨架均为单像素宽,居中性良好。面对各种噪声,本文算法所提骨架线与不加噪声骨架线的平均匹配度为99.15%,算法的抗噪性强。面对拓扑复杂模型,算法得到的骨架与原图像拓扑一致性、连通性、光滑性良好。结论 实验结果表明,本文算法提取的骨架性能良好,算法抗噪性强,对拓扑复杂物体亦有较好结果,是一种有效的骨架提取算法。     

基于凸壳与有向包围盒的骨架提取方法

为获取三维模型的几何及拓扑信息,提出一种基于凸壳与有向包围盒(OBB)的线性骨架提取方法.首先将三维网格模型进行分割生成多个子网格模型;然后对各子网格中的点集求取凸壳作为该子网格点集的近似,由凸壳顶点的形心构成原始骨架点;再用OBB进行重叠计算求出相交点集,以生成关节骨架点;最后对原始骨架点与关节骨架点进行连接,经冗余检测后形成完整骨架.实验结果表明,该方法快速、有效,提取出的骨架能保证连通性与中心性且能很好地提取关节骨架点,为蒙皮关节动画、模型形状分析等提供有效信息.     

一种基于激光传感器的自适应直线提取算法

针对Split-and-Merge直线提取算法对参数敏感和运算效率低的问题,提出一种基于该算法的自适应直线提取方法,根据自适应阈值对激光数据进行邻近点簇分割,基于Prototype-based fuzzy clustering算法对邻近点簇进行线段分割,利用最小二乘拟合直线参数。实验结果证明,该方法显著提高了线段分割的鲁棒性和线段提取的精度,以及算法的运算效率。