基于GrabCut和HSV彩色空间的三七叶片病斑图像分割

针对三七叶部病斑图像中存在背景与病斑颜色相近和阳光照射下存在影子的情况导致对图像病斑分割精度不高、效果差的问题,提出一种基于GrabCut和HSV彩色空间模型的分割方法.通过GrabCut算法实现对复杂背景以及阳光照射下的影子与待分割三七叶片的分离.保留第一次分割结果的基础上,在HSV彩色空间下提出一种颜色距离的定义.根据定义的颜色距离,在使用颜色信息的同时结合空间信息,得到病斑的分割边界.实验表明,当色调分量因子k1和饱和度分量因子k2分别取0.1和0.05时得到的分割边缘效果较好.     

基于人体骨骼和深度图像信息的指尖检测方法

针对复杂环境下的指尖检测,从手部图像分割和指尖检测方法两方面进行改进,提出了一种基于人体骨骼和深度图像信息的指尖检测方法。首先采用Kinect获取人体骨骼和深度图像信息,通过人体骨骼信息锁定目标用户,利用锁定用户的手部节点位置从深度图像中提取手部区域图像;然后从手部骨架中搜索骨架端点,提出局部最优查找方法对轮廓凸包计算结果进行优化;最后结合手部轮廓特征找到指尖位置。实验结果表明,该方法具有良好的检测效果,满足实时性要求,能够实现复杂环境下的鲁棒检测。     

基于改进的U-Net和YOLOv5的绝缘子掩模获取与缺陷检测

输电线路的绝缘子定期巡检是必不可少的一项任务,而传统的人工巡检存在着效率低、工作强度大等问题。因此,本文设计了一种改进的U-Net模型实现对绝缘子的分割,并使用改进的YOLOv5实现在复杂背景下对爆破绝缘子的定位。本文基于U-Net图像语义分割模型,提出一种改进的网络结构SERes-Unet。模型引入残差结构减少卷积过程中存在的梯度消失、结构信息损耗的影响,引入注意力机制对特征权重进行校正,从而提升网络性能。为实现对高分辨率图像的爆破绝缘子检测,提出将图片进行切割再进行检测,再通过非极大值抑制（Non-maximum suppression,NMS）进行筛选,获取图像全部爆破绝缘子的位置。本文设计的多组实验验证了模型的有效性和高效性。本文方法绝缘子分割精度达到0.96,爆破绝缘子检测精确率达到0.97,召回率达到0.99。     

基于Mask RCNN的绝缘子自爆缺陷检测

针对绝缘子自爆缺陷位置检测问题,提出了一种基于Mask RCNN的绝缘子自爆缺陷检测的方法。通过构造基于Mask RCNN的绝缘子串分割模型,在获取的掩模图像中引入最小外接矩形提取绝缘子串图像,从而搭建基于Mask RCNN的自爆缺陷检测模型,检测绝缘子串中的自爆位置。结合两个模型,将绝缘子串位置及其自爆缺陷位置映射到...     

基于统计形状模型的绝缘子掉串检测算法

在电力系统中,利用计算机视觉和图像处理技术对绝缘子的状态进行检测,在保障电力系统的安全运行方面具有非常重要的作用。针对绝缘子掉串问题,本文提出了一种基于统计形状模型的绝缘子掉串检测算法,该算法首先对输入图像进行预处理;其次提取感兴趣的目标区域,该区域内应包含绝缘子信息;然后利用GLOH描述子来精确定位绝缘子,再利用统计形状模型在图像分割方面的优势来精确分割绝缘子;最后对分割出的绝缘子的位置进行分析,以达到检测绝缘子是否掉串的目的。实验结果说明了本文方法可以准确地判断出绝缘子是否存在掉串现象。     

基于Gabor 变换的GrabCut 纹理图像分割

多数自然图像都包含纹理信息, 它相对颜色特征而言具有描述方向性与尺度差异的特性. 因此, 可以利用半交互式的GrabCut 的图像分割方式对图像前景区域与背景区域进行有效的分割, 通过建立前景和背景所对应的高斯混合模型(GMM), 结合最大流最小割的图像分割方式实现全局优化, 并利用前景和背景的KL 测度, 自适应地终止分割过程. 实验对比分析表明, 所提出的方法对于合成纹理图像与自然纹理图像具有较好的整体分割效果及较高的分割准确率.

     

基于双层模型的宫廷服饰龙纹自动分割算法研究

宫廷服饰纹样蕴含着丰富的文化内涵,但由于缺少像素级语义标注的数据库,使 得宫廷服饰纹样精准分割成为极具挑战的问题。为此,提出一种融合深度学习和 GrabCut 算法 的双层模型,实现目标检测和分割功能。分析不同深度卷积神经网络的特点,在模型目标检测 层(ODL)选择使用二阶段目标检测框架中的 R-FCN 方法;在模型分割层(SL)使用基于图论的 GrabCut 算法产生最终分割结果。在宫廷服饰图像数据集上进行仿真实验,证明基于深度卷积 神经网络和 GrabCut 算法的双层模型可以产生较好的分割效果。     

基于场景几何信息的显著性目标检测方法综述

显著性目标检测在图像和视频压缩、伪装物体检测、医学图像分割等领域具有重要作用.随着深度传感器和光场技术的广泛应用,深度图像和光场数据等场景几何信息开始应用于显著性目标检测,可提升模型在复杂场景下的性能,由此学者们提出一系列基于场景几何信息的显著性目标检测方法.文中旨在分析总结经典的基于场景几何信息的显著性目标检测方法.首先,介绍方法的基本框架及评估标准.然后,围绕多模态特征融合、多模态信息优化、网络模型轻量化三方面,分类概述和分析经典的RGB-D显著性目标检测方法和光场显著性目标检测方法.同时,详细介绍基于场景几何信息的显著性目标检测方法的工作进展.最后,讨论方法目前存在的问题,展望未来的研究方向.     

基于非归一化直方图的GrabCut图像分割算法改进

针对GrabCut算法在图像分割中存在迭代求解耗时长、分割结果欠分割的问题,提出了一种基于非归一化直方图改进的GrabCut算法。在保留GrabCut第一次分割结果的基础上,通过非归一化直方图计算像素点属于前景或背景的方法来代替高斯混合模型迭代学习的过程;在构图过程中引入一类新的节点Bin进行构图以提高分割精度。选取MSRA1000数据集中部分图片进行实验验证,结果表明该算法在分割效果和效率上都有明显的提升,在进行背景复杂图像的分割时改进算法优势更加明显。     

户外增强现实的图像分割算法改进应用

传统图像识别过程多发生在环境较为稳定的室内场景中,而当前增强现实的发展趋向于对户外场景的应用,比如在旅游行业中对建筑、雕像等目标的识别.针对ARToolKit增强现实系统在户外自然场景下的图像分割过程因受到实时变化的光照、遮挡等因素的影响而出现错误分割导致增强现实效果难以实现的问题,提出一种基于直方图均衡化的改进GrabCut算法.采用直方图均衡化对图像非线性拉伸,提高图像对比度;对GrabCut算法的边界项函数进行均值化处理,减少边缘像素的错误分割,提高目标图像的边缘完整性,实现图像的准确分割.实验结果证明该方法在复杂现实场景中拥有较高的实时性和稳定性,改善了ARToolKit增强现实系统在户外场景中的处理性能.