基于颜色和深度的场景分割

针对家庭服务机器人对分割精度的要求,研究了基于Kinect的场景分割问题。设计了一种融合Kinect获取的深度信息与颜色信息的场景分割方案。将Kinect获取的深度图像与颜色图像分别用一维向量和三维向量表示,并进行归一化,通过一个平衡系数将二者融合到一起形成场景的四维向量描述;再将基于Nystrm方法的Normalized Cuts谱聚类算法应用于四维向量,从而实现场景分割。实验结果表明,该算法的分割结果优于单独基于颜色或深度信息的场景分割算法,能达到家庭服务机器人对场景分割精度的要求。     

基于小波阈值与分层深度图像去噪算法研究

针对Realsense深度相机提取的深度图像中背景噪声和随机噪声对图像分割及目标识别的影响,本文提出一种深度图像分层结合小波阈值去噪的算法。根据深度图像预估图像的噪声强度,确定层级间隔,将图像进行分层,选择需要去噪的图层进行小波阈值去噪,将完成的分层图像拼合成完整的深度图像,最后选择多幅深度图像进行对比实验。实验结果表明,该算法可有效去除深度图像中某一层级的背景噪声及特定噪声,保留了深度图像的边缘信息,具有良好的去噪效果。该研究在获取深度图像后的图像分割、目标识别、图像修复等方向具有一定的应用价值。     

图像检测技术在液态试剂浓度检测中的研究与应用

该文通过设计并实现了针对实验室检测环境的一类图像检测系统研究了利用图像检测技术分析液态试剂浓度的可行性。该系统通过彩色摄像头采集检测图像,然后通过图像的颜色特征获取检测物的含量信息。该文针对检测图像的颜色特征和空间结构信息,采用颜色直方图、基于颜色的阈值分割技术、区域增长分割方法实现检测图像分割处理和统计特征的提取。最后,该文以一组荧光试剂含量检测为例,验证了本图像检测系统的可行性。     

基于Kinect深度信息的手势识别

设计了一种基于Kinect深度信息和双阈值分割的运动手势识别算法。结合OpenCV和OpenNI,在vs2010环境下实现了该算法。利用Kinect的深度摄像头获取深度图像;对该图像进行双阈值分割,获取手部图像;再对手部图像进行形态学处理,获取完整的手形;最后,利用OpenNI的手势生成器GestureGenerator对手势进行跟踪识别。利用深度图像进行手势识别,通过双阈值分割,不仅去除了背景干扰,也能去除一部分前景干扰。用不同颜色点、圆和线的形式表示各种手势,可以清晰地实时显示识别效果。     

基于小波变换的墙地砖缺陷图像分割

目的改进原有的图像分割算法在分割图像时的精度和准确度，进一步准确地研究墙地砖缺陷图像的基本特征，提出一种有效的图像分割方法．方法根据墙地砖表面的纹理特点，采用Daubechies小波对原始图像进行处理．结果仅保留图像的近似信息，从而有效降低了纹理特征对缺陷分割的干扰．同时，图像数据量减少为原始图像的1／4．因此，在有效提取近似信息的基础上提高了系统的实时性，便于图像分割应用．该方法增强了缺陷纹理图像。能抑制背景纹理对缺陷纹理检测的干扰，并通过减运算有效地实现了缺陷纹理和背景纹理的分割．结论基于小波变换的墙地砖缺陷图像分割方法能够对随机纹理图像进行可靠、有效、快速的分割，尤其适用于具有随机纹理的墙地砖缺陷实时检测．     

基于深度学习的遥感图像道路分割

为在遥感图像中提取出来道路信息,利用深度学习技术,引入U²-Net模型进行遥感图像道路分割。相比于传统的道路提取方法,基于U²-Net方法可以实现道路的自动化提取。为验证U²-Net模型分割效果,选取U-Net、DeepLabV3+等近几年较为流行的语义分割方法进行对比试验,并进一步分析U²-Net显著图融合模块中卷积核对道路提取效果的影响。试验结果表明,U²-Net模型能较有效地提取出道路信息,模型在测试集上的平均交并比达到了76.49%,Kappa达到了0.701 2,分割精度优于U-Net、DeepLabV3+等语义分割方法。基于U²-Net模型的深度学习方法可以用于解决遥感图像中的道路分割问题,并具有较好的分割效果。     

基于小波变换的医学图像分割

医学图像分割是图像分割的一个重要应用领域,也是制约医学图像在临床上广泛应用的题.对医学图像分割技术进行了综合研究,在此基础上提出了一种新的基于小波变换的医学图像分割方法.首先利用小波变换提取边缘信息,然后采用C均值聚类法把原有灰度信息和边缘信息进行聚类.仿真试验证明该方法能有效地解决过分割问题,提高了分割效率.     

工业视觉检查系统中的图像处理及模式识别

工业视觉检查系统是对工业零件进行分类、识别的自动检查装置．该系统针对工业零件的强度图像采用图像传感器摄取原始信息,研究了图像预处理、图像分割、特征提取及分类等内容,并获得了较理想的图像,达到了对图像进行预处理的目的,为模式识别打下了基础．     

深度图像中直线特征的提取

深度图像具有能够表征物体表面三维立体信息的优势,而直线则携带了图像中重要的结构信息,对图像分割、图像识别等后续图像分析具有十分重要的意义。提出一种新的深度图像直线检测方法,由直线组成的直线框架方法,能够精确地、综合地提取深度图像的直线特征。首先,在指定邻域内对每个深度像素估计表面法向量;通过对表面法向量的相关计算得到每个像素点的边缘强度;之后,通过全局匹配措施,连点成线;最后,采用Hough变换在深度图像上标记直线。通过仿真结果对比,不难发现相较于其他直线特征提取方法,本文提出的新方法能够提供更平滑干净的直线检测结果;此外,在折痕边缘处获得单条直线,阶跃边缘处获得两条平行直线,因而可作为深度图像的3D结构信息。     

遥现中基于显著特征的深度图像滤波算法

针对遥现系统中,由于相机精度、材质等原因导致深度信息质量不高,存在缺失以及噪声等问题,提出了基于显著特征的滤波算法。结合频率域的显著图分析算法和基于图的分割算法提取出人类感兴趣的显著区域,针对这部分区域利用联合双边滤波法进行重点处理。实验结果表明,该算法在有效抑制了平坦区域的噪声的同时,增强了显著区域深度图像的细节,并填补了边缘部分的缺失,实现了实时条件下深度图像的有效滤波。     

改进的多特征融合手语字母识别方法

为了实现手语视频中手语字母的准确识别,提出一种基于DI_CamShift(depth image CamShift)和手语视觉单词(sign language visual word,SLVW)特征结合的算法.首先,采用Kinect获取手语字母手势视频及其深度信息;其次,通过计算获得深度图像中手语手势的主轴方向角和质心位置,计算搜索窗口对手势跟踪;再次,使用基于深度积分图像的大津法(OTSU)分割手势并提取其尺寸不变特征转换(scale invariant feature transform,SIFT)特征和Gabor特征,并通过典型相关分析(canonical correlation analysis,CCA)方法进行特征融合;最后,构建SLVW词包并用支持向量机(support vector machine,SVM)进行识别,单个手语字母最高识别率为99.89%,平均识别率为96.34%.     

一种基于MRF与区域合并的图像分割改进算法

针对现有基于马尔科夫随机场的图像分割算法容易出现过分割、分割结果不理想等问题,提出了一种基于马尔科夫随机场与区域合并的图像分割改进算法。该算法首先基于马尔科夫随机场与高斯混合模型理论的图像分割算法得到初始分割结果;然后利用各个区域间的相邻关系、颜色关系以及边界情况等信息,给出各个区域间的距离;最后按照区域间的距离与区域合并前后的颜色散度变化率对初始分割结果进行区域合并,输出最终的分割结果。使用伯克利标准图像库进行实验仿真,采用Dice系数和Jaccard系数作为评价指标。仿真结果表明,相比于现有基于MRF理论的算法,本文算法具有更好的分割效果。     

彩色图像的矢量阈值自适应分割算法

针对彩色图像,提出了一种矢量阈值的自适应分割算法,该算法中的阈值是一个矢量．在图像分割时,通过先求取图像像素矢量与阚值矢量之间的差矢量,再根据差矢量与阈值矢量之间的夹角确定像素所属的区域(背景区域或目标区域)．同时基于类间方差法(Ostu法)给出了最佳阈值矢量选择原则——扩展类间矢量方差法,从而实现彩色图像矢量阈值的自适应分割．实验结果表明,采用此图像分割算法分割效果要优于采用灰度图像的阈值分割算法．     

基于K-均值聚类的足球机器人的新型图象分割方法

图象分割是图象处理的关键步骤,也是足球机器人视觉系统中的核心技术。本文结合粗糙集理论和K-均值聚类算法,提出了一种图象分割的方法。将原图象按等价关系进行划分,基于属性约简的概念对不同区域按照不可分辨关系分类。分割结果表明,该方法是一种有效的图象分割方法,具有良好的精确度和鲁棒性。     

指纹图像的自适应方差分割法

指纹图像分割的目的是从图像背景中分离出有用的指纹区域。灰度方差法是一种简单快速的指纹图像分割算法,本文给出一种自适应阈值的灰度方差分割法。实验表明,本文方法选取的分割阈值能够较好的分离出指纹图像的前景和背景,是一种有效的指纹图像分割算法。     

基于PCNN的图像多区域迭代分割

对传统经典的PCNN网络进行改进,提出一种新的基于PCNN的多区域图像分割方法。去掉原模型中的一些次要参数,突出灰度对分割的影响;根据图像中存在不同灰度变化的特性,分2阶段完成对图像的分割:初次分割和二次分割。初次分割是利用灰度直方图谷底灰度作为动态阈值进行,使动态阈值对分割边界的影响达到最小;二次分割则对初次分割的结果进行细分割,点火区域和非点火区域灰度差较小,其动态链接系数通过循环迭代搜索确定。二次分割迭代进行,从而实现了对整幅图像的完整分割。其实验结果表明,该方法的错误率小于常规的聚类分割算法和GBS算法。       

一种基于粗集与FCM结合的图像分割方法

传统的FCM 算法在做图像分割时,只是利用图像的每一个像素点的灰度值进行聚类,当图像受到噪声污染时,分割的准确性将大大降低,为此,提出了一种粗集与FCM算法相结合的图像分割方法,实验结果表明,该方法具有良好的分割性能.     

参数化最大香农熵阈值分割算法

提出了参数化最大香农熵阈值化分割算法。针对基于香农熵的图像阈值化分割算法对许多图像很难获得满意分割结果的不足,基于三角模蕴涵算子研究中常用的分式极限表达式对香农熵阈值化算法进行参数修改,得到了参数型的最大香农熵阈值化分割准则以便改善其分割性能。实验结果表明,本文的参数化修改香农熵阈值法是可行的。     

图像分割方法的研究现状与展望

图像分割是图像处理中的一项关键技术，也是一经典难题，发展至今仍没有找到一个通用的方法，也没有制定出判断分割算法好坏的标准．对近几年来出现的图像分割方法作了较为全面的综述，探讨了图像分割技术的发展方向，对从事图像处理研究的科研人员具有一定的启发作用．