面向FPGA的连通域快速标记方法

针对遥感领域检测海面舰船目标的应用中,连通域标记算法消耗更多资源与时间的问题,提出一种逐像素扫描的流水线式的连通域快速标记方法及其FPGA（Field Programmable Gate Array）硬件设计。该方法通过对图像进行一次逐像素扫描,统计各行的游程信息并进行整理,之后通过遍历已统计的游程即可得到各个连通域的统计信息,从而提取特征。通过优化设计,该方法可以充分发挥FPGA的并行处理优势,只进行一次像素扫描,不产生标记表,使得方法的运行时间减少,资源消耗变小,满足实时性要求。     

基于轮廓跟踪的连通域标记算法优化

由于需要大量堆栈操作和反复搜索像素邻域,一次扫描算法往往效率不高.基于轮廓跟踪的连通域标记算法先跟踪目标的封闭轮廓,再线扫描轮廓内的像素,以减少像素邻域搜索及堆栈访问的次数,提高算法的效率.本文提出的基于轮廓跟踪的连通域标记算法,屏弃堆栈访问,并采用高效的轮廓跟踪算法,以提高算法的效率.本算法与其它连通域算法相比,具有效率更高、稳定性好等优点.     

利用游程集合的标号传播实现快速连通域标记

为了实现对图像的快速连通域标记,提出一种基于传播游程集合标号的二值图像连通域标记算法.该算法仅对每个由一系列相邻行中的连通游程所构成的游程集合(称为向下连通分支)而非游程分配临时标号,利用一个位置映射表一次性建立向下连通分支中所有游程与其共同临时标号之间的位置关联,将所有向下连通分支的标号构成一个规模很小的具有树形结构的等价信息表;再使等价信息直接在部分路径中传播,并通过最后一次标号表扫描将所有临时标号转换为代表标号.实验结果表明,文中算法原理和实现简单,且由于具有处理的等价信息量小、对向下连通分支内的游程标记操作少,以及在连通分支合并时无需计算最小标号等特点,使其速度快于现有算法.     

基于递归的二值图像连通域像素标记算法

在研究以前二值图像连通算法的基础上，提出了一种基于递归方法的二值图像连通域像素标记算法。通过对二值图像的扫描和分析可得到二值图像中的连通域划分和连通域的数目。算法主要包括两个步骤：对输入的二值图像进行一次扫描，得到所有目标像素的连通域划分和标记的等价对表；利用递归对等价对表进行分析，得到正确的连通标记划分和连通区域数目。实验结果表明，该算法对于任意复杂形状、任意数目(小于1 000)的连通区域都能正确检测。     

基于游程递归的连通区域标记算法

在研究已有算法的基础上,提出一种基于游程递归的标记算法,该算法可以对二值图像实现快速标记。顺序扫描图像,寻找未标记的游程,并递归搜索与之连通的游程,直到一个连通区域生成。在游程搜索过程中,在当前游程的相邻两行上,以其左端点为起始点分别向前向后进行连通游程的搜索;同时根据游程之间的位置关系对搜索策略进行优化,减少了重复搜索,提高了处理速度。该算法只需经过一次扫描图像,就能快速、准确地标记连通区域。在与已有算法的实验结果比较中,该算法具有较快的执行速度和较高的准确率,并且占用较少的内存,可以满足在施工现场中运动目标实时检测的需要。     

基于 ＦＰＧＡ 的快速连通域标记算法

连通域标记是运动目标实时检测系统中的关键部分,从速度和存储空间等方面对已有连通域标记算法优化,可提高系统的实时性。基于此,提出了一种基于现场可编程门阵列（FPGA）的快速连通域标记算法。首先在光栅扫描过程中记录游程行列信息;然后实时合并连通游程信息并提取已结束连通域的特征信息;最后将特征信息叠加在图像上,实现对各连通域的标记。该算法仅通过一次扫描即可得到连通域特征信息,利用FPGA片上随机存取存储器（RAM）地址信息区分各连通域,不产生等价标号与临时标号。实验结果表明,该算法能快速准确的标记各连通域。对于分辨率1920×1080图像,仅需要76.63kbit的片上RAM资源,单帧处理时间不超过20.76ms,对于全高清视频输入亦能满足实时性要求。     

高效的一遍扫描式连通区域标记算法

二值图像的连通区域标记算法是图像处理的一个基本问题。为了提高算法的效率,以Suzuki等人提出的多遍扫描算法为基础,提出了一种快速的一遍扫描连通域标记算法。算法通过对图像做一次正向扫描,先计算出每个当前像素所在邻域内的最小标号,再利用一个递推过程,查找该连通域中具有较小标号的结点,将被更新结点所在连通分支连接到该结点,以保证等价信息不损失。同时,用最小标号更新递推查找路径上结点的临时标号,以减小分支的深度。通过对连接表的更新使每个结点获得最终标号。算法不需要动态数据结构和递归过程的支持,需要的存储空间较小,算法比原算法速度提高了近2倍,也快于近期提出的一些基于游程的算法。     

一种二值图像连通区域标记的新方法

二值图像连通区域的检测和标记在图像分析中是十分重要的步骤,高效的连通区域标记算法能大大提高图像处理速度。针对此,提出一种新的基于游程编码的连通体标记算法。扫描图像,记录所有的游程编码并将等价对添加到等价对链表中。通过递归方法对等价对链表进行分析,得到旧标记和新标记之间的映射关系,并修正得到的游程编码标记。与几种传统方法和两组改进方法的对照实验表明该算法是更高效的。     

基于标号回传的二值图像连通体标记算法

提出一种基于游程标号回传的二值图像连通体标记算法,该算法以游程为处理对象,将目标结构中的标号传播到游程结构中,进行游程连通性判断,将与当前游程连通的游程中最小值回传到对应的目标结构中,确保在同一连通域中有相同的根标号,进而完成二值图像标记。该算法对二值图像可以实现一次性标记,同时完成连通区域的面积、质心等特征信息的提取。具有占用内存小、实现简单、能标记任意复杂连通区域的优点,可用于红外弱小目标的检测。     

一种并行二值图像连通域标记算法

连通域标记算法在CPU运行效率比较有限,这也是连通域标记算法处理图像的症结所在,针对这一问题,提出了一种并行二值图像连通域标记算法.从二值图像处理问题的可并行化出发,根据GPU并行计算的特点设计出了一种图像预处理、溯源(伪溯源)、伪溯源处理三个步骤的并行标记算法,采用硬件支持的多个线程并行执行处理的方式来提升算法的效率并实现了该算法,实验结果表明该算法相对CPU单线程处理算法效率具有明显提升,也更具有鲁棒性,尤其是图像像素不断增多后,效率更加明显.     

一种用于图像序列拼接的角点检测算法

分析了Harris角点检测算子的实现原理及其用于图像序列拼接时存在的不足,从几个方面提出了改进:用新的X和Y方向梯度算子求取图像导数,对灰度变化更敏感;改进了角点响应函数,避免了k值选择的随机性;根据图像序列首图像自动确定R阈值,提高了算法的自动处理能力和速度;根据目标像素点的8邻域范围进行亚像素精确定位,角点位置更加准确.实验结果表明,改进算法无需人工干预,特征点提取的速度比传统算法提高了约61.3%,能更好地适应图像拼接的实际应用,是一种快速有效的角点检测方法.     

Optimal-selection-based suppressed fuzzy c-means clustering algorithm with self-tuning non local spatial information for image segmentation

Suppressed fuzzy c-means clustering algorithm (S-FCM) is one of the most effective fuzzy clustering algorithms. Even if S-FCM has some advantages, some problems exist. First, it is unreasonable to compulsively modify the membership degree values for all the data points in each iteration step of S-FCM. Furthermore, duo to only utilizing the spatial information derived from the pixel’s neighborhood window to guide the process of image segmentation, S-FCM cannot obtain satisfactory segmentation results on images heavily corrupted by noise. This paper proposes an optimal-selection-based suppressed fuzzy c-means clustering algorithm with self-tuning non local spatial information for image segmentation to solve the above drawbacks of S-FCM. Firstly, an optimal-selection-based suppressed strategy is presented to modify the membership degree values for data points. In detail, during each iteration step, all the data points are ranked based on their biggest membership degree values, and then the membership degree values of the top r ranked data points are modified while the membership degree values of the other data points are not changed. In this paper, the parameter r is determined by the golden section method. Secondly, a novel gray level histogram is constructed by using the self-tuning non local spatial information for each pixel, and then fuzzy c-means clustering algorithm with the optimal-selection-based suppressed strategy is executed on this histogram. The self-tuning non local spatial information of a pixel is derived from the pixels with a similar neighborhood configuration to the given pixel and can preserve more information of the image than the spatial information derived from the pixel’s neighborhood window. This method is applied to Berkeley and other real images heavily contaminated by noise. The image segmentation experiments demonstrate the superiority of the proposed method over other fuzzy algorithms.     

二维图像特征点自主提取算法研究

采用概率论理论,对二维图像进行灰度统计分析,采用计算标准差方法,对图像特征点区域定位并提取特征点.该方法提取特征点,仅需对抽样象素区域进行灰度标准差分析,避免了提取图像特征点,根据被处理图像的一些先验信息,利用试探方法确定阈值的局限性.通过分别对具有弱纹理及包含复杂背景的多物体自然二维图像的特征提取,证实了所提方法的有效性和可靠性,可满足机器视觉系统中自主、实时识别与提取二维图像特征点要求.     

一种改进的自然纹理合成方法

自然纹理合成方法是一种适合自然景物的基于样图的快速纹理合成方法。 但是候选点超越样图边界的问题没有很好得到解决,成为导致合成后图像产生的纹理块间明 显变化的主要因素。论文提出了一种改进的自然纹理合成算法,将样图边缘易产生无效候选 点的区域用样图内部与之大小和形状相同的像素块来代替,像素块和被替代像素块沿一条不 规则的曲线相匹配。合成过程中在接近边缘时像素块的生长会转向纹理内部。该方法减少了 因随机产生候选点而形成的块间不连续,有效地改善了视觉效果。     

基于覆盖分割和活动轮廓模型的图像边缘提取算法

针对传统算法对边界模糊的图像分割效果不理想,分割结果多毛刺的问题,提出了一种由粗到细的图像边缘提取方法,主要由像素覆盖分割方法和Chan-Vese模型组成。将改进的覆盖分割方法和活动轮廓模型相结合,首先使用原始覆盖分割算法对图像进行分割,利用多方向模糊形态学边缘检测算法提取不同物体之间的边界;然后采用改进的像素覆盖分割方法给边界像素重新分配覆盖值;最后,运用活动轮廓算法进行细化的图像边界提取;分别进行了分割结果的定性比较,抗噪性测试以及提取的边缘对比实验。实验结果表明,该方法对具有模糊边界的图像,提取边缘结果优于其他可比文献中提出的方法。     

一种基于梯度特征列表的机器视觉目标匹配

机器视觉目标匹配中,匹配相似性测量应用特征列表相关算法计算,可有效减少处理时间,并且匹配具有较高的峰值系数和峰值信噪比,可以清晰识别目标。所提出的基于梯度特征列表的机器视觉目标匹配方法,采用梯度特征列表描述图像,对特征像素点非均匀采样,匹配相似测量基于特征像素点梯度归一化互相关,可有效改善特征列表算法性能。     

基于Gray变换的图像置乱改进新算法

文章提出了一种基于Gray变换的图像置乱改进新算法,首先对原始图像进行Gray变换,然后对变换后的图像进行Zig-Zag扫描,再对每个像素值和它前面相邻的像素值进行按位异或运算,同时对运算的结果进行像素值的交叉换位,提高抵抗破译攻击的能力。实验结果表明,该算法与传统的图像置乱算法相比,置乱后的图像不仅直方图发生了显著改变,而且置乱图像的统计特征更像白噪声,更加适用于图像文件的加密传输和秘密图像信息置乱预处理。     

改进型Q-NLM算法在医学图像去噪中的应用

将像素离群度与传统非局部均值算法相结合提出一种改进型的非局部均值滤波Q-NLM算法,针对传统非局部均值算法不适应脉冲噪声去噪的问题,提出了像素离群度Q的概念,像素离群度Q值用于判断原像素与脉冲噪声的相似度,依据像素离群度Q值划分像素区域,调整不同区域阈值且引入中值滤波去除脉冲噪声点,进一步降低医学图片中混合噪声对滤波的影响。仿真实验结果显示,这种结合离群度与非局部均值算法在去除混合噪声的情况下,能较好提高图像信噪比,有效保留CT图像细节。     

基于超松弛迭代的标签传播算法*

针对标签传播算法中存在的问题,将超松弛迭代引入标签传播算法,解决标签序列的优化问题,提出基于超松弛迭代的标签传播算法(ORLP).该算法使用正负标签的方式标记已知样本,通过在近邻点间学习分类的方式预测未知样本的标签信息,同时在每次迭代时都能较好地保留初始标记点的标签信息,以指导下一次的标签传递过程.基于超松弛迭代推导ORLP的标签传播公式,同时证明标签序列的收敛性,得到标签序列的收敛解.实验表明,ORLP具有较高的分类准确率和较快的收敛速度.     

基于自适应权重的改进Census立体匹配算法

针对传统Census算法对噪声敏感且在弱纹理区域匹配精度低的不足,提出一种基于自适应权重的改进算法。在代价计算阶段,通过空间相似度加权计算得到参考像素值,设定阈值限定参考值与中心点像素的差异,使算法能够判断中心点是否发生突变并自适应选择中心参考像素值。在代价聚合阶段,引入多尺度聚合策略,将引导滤波作为代价聚合核函数,加入正则化约束保持代价聚合时尺度间的一致性。在视差计算阶段,通过胜者通吃法得到初始视差图。在视差优化阶段,对初始视差图做误匹配点检测及左右一致性检测,并对遮挡区域进行像素填充得到最终的视差图。基于Middlebury标准图的实验结果表明,该算法平均误匹配率为5.81%,对比于传统Census算法抗干扰性提升显著,并能在平均误匹配率表现上达到主流经典算法的性能水准。