医学图像中组织轮廓提取方法的改进

在医学图像分割技术的研究中,针对提取图像的清晰度和快速性问题,常用轮廓跟踪算法来提取组织轮廓线,花费的时间较长且分割效果不好.为了提高组织轮廓线的提取速度和分割效果,利用医学图像中组织对称性和灰度特征,提出了双向轮廓跟踪算法.根据分割目标确定相应的检测阈值,采用边缘检测,确定边缘起始点,对组织边缘进行双向跟踪.在检测过程中,设置相应的检测矩阵,减少检测次数.算法能同时沿两个不同的方向进行边缘检测,节省了时间.仿真结果表明,改进的轮廓提取方法对有较好的连续性和对称性的组织轮廓线能进行快速准确地提取,可得到清晰的分割结果,缩短轮廓线的生成时间.     

一种基于边缘信息与HSV颜色空间相结合的阴影检测算法

在基于HSV颜色空间检测阴影的基础之上．针对其存在的问题,即容易把亮度较低的车辆也作为阴影消除．提出一种利用车辆边缘对称性的HSV方法。该方法先对感兴趣区域进行边缘检测．之后在垂直方向上对像素点的个数进行累加．由于车辆两边的边缘轮廓明显．累加值通常最大。以此求得车辆的边缘与对称轴,确定车辆的范围,之后在车辆区域之外采用基于HSV颜色空间的方法进行阴影的消除。实验表明,该方法能有效解决亮度较低的运动目标被检测成阴影的问题。     

基于多特征融合的前方车辆检测方法研究*

为了有效地避免交通事故的发生,提高车辆检测的准确率和效率,提出一种基于车辆阴影、边缘、纹理和对称性等多种特征融合的前方车辆检测方法。利用多阈值分割得到车辆阴影,选取边缘确定出车辆可能存在的感兴趣区域,通过计算感兴趣区域内的分形盒子维数进一步确定车辆的候选区域,利用对称性测度验证定位车辆。实验结果表明,该方法能够实现不同环境下的车辆检测,相比较单个特征的检测方法具有较高的准确率和可靠性。     

基于边缘检测的图像分割技术浅析

图像分割是图像处理技术中的难点之一,多年来一直受到广大研究者的深入探讨。新的分割算法层出不穷,但是目前提出的算法,几乎都是针对具体的分割对象,而没有一种可以适用于所有情况的分割方法。边缘检测技术是图象处理中重要的一个关键步骤,本文将阐述基于边缘检测的图像分割技术背景,边缘检测的相关技术,同时对图像分割技术的发展进行展望。     

基于移动区域的快速车辆检测

提出一种快速的移动车辆目标识别新方法。该方法由移动区域检测、阴影检测和边缘检测三部分组成。首先,采用自适应背景更新的方法在图像中快速检测出移动区域;然后,以此为基础建立阴影的粗模型,阴影检测时只对该区域内的图像采用基于HSV颜色空间的方法进行分析处理;最后,对移动区域和阴影区域进行边缘检测,从移动区域中去除阴影区域,从而准确区分真实车辆和阴影。实验表明,该方法有效地提高了车辆检测效率,能满足实时性要求。     

垃圾邮件图像中的文字角点检测

为提取垃圾邮件图像中文字的角点信息,提出一种新的基于图像边缘和圆形模板的角点检测算法。算法首先利用彩色边缘检测算子和阈值分割方法获取文字图像的边缘,然后采用圆形模板提取文字的角点信息。边缘检测和阈值分割降低了干扰背景和噪声对角点检测的影响,圆形模板使得角点检测对文字方向变化不敏感。实验表明,在真实的垃圾邮件图像中文字角点定位精度略高于SUSAN算法,并能同时获取角点角度的大小。     

基于边缘流的多尺度运动目标检测

针对车流量检测问题,提出了一种新的基于多尺度向量区域的目标检测方法。该方法能明显地提高图像分割的质量,并且不需要详细的规模选择和边缘跟踪。首先在多尺度空间范围内计算边缘流向量区域;然后在大尺度空间范围内检测边缘,同时在小尺度空间定位这些边缘,抑制阴影、杂物、噪声等非目标物体;最后根据判定准则检测出运动车辆。     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

边缘和区域多阶段结合的图像分割

基于局部灰度的边缘检测和基于全局灰度统计的阈值分割是两种最要的图像分割方法.针对这两种方法单独使用时得不到理想分割结果的问题,提出一种边缘和区域多阶段结合的策略,利用边缘像素的灰度确定子区域分割阈值,将边缘和区域边界距离评估作为子区域递归分割的终止条件,最后叠加边缘图修订区域分割结果.实验表明,本文方法对于目标灰度不均的细胞图像能获得理想的分割效果.     

c_3通道高分辨率遥感图像阴影检测算法的改进EI北大核心CSCD

针对c3通道对噪声非常敏感,以及现有的基于c3通道遥感图像阴影检测算法存在的阴影检测不准确问题,提出改进的c3通道高分辨率遥感阴影检测算法.利用对数变换和阈值法对c3通道图像进行增强,提高了c3通道图像阴影区域与非阴影区域的对比度,进而提高了阴影像素的辨识度;通过扩展邻域范围并增加影响因子较高的像素点的权重进行图像平滑,有效地减弱了噪声对阴影像素提取的影响;增加2个方向的模板,利用高斯分布和抽样方法确定边缘阈值,提高了阴影区域边缘检测的准确度.实验结果表明,该算法提高了阴影检测的准确度,适应性较强,可较好地应用于高分辨率遥感图像的处理.     

基于边缘检测的斜纹布匹瑕疵检测

为了对布匹瑕疵进行快速准确的检测,提出了一种基于边缘检测的新算法。利用布匹图像中瑕疵与正常纹理产生的纹理边缘,将布匹瑕疵作为正常纹理的边缘检测出来。利用Sobel算子的方向性,分别对织物疵点在水平和垂直方向进行增强,计算出RGB图像中水平与垂直方向的梯度后进行边缘检测,通过图像融合和二值化完成最终检测。实验证明,该方法准确性高并且检测速率大大提高。     

基于多特征融合的车辆阴影检测与去除

基于ViBE目标检测算法,融合交通监控视频中车辆的边缘与颜色特征,提出一种基于多特征融合的算法,实现对复杂交通场景中车辆阴影的检测与去除。通过ViBE提取前景目标,采用串行融合方式检测阴影。首先在传统的基于边缘特征检测阴影的基础上,利用水平集方法代替水平垂直填充,实现多个前景目标内部边缘的快速填充。在获取候选的阴影区域后,结合HSV颜色特征以及形态学处理等操作,以达到更好的阴影去除效果。通过对不同的视频图像序列进行测试,表明提出的多特征融合算法能有效去除投射阴影,且优于单个特征方法,适用于复杂的交通场景。     

一种快速、高效的车牌定位方法

基于车牌区域丰富的边缘特征,本文提出了一种改进的车牌定位方法。首先增强原始图像,并对原始图像和增强图像分别进行边缘提取;然后基于车牌区域边缘均匀,长短有限等特征,滤除背景及噪声边缘点;最后通过投影搜索出车牌区域。对采集到的各种复杂背景、环境下的车辆图像进行了大量实验,实验结果证明算法准确率高、适应性强。     

Vehicle detection with a mobile camera: spotting midrange, distant, and passing cars

In this article, a method is presented for detecting vehicles in image sequences without prior knowledge about the position of the road. A single camera placed in a moving vehicle provides image data. For the detection of midrange and distant vehicles, a combination of three clues is used: shadow, entropy, and horizontal symmetry. To detect passing vehicles, a temporal differencing and projected motion is used. The algorithms are tested by means of many different experiments. These experiments illustrate the robust and accurate performance of both approaches.     

鼓风机转子工件尺寸和对称性的检测方法

针对工业生产中鼓风机转子工件的尺寸和对称性经常出现不符合标准的情况，本文利用转子工件图像，基于边缘检测技术设计一种转子尺寸和对称性的检测方法。为了减少原始图像的噪声点，本文方法基于高斯滤波对原始图像进行降噪和二值化处理，在此基础上，使用基于Canny算子的边缘检测算法和基于最小二乘法的圆拟合方法，对工件内部孔洞进行检测；同时，使用基于改进的Canny算法对工件外部边缘进行检测，获取较为连续的边缘像素点，设计比对方法和动态模拟实验对尺寸和对称性进行检验。实验表明本文提出的检测方法对转子工件的尺寸和对称性的检测效果良好。     

城市航空影像的阴影检测和阴影消除方法研究

阴影是城市航空遥感影像的基本特征之一,阴影的存在影响地物边缘的提取、建筑物的识别和影像的配准等,因此,阴影检测和阴影消除在城市遥感中具有重要意义。本文主要介绍了一种高分辨率城市航空影像的阴影检测和阴影消除方法,在阴影检测过程中,分别对影像RGB色彩空间中的G通道和HIS色彩空间中的亮度通道进行阈值选择检测出阴影区域,然后对这两种阴影检测结果进行与运算得到最终的阴影区域并标记出来。对所标记的阴影区域,根据Retinex理论选择合适的尺度对其进行增强处理,由于阴影区域的地物信息进行增强时阴影边界也有所增强,因此需要对阴影边界进行模糊化处理。试验表明,该方法能较好的检测出阴影区域,而且对阴影区域的地物恢复效果较好。     

公路车流量视频检测方法

针对视频车流量检测容易受背景以及车辆阴影等因素影响的问题,提出了一种自适应背景差分结合阴影去除的车流量检测方法。首先,建立自适应背景提取模型;然后,利用差分法从视频检测区域提取包含阴影的车辆目标,并进行二值化处理和孔洞填充;接着依据阴影区域相对于车辆区域灰度较小的特点,从填充后的二值图像阴影区域向车辆区域方向进行像素值比较,从而检测并去除阴影;最后,通过设定两排检测窗口进行车流量计数。实验结果表明,该方法受背景和车辆阴影等影响较小,在不同气候环境下具有较高的车流量检测准确率。     

融合时域和分水岭信息的车辆检测算法

在实时视频图像车辆目标检测时,为了克服行进中车辆背景噪声和阴影带来的准确率低、漏检率高等问题,提出一种时空融合和内外标记的分水岭车辆检测算法。通过相邻视频三帧差法得到的时域运动变化信息结合Canny算子得到的边缘图像相结合,得到时域掩模图像。利用文中提出的基于二次重构、内外区域标记、梯度修正的分水岭空域算法对运动区域及其周围区域进行分割,解决了一般分水岭算法的过分割现象。将得到的结果进行投影,以提高运动状态下车辆的检测精度。实验结果表明,在车辆背景噪声和阴影的影响下,该算法的检测效果仍然较好,车辆漏检率降低到4.90%,算法的准确性、鲁棒性和适应性较好。     

Front-view vehicle detection by Markov chain Monte Carlo method

In this paper, we propose a new vehicle detection approach based on Markov chain Monte Carlo (MCMC). We mainly discuss the detection of vehicles in front-view static images with frequent occlusions. Models of roads and vehicles based on edge information are presented, the Bayesian problem's formulations are constructed, and a Markov chain is designed to sample proposals to detect vehicles. Using the Monte Carlo technique, we detect vehicles sequentially based on the idea of maximizing a posterior probability (MAP), performing vehicle segmentation in the meantime. Our method does not require complex preprocessing steps such as background extraction or shadow elimination, which are required in many existing methods. Experimental results show that the method has a high detection rate on vehicles and can perform successful segmentation, and reduce the influence caused by vehicle occlusion.