基于张量投票的昆虫翅脉提取算法

昆虫翅脉提取对于昆虫自动分类意义重大。鉴于传统翅脉提取算法中存在断裂、边缘不整齐等缺点,提出一种基于张量投票的昆虫翅脉提取算法。首先对翅脉图像进行去噪、二值化、形态学等预处理,得到稀疏二值点图,然后计算每点的张量值,结合Gestalt定律的邻近性、相似性规则,对邻域内点进行张量投票,并设定投票阈值,最终获取昆虫翅脉轮廓。实验结果表明,由于引入张量和Gestalt规则,文中所提算法可以提取出更加符合感知规则的翅脉结构,得到较为完整且平滑的翅脉轮廓,同时对于出现少许断裂的翅脉图像,依然可以获得较为完整的翅脉边缘,这为后期的昆虫自动分类奠定基础。     

应用分形维数的自适应张量投票算法

张量投票算法是感知聚类方法中一种比较常用的计算方法,可以应用到图像处理等各个方面,具有较强的鲁棒性,非迭代等特性。张量投票算法中尺度参数的自适应选取对于投票域的建立起着至关重要的作用。通过分形维数来选取尺度参数,建立了尺度参数与分形维数的关系,提出了基于分形维数的自适应张量投票算法,并将该方法应用于图像的线特征提取和边缘修复。与传统的张量投票算法进行比较,该方法在图像线特征提取和边缘修复方面获得了较好的实验结果。     

张量投票在MR脑图像边界提取中的应用

当前社会由于各种原因．致使脑部疾病高发．而精确勾画脑部各区域轮廓是手术和治疗成功的重要前提。提出一种基于张量投票的脑区域边界提取算法,利用医学图像中元素的邻近性、连续性等特点,对临床MR（核磁共振）图像进行处理,实现符合人类感知的边界轮廓勾画。实验表明。该算法具有良好的实际效果。     

基于一种新的Snake模型的序列图像边缘提取算法

对医学图像数据中感兴趣区域（ROI）进行准确的边缘提取和分割,是对图像进行分析、理解和处理的重要前提。为克服现有Snake算法人工初始化轮廓不精确,迭代过程中曲线易被复杂背景吸引等缺点,提出基于一种改进Snake模型的序列图像边缘提取算法。该算法先利用序列图像相似性原理提取出近似边缘,然后将其平均分为4个子边缘,在每个子边缘上取数目均衡的Snake输入点,最后离散Snake的内力和外力,经过迭代得到最终边缘。实验结果表明：该方法能精确地提取出医学图像中复杂区域或畸形区域的边缘,且计算量较小。     

基于细菌觅食优化算法的多色彩空间嘴唇分割

结合多色彩空间处理、细菌觅食优化算法(BFOA)与关键点定位算法,提出一种新的嘴唇轮廓提取算法。对嘴唇图像进行色彩空间的转换,在不同的色彩空间对嘴唇图像进行色彩增强及色彩分割处理,利用BFOA结合Kapur最大熵阈值法对嘴唇区域图像求取最佳阈值,实现唇部精确分割。提取嘴唇的边缘关键点,并以提取到的关键点为输入,运用最小二乘曲线拟合的方法拟合嘴唇边缘轮廓,准确提取嘴唇的外部轮廓。实验结果表明,该方法能够完成对嘴唇的精确分割,并获得较高的分割准确率。     

张量投票法及其应用

张量投票法是一种提取图像特征的新方法,它利用张量鲁棒性强的特性,提取图像中点、线、面特征的特点,消除图像中孤立点显著性,突出所提取的线、面特征,重新构建图像,从而达到去除噪声、突出边缘的目的。通过实验证明,张量投票法在提取边缘及点特征方面有着显著的效果。     

基于取向直方图的取向估计方法

在总结现有取向估计方法的基础上,针对传统的正交滤波法出现的问题,提出一种取向直方图法进行取向估计.该方法通过计算图像轮廓上各点的圆形投票域投票的矢量叠加得到各点的取向直方图;然后以直方图峰值点对应的和矢量计算取向信息,将其作为张量投票方法的底层输入;对4种典型轮廓进行修复,并比较了相对于正交滤波、张量叠加和矢量叠加的修复效果和计算精度.对城市道路的边缘图进行实验的结果表明,文中方法作为底层取向估计时投票得到的轮廓线较为完整,投票产生的杂散点较少,且对噪声具有一定程度的鲁棒性.     

序列B超图像的快速轮廓提取

提出了一种序列B超图像的轮廓提取算法,该算法通过构造边缘轮廓模板来进行B超图像中感兴趣轮廓的提取,实验证明该算法能够较快速地对序列B超图像进行轮廓提取。     

图像配准中的一种特定区域轮廓提取算法

多模态医学图像的配准在医学诊断和治疗计划中起着重要的作用,特定区域轮廓提取是图像配准的重要基础,常规的轮廓提取算法不能满足多模态图像配准的要求。提出了一种用于多模态医学图像处理的特定区域轮廓提取算法。该方法首先对图像进行预处理,去除噪音,对图像进行平滑,采用Canny算子进行边缘提取之后,提出了延伸权的概念,并采用一种新的基于延伸权概念的边缘连接算法对边缘结果进行连接,最后采用填充算法获得特定的辅助区域并在该区域的基础上向外或者向内获取特定区域的轮廓。实验结果表明,该方法能够满足多模态图像配准的要求。     

基于GVF-Snake人体轮廓提取的优化算法

通过分析基于边缘、区域分割和形变模型等3类轮廓提取算法,提出一种分别对三者进行优化综合的基于梯度矢量流-主动轮廓模型(GVF-Snake)的人体轮廓提取优化算法。利用内嵌置信度边缘检测得到理想边缘图,通过形态学方法提取物体粗略轮廓作为GVF-Snake模型的初始轮廓。采用优化GVF-Snake模型提取精确轮廓。将上述方法应用于人体图像轮廓提取,实验结果表明,该方法达到了预期目的且具有较好的实用性。     

利用张量投票的机载LiDAR点云道路骨架线提取

针对机载LiDAR数据中道路骨架线检测存在的噪声干扰问题,结合道路多层特征显著性,提出了一种基于道路最大宽度快速确定最小尺度因子的张量投票道路骨架线提取方法。将预处理后三维道路点云转化成二维强度图像,最小尺度因子参与图像球张量投票,利用极性特征分割道路边缘点;为了进一步增强道路线状特征,利用新的最小尺度因子再次进行球张量投票和棒张量投票,填补道路空洞,顺滑道路边界;细化处理获取道路骨架线。与数学形态学方法相比,该方法在噪声背景的道路数据中提取的道路线精度更高。     

基于显著封闭边界的图像检索算法

在分析了基于边缘的图像检索方法的缺点后，提出了一种基于显著封闭边界的图像检索新算法。它使用基于图论方法的边缘比算法从噪声图像中获取图像的显著封闭边界，然后以显著封闭边界来代表图像，每条显著封闭边界由两个特征：边缘幅度直方图和边缘角度直方图来刻画，并综合这两个特征进行图像间的相似性度量。实验结果表明，本文算法具有较高的检索准确率。     

Edge-preserving color image denoising through tensor voting

This paper presents a new method for edge-preserving color image denoising based on the tensor voting framework, a robust perceptual grouping technique used to extract salient information from noisy data. The tensor voting framework is adapted to encode color information through tensors in order to propagate them in a neighborhood by using a specific voting process. This voting process is specifically designed for edge-preserving color image denoising by taking into account perceptual color differences, region uniformity and edginess according to a set of intuitive perceptual criteria. Perceptual color differences are estimated by means of an optimized version of the CIEDE2000 formula, while uniformity and edginess are estimated by means of saliency maps obtained from the tensor voting process. Measurements of removed noise, edge preservation and undesirable introduced artifacts, additionally to visual inspection, show that the proposed method has a better performance than the state-of-the-art image denoising algorithms for images contaminated with CCD camera noise.     

基于显著闭合边界的压缩域图像检索

提出了一种直接从压缩域提取显著闭合边界进行图像检索的算法.从压缩域直接提取块边缘,使用基于网络流理论的比率轮廓算法从块边缘图像中提取显著闭合边界,用傅立叶描述子刻画显著闭合边界,进行图像检索.实验结果表明,直接从压缩域提取显著闭合边界,无需解压,减少了计算量,提取的显著闭合边界应用在图像检索中取得了较高的准确率.     

明显区域块和空间分布特征的图像检索

基于小波变换理论提出了一种明显区域块检测方法,改进了环型分割算法,使对视觉有意义的区域特征提取更加快捷、方便。该算法不仅考虑到区域内的图像特征,而且还考虑到明显区域块的空间分布信息,把环型区域的颜色矩和在明显区域块附近的Gabor特点,作为索引图像的特征向量。使用Corel图像库测试了提出的方法。实验表明,该方法切实可行。     

改进的张量投票算法

在引入迭代过程的基础上,修正底层的取向估计结果、修正原始算法的显著性测度函数,并对每次投票结果进行细化和修剪.实验结果表明：文中改进措施有效地解决了张量投票算法在提取主观轮廓中存在的问题.     

Multi-scale tensor voting for feature extraction from unstructured point clouds

Identifying sharp features in a 3D model is essential for shape analysis, matching and a wide range of geometry processing applications. This paper presents a new method based on the tensor voting theory to extract sharp features from an unstructured point cloud which may contain random noise, outliers and artifacts. Our method first takes the voting tensors at every point using the corresponding neighborhoods and computes the feature weight to infer the local structure via eigenvalue analysis of the tensor. The optimal scale for a point is automatically determined by observing the feature weight variation in order to deal with both a noisy smooth region and a sharp edge. We finally extract the points at sharp features using adaptive thresholding of the feature weight and the feature completion process. The multi-scale tensor voting of a given point set improves noise sensitivity and scale dependency of an input model. We demonstrate the strength of the proposed method in terms of efficiency and robustness by comparing it with other feature detection algorithms.     

基于张量投票的摄像机自标定方法研究

针对传统的基于Kruppa方程摄像机自标定算法的欠鲁棒性,首次提出将鲁棒的张量投票算法用于摄像机自标定方法中。利用基于尺度不变的SIFT算法查找并匹配出每对图像的特征点,其中待匹配图像由摄像机对同一场景从三个不同角度位置拍摄,对图像张量投票后按棒张量特征值降序排序,由此筛选得到具有鲁棒性边缘特征的前八对特征点,利用八点算法求解相应的基础矩阵和极点,根据Kruppa方程和三维重建（SFM）算法求得摄像机参数矩阵。实验结果证明,该方法具有较高标定精度,并通过加入高斯噪声的仿真实验证明该算法是一种鲁棒的摄像机自标定方法。     

Feature detection of triangular meshes via neighbor supporting

We propose a robust method for detecting features on triangular meshes by combining normal tensor voting with neighbor supporting. Our method contains two stages: feature detection and feature refinement. First, the normal tensor voting method is modified to detect the initial features, which may include some pseudo features. Then, at the feature refinement stage, a novel salient measure deriving from the idea of neighbor supporting is developed. Benefiting from the integrated reliable salient measure feature, pseudo features can be effectively discriminated from the initially detected features and removed. Compared to previous methods based on the differential geometric property, the main advantage of our method is that it can detect both sharp and weak features. Numerical experiments show that our algorithm is robust, effective, and can produce more accurate results. We also discuss how detected features are incorporated into applications, such as feature-preserving mesh denoising and hole-filling, and present visually appealing results by integrating feature information.