基于最大邻域点跟踪的静脉图像细化算法

针对二值静脉图像,提出了一种基于最大邻域点跟踪（MNPT）的细化算法．该方法首先估计出静脉纹路宽度,并根据该宽度值计算静脉纹路上像素点的邻域和,然后确定离散的起始搜索点,最后通过跟踪最大邻域点得到细化静脉图像．实验表明,该细化方法提取的静脉骨架位置准确、连通性好、纹路平滑,是一种有效的静脉图像细化方法．     

基于模板的全并行细化算法研究及其在3D物体骨架提取中的应用

二值图像细化的基本思想是"层层剥夺",它是一个不断重复的过程,即从物体的最外层向最内层一层一层的侵蚀,在不断删除边界点的同时保持物体的拓扑结构和几何特征不变,直到提取出一个像素宽的三维物体的骨架。理想的三维物体的骨架保持和原物体相同的连通性、形状特征和拓扑结构,可以给后续的研究处理提供极大的便利。本文主要工作是对基于删除模板的全并行三维细化算法的研究,细化算法包含一系列的删除条件,即四类基本删除模板A,B,C,D及每一类基本删除模板添加限定条件后形成的扩充模板,其用于逐层删除值为1的目标点,即将值由1变为0(背景点)。实验表明:本文的基于删除模板的全并行三维细化算法可以较为有效的提取出三维物体的骨架。     

基于形态学骨架提取算法的研究及其实现

骨架化结构是目标图像的重要拓扑描述,寻找二值图像的骨架结构是图像处理的一个关键问题.数学形态学是图像处理的有力工具,本文研究了两种基于形态学变换的细化骨架算法,并在汽车图像中实现,讨论了两种算法的优越性和局限性.实验结果表明,本文所研究的算法并行快速,为车辆牌照的识别乃至字符识别、数据压缩、目标检测都提供了有益的借鉴.     

改进的符号图像并行细化算法

针对符号图像的细化,提出了一种并行细化算法的改进算法,通过对符号图像目标像素中非骨架点的逐层剥落,最终获得图像中符号的骨架,提高了算法的执行效率;同时在图像细化过程中记录了获得骨架点时当前正在剥落的层,为解决细化图像中特征点的畸变提供了可能.     

基于邻域搜索的OPTA指纹细化改进算法

在指纹细化的研究中,基于OPTA的细化算法及其改进算法普遍存在指纹图像不够光滑,毛刺较多,细化质量不高等现象。为解决上述问题,在OPTA改进算法基础上提出一个新的设计方案。首先重新设计了删除模板和构造模板,然后将该模板设计成一种独特的一维数组查表索引模式,通过计算比较点的邻域值,在表中查找并进行比对判决,即根据邻域的情况来判断一个点是否可以删除。仿真结果表明,用新方法处理后的指纹图像细化完全,骨架接近纹线中心线,光滑无毛刺,且查询速度快,是一种较为成功的细化改进方案。     

一种基于内点保留和边缘点删除的二值图象细化算法

提出了一种同时基于边级点删除和内点保留了实现并行细化算法的新方法,与目前已有的算法比较,它能够完整地保持原图象的连通性,所获得的骨架对称性好且能够保证骨架宽度为１个象素点等,用Ｃ／Ｃ＋＋编程实现后,在ＩＢＭ４８６微机上进行实验,结果表明,提出的细化算法为解决二值图象（特别是复杂二值图象）的细化问题提供了一种新方法。     

基于形态学的视频序列人体骨架提取

本文在数学形态学算法的基础上,出了一种新的序列图像中人体目标骨架提取方法。首先运用数学形态学对二值图像的滤波、腐蚀和膨胀功能平滑图像中人体目标的边缘,去除背景中误分割出来的噪声。之后运用形态学算法中的击中击不中变换细化目标,提取骨架。运用单人和多人运动图像序列进行实验,结果证明,本文提出的方法效果较好。     

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。     

岩石节理二值图像的细化

分析岩石节理图片,细化是关键的一步,它是分析节理拓扑结构的基础。由于二值节理图片噪声大,节理内部有空洞等特点,直接用现有细化算法得到的结果中存在大量毛刺和并非真实骨架的环形结构。本文针对这些问题提出了一种算法,把彩色图像中的信息加到了二值图像处理过程中。本算法细化后的结果更好地反映了岩石节理的骨架。     

有效的指纹纹线细化方法

自动指纹识别一般包括指纹采集，图像预处理、特征提取、特征匹配等。细化是预处理中的一个重要环节，如果细化不好，很难使用常规的特征提取算法提取特征信息。现有的指纹细化算法存在很多问题，如细化不彻底、纹线吞噬、骨架偏离纹线中心等，各种问题的存在严重影响了细节点的准确提取。将现有的几种细化算法进行融合，应用于指纹二值图像的细化，得到了较好的细化效果。在细化纹线基础上可以准确地提取细节点.     

图像骨架和终极腐蚀的若干性质

骨架是形态学中一个非常重要的概念,在形态分析、二值图像压缩等应用中有着广泛的用途.最近骨架的子集-终极腐蚀开始得到研究和应用.本文对骨架和终极腐蚀的一些性质进行了探讨,推广了非骨架点判定的判据,提出了非终极腐蚀点的概念及判定方法,并给出了这些判断的实现方法.     

一种有效的二值图像细化算法

基于对图像中目标边缘的分析，提出了一种行之有效的二值图像细化算法。实验证明，采用该算法细化后所得的图像骨架不仅对称性好，而且为单像素宽，并能够完整地保持原图像的连通性。     

具有鲁棒性的图像骨架提取方法

基于最大正方形的中轴变换,提出了一种二值图像的骨架提取算法。首先通过计算目标像素邻域内最大正方形的所有像素的个数来进行中轴变换,判断骨架点,并提取骨架。如果通过设定一个阈值,再提取骨架,就可以滤除背景中的噪声。实验结果表明:该方法提取的骨架效果好,通过与基于传统中轴变换和形态学提取骨架方法进行比较,该方法抗干扰能力强。     

一种保形的快速图象形态细化算法

骨架是一种重要的图象目标几何特征,对不同形状的图象目标,如何快速地获得其非畸变骨架,是进行图象目标的形状分析、特征提取、模式识别等应用的前提。基于数字形态学的形态细化是获取图象目标骨架的有效细化方法之一。它采用具有一定形状的预定义结构元素,对图象进行形态薄化运算,仅需进行移位和逻辑运算就能完成。但是形态细化一般使用序贯细化算法,在每次细化迭代过程中,只能采用单一的结构元素对目标进行薄化,因此存在关     

手背静脉图像骨架特征提取的算法

手背静脉近红外图像识别是一种新的非接触式生物认证技术。对采集的手背静脉图像进行了增强处理。对二值化图像采用四邻域区域生长的方法，去除噪声斑块。对处理后的静脉图像采用了一种快速细化的细化算法。分析和解决了细化后特征点——交叉点的提取。针对细化后骨架中所引入的另一类噪声——毛刺和静脉图像细化后的特点，提出了一种毛刺修复算法。实验结果表明，经过该算法处理后得到的骨架图像，能够较好的反映静脉纹理特性。     

一种改进的基于形态骨架的二值图象编码

基于图象形态学的二值图象编码方法,近来在国际上得到了比较多的研究。为了提高基于骨架的编码方法效率,提出了一种基于形态骨架的子集--终极腐蚀（ultimate erosion）二值图象编码方法。该方法是基于扩展的非骨架点判定定理,使得有更多的点在编码过程中被判为非骨架点,从而提高了编码效率。与其他同类方法相比,这一方法更充分地去除了图象形态分析中的信息冗余,从而得到了很好的压缩效果,其对二值图象“工具”的压缩率达到0.065,大大优于游程码、四分树、链码等方法。     

一种基于神经网络的图象细化算法

本文将细化处理作为一种识别过程看待,对每一个图象象素要么指定为骨架点,要么指定为非骨架点,利用神经网络理论中的多层感知器模型,实现了基于神经网络的图象细化算法,该方法具有很强的抗噪声能力并能提高运算速度。     

一种面向指纹识别的鲁棒脊线跟踪算法

由于传统的指纹识别系统大多要进行二值化和细化过程将消耗大量的计算时间,提出了一种基于脊线跟踪的指纹图像特征点提取算法.在灰度级指纹图像上,沿脊线方向自适应跟踪指纹脊线,直至该条脊线终止或与其他脊线相交,得到一幅细化后的指纹骨架图和附在其上的细节点信息.跟踪过程中,在关键点处进行脊线方向估计和局部滤波,跳跃式地获得脊线骨架点.对于提取到的末端点和交叉点,根据指纹图像的结构特征和统计结果相结合进行去伪后处理.实验证明算法的有效性.     

基于细化的岩石图像分离算法

由于岩石表面粗糙,采用凹点分离方法很难正确地分离相互粘连的岩石图像.从细化的角度出发,研究和发展了一种粘连岩石分离的新算法.其主要思路是:首先细化提取石岩石的骨架并计算骨架各点到岩石边界的的距离,然后利用骨架边界距离函数波谷的特性将相互粘结的岩石分离.新算法提出了一种计算骨架边界距离值的新方法用于分析骨架波谷的特征,并在理论和实践的基础上,提出一种新的粘连岩石分离准则,有效地提高了岩石图像的分割效果.     

指纹图像预处理与特征提取

指纹图像预处理与特征提取是指纹识别的前提。提出一套基于方向滤波与模糊数学方法的指纹图像预处理算法，并给出了指纹特征提取及其后处理算法。指纹图像预处理首先求出指纹的方向场，然后根据方向场进行滤波，最后用模糊数学方法得到二值化图像。指纹特征提取则先从细化指纹图中得到特征点，并依据伪特征点的脊线与角度特征剔除伪特征点。