一种基于序列图像的交互式快速三维重建方法

针对普通数码相机拍摄的序列图像,提出了一种快速的交互式三维重建方法.首先基于SFM技术得到了相机的内外部参数;然后在图像上交互取点以构建逼近物体轮廓的多边形,结合该多边形,利用轮廓跟踪算法提取出精确的外形轮廓;最后通过匹配轮廓点的方式重建出三维模型.实验结果表明该重建方法是快速而有效的.     

图像处理中的Log残余谱方法分析

在复杂的自然场景中如何准确地提取图像轮廓信息是机器视觉领域的重要问题,传统的基于梯度算法的轮廓梯度检测方法在性能的提高上遇到了瓶颈。本文提出一种基于傅里叶分析中残余谱分析的图像轮廓提取方法,利用傅里叶分析得到图像残余谱谱图,提高轮廓梯度响应的同时抑制了纹理的梯度响应,详细介绍了算法实现流程。     

结合L系统和图像合成技术的叶表面重建研究

植物叶可视建模是虚拟植物研究的重要组成部分。论文提出了一种结合图像重建技术和L系统的交互式叶重建方法,并利用图像验证技术使生成的叶生长模型有更好的视觉效果和可控性。首先根据叶生长周期,采集叶数码图像集,提取叶特征参数;然后基于叶特征参数,应用参数L系统,生成叶的分枝结构;对生成的叶结构进行图像比较验证,修正生成的叶分枝结构;最后以叶分枝结构为基础,重构叶表面,贴纹理;并采用龟图控制技术实现了叶模型的三维自由形变。     

一种改进的快速轮廓线提取算法

文章针对传统主动轮廓模型对噪声敏感,初始位置敏感和收敛速度慢等不足,提出了一种基于PSO和GVF的快速轮廓线提取算法。首先利用PSO对轮廓控制点进行寻优,使之快速地收敛到图像的边缘附近;然后利用插值算法,得到目标图像的较粗糙轮廓,以此目标轮廓作为下一步GVF收敛的初始位置,最后得到准确的轮廓线。实验结果表明该算法不仅能对图像轮廓线进行准确的提取,而且具有一定的抗噪性能,易于实现,速度快等特点。     

基于改进活动轮廓模型的数字虚拟人图像分割算法

对组织器官的分割和提取是医学图像三维重建及可视化的基础工作。根据数字虚拟人图像的特点,提出了一种基于改进活动轮廓模型的数字虚拟人图像分割算法,推导出了基于改进活动轮廓模型方程的解析表达式,并采用梯度向量流场对该算法进行了改进。该算法克服了传统活动轮廓模型不能处理深度凹陷区域的问题。实验结果表明,该算法具有对“U”形区域计算精确、抗干扰性强、可得到很好的分割结果。     

电容层析成像系统三维图像重建的研究

探讨了电容层析成像(ECT)系统中利用二维断层图像进行三维表面重建并由三维图像求取两相流中离散相体积和观察其空间位置的方法。首先对二维断层图像序列进行轮廓抽取和细线化，然后进行轮廓匹配和轮廓插值并进行表面重建。初步的仿真结果表明，使用的三维重建算法简单、重建精度高、成像速率快。     

基于L系统改进的虚拟植物原型系统设计

设计实现了基于L系统改进的虚拟植物可视化原型系统。该原型系统实现了微机平台上可视模拟植物生长,并取得了较好的试验效果。系统设计思想以植物可视外观展现为主要目的,结合了L系统和基于图像建模的优点,对植物器官的建模方法是基于能够反映植物器官主要特征的表面建模。其实现思路是在L系统所描述的植物拓扑结构的基础上,对预先定义好的植物器官网格面进行装配。与L系统相比较,有更好的外观效果和较低的时间复杂度。     

多区域图像重建算法

为在多区域轮廓曲线中实现中等水平视觉的区域纹理替换,提出了一种多区域图像重建算法。该算法首先提取原始图像的分割区域及其索引号列表;其次根据分段迭代曲线拟合方法获得代表区域结构特征的多项式系数,并选取最小的区域纹理样本;最后利用重建的区域轮廓与合成的区域纹理实现区域恢复。该算法能成功实现包含大量纹理的自然场景图像重建,实验结果表明降低了图像重建所需数据量,适用于图像与视频的静止背景重建。     

一种基于图像的快速虚拟植物可视化重建

提出了一种视觉意义上快速植物三维重建方法，近似重构一株视觉上“相似植物”。该方法利用已有的植物结构信息，基于图像分割和三维重构技术，获取植物轮廓从而重构植物的骨架；结合植物真实图像修正生成的植物模型，最终生成视觉“真实”植物。该方法基于图像的三维重构技术，避开了植物复杂的形态结构规则提取，实现“快速意义”的重建，并采用真实图像验证技术，确保视觉上的近似，提高了对最终生成图像的控制度。     

基于分割的肝癌三维可视化研究与实现

提出一种基于分割的肝癌三维可视化方法.利用动态自适应区域生长算法分别把肝脏、肿瘤以及肝内血管从图像中提取出来;通过调用VTK开发包中的MC面绘制三维蕈建算法,对这些器官和组织进行三维绘制.这种方法分割准确.重建的三维器官模型立体感强,形态逼真,便于观察肿瘤与其它器官组织的空间位置关系.     

基于直线段提取及其参数化的矩形重构方法研究

文章根据矩形目标边缘二值图的特点,提出一种基于直线段提取及其参数化的矩形目标重构方法,实现矩形目标位姿参数高精度快速求取。该文提出的矩形目标重构方法主要分两步进行:首先从矩形目标边缘图像的二值图中提取出所有直线段,并将直线段参数化;其次由参数化的直线段提取出近似矩形,再由近似矩形重构出精确的目标矩形,并计算其位姿参数。该文提出的算法可应用于机器人装配及目标跟踪中。     

扫描图象曲线轮廊关键点的提取及其处理

针对工程图样中线段的识别和提取问题,提出了一种提取扫描图象曲线轮廊关键点的算法和相应的提取条件准则,该算法可自动逐行检测扫描行中的黑游程,当相继行中的黑游程满足一定的条件准则时,即可提取出相应的黑游程边界点,并形成关键点,依据这些关键点,利用B样条曲线理论来拟合曲线,最终即可实现对图象曲线的提取,该算法不仅速度快,抗噪声性能强,且提取识别也到得了满意的效果。     

引入平滑迭代的骨架提取改进算法

在使用ZS细化算法对目标图像细化时,会出现二像素宽度斜线结构细化畸变、2×2正方形结构丢失,以及大量斜线冗余像素存在的弊端,同时主流骨架提取算法无法解决不平滑轮廓带来的边缘分叉问题。针对四类问题,在ZS细化算法基础上引入了平滑迭代流程以及后续的扫描过程,并在其中加入保留模板和删除模板条件的判定。实验数据表明,改进算法在保留目标图像的骨架信息和拓扑性质的基础上,能保持二像素宽度斜线和正方形结构不丢失,并完全删除冗余像素,其细化率相比ZS、IEPTA、MZS细化算法提高了0.05%~0.25%不等。同时平滑迭代次数的增加,能进一步提高细化程度,减少大量的边缘分叉并提高整体轮廓的平滑程度。     

基于Snake模型的植物叶片面积计算方法

为对植物叶片面积进行准确测量,提出一种通过Snake模型提取叶片轮廓,并在叶片轮廓基础上计算面积的方法。对传统Snake模型进行改进,定义HSI空间的颜色梯度作为Snake的外部能量函数,将提取出的角点作为初始轮廓的顶点,通过自适应增加或减少顶点来设置Snake的初值。利用改进的Snake模型提取叶片轮廓,在叶片轮廓链码表的基础上计算面积。实验结果表明,与Image J软件中计算叶片面积的方法相比,该算法的测量精度更高。     

指纹图像细化的复合式算法

指纹图像细化是指纹识别算法中的重要环节,对特征提取起到关键作用。为了快速和高质量地对指纹图像进行细化,对快速细化算法和改进OPTA细化算法不足产生的内在原因进行分析,提出一种新的复合式指纹图像细化算法,该算法设计一套预处理模板,避免了快速细化算法形成的毛刺,并对改进OPTA算法进行了优化。大量实验结果表明,该算法不但具有以往算法的优点,有较好的细化速度,而且细化质量有显著地提高,细化后的图像光滑几乎无毛刺。     

基于SC特征的叶片图像识别研究

提出一种基于改进SC形状上下文描述子的叶片图像特征提取方法。利用颜色聚类分割图像,使用Ostu算子实现二值化处理,提取图像边缘轮廓,结合形状上下文(SC)描述子提取图像轮廓特征,计算匹配代价矩阵,利用匈牙利算法获得最小匹配代价。结果表明该算法具有较高的识别准确度。     

基于先验知识的肝脏轮廓线提取算法研究

准确有效地提取肝脏CT序列的轮廓线是腹部软组织三维模型重建与可视化的关键问题之一。针对肝脏轮廓线提取准确性不高的问题, 提出了一种基于先验知识的肝脏轮廓线提取算法。首先利用拉普拉斯算法进行CT图像增强, 再利用基于边缘先验知识的套索模型对感兴趣区域进行半自动的初始化, 最后通过改进的Snake算法准确地提取肝脏CT图像的边缘。针对序列CT肝脏的边缘提取, 提出根据CT图像序列之间的相关性, 将上一幅图像的轮廓线提取结果作为下一幅CT图像边缘提取的初始化点, 接着批处理地提取CT序列的肝脏边缘。实验结果表明：该算法大大减少了手动初始化结果对目标边缘轮廓准确提取的依赖性, 并有效地解决了肝脏轮廓线的提取问题。     

基于卷积神经网络的霉变烟叶图像识别方法研究

针对人工在线精选霉变烟叶时,存在效率低下、容易漏检等缺点,提出了一种基于卷积神经网络模型对霉变烟叶图像进行筛选、分类识别的方法。首先建立烟叶数据集,然后搭建卷积神经网络模型,利用卷积神经网络先初步提取特征,再筛选提取主要特征,然后进行各部分的特征汇总;最后实现图像的分类,从而实现了快速、准确的识别霉变烟叶图像和正常烟叶图像。实验结果表明,与人工挑选霉变烟叶的方法和烟叶传统图像分类算法相比较,搭建的卷积神经网络不仅具有较高的识别准确率,也简化了人工提取图像特征的复杂过程。     

自然场景图像中叶片区域快速多阈值提取方法

针对自然场景中植物叶片图像分割效果不佳,难以从含有多个叶片的图像中提取出完整叶片区域的问题,提出了一种叶片区域的快速多阈值提取方法。首先,使用人工蜂群算法优化Otsu多阈值选取的过程,以类间方差为适应度函数获取最优的多个阈值,在获取最优多阈值的过程中以迭代的方式自适应地确定出适合于叶片图像的分割阈值数目,然后使用边缘检测,逻辑运算和形态学操作等从多阈值分割结果中去除背景元素,提取独立、完整的叶片区域。实验结果表明,当对包含一个和多个叶片的自然场景图像进行处理时,该方法能够较为快速地得到更为完整、准确的叶片区域。     

复杂背景中的阔叶轮廓提取技术

树叶轮廓提取是植物图像识别的一个重要环节。设计一种复杂图像分割的综合算法。首先割取图像的目标区域利用Canny算子查找目标的边缘,然后边缘集合中查找所有的连通分支,利用二阶倒数查找连通分支长度与数目的关系,最后求出线条长度阈值,保留长度比阈值大的连通分支,进而得到目标图像的边缘。以阔叶楠树树叶为例进行实验,证明该算法可行有效,能够很好地过滤到背景的噪点和页面中的纹路干扰。