多阈值S-F的光照不均图像分割

针对钢管识别统计系统开发中,图像分割环节易受光照不均匀影响的问题,以及对图像增强处理后再分割导致目标错分的不足,本文提出一种多阈值S-F(分割-融合)的图像分割方法。该方法根据改进的Otsu多阈值法,采用形态学操作与图像融合技术,实现堆垛钢管目标的提取。实验结果表明,在光照不均匀情况下,该方法对钢管图像的分割效果明显优于传统方法,具有不受光照优劣程度影响、适应性强的特点,可应用于机器视觉领域的目标识别。     

红外序列图像的支持向量机分割方法

红外序列图像的准确分割是自动目标识别的关键,而当图像背景复杂时,传统的图像分割技术往往难以满足要求,为此,提出了基于支持向量机的红外序列图像分割方法。序列图像中的部分帧被作为训练样本,通过选择适合的模型参数,运用支持向量机方法建立学习机器,将后续图像帧中的目标从复杂的背景中识别出来,从而实现红外图像分割。实际红外序列图像分割表明,基于支持向量机的图像分割方法不需要复杂的预处理和后处理工作,分割效果理想,对于小目标的图像,识别正确率可达 99%。     

改进的模糊阈值图像分割方法

提出了一种自适应的模糊阈值图像分割方法,通过预分割和直方图信息相结合的方法,解决了传统的模糊闽值图像分割法难以自动获取窗宽的困难;并针对模糊闽值图像分割方法不能适用于直方图呈单峰分布的图像的缺陷,提出了一个新的平滑迭代公式。该平滑迭代公式利用像素点的邻域信息使图像增强,再使用自适应的模糊阈值图像分割方法进行分割,可以拓宽模糊阈值图像分割方法的适用范围。实验结果表明,使用该方法的目标分割正确率达97.3％,显示了较高的分割精度和较强的鲁棒性。     

图像分割技术在金相分析中的应用

介绍了常用的图像分割方法及其优缺点和金相图像分析中的图像分割方法。针对金相图像分割中存在的问题，提出了两步分割的图像分割方法。这种方法是先用阈值分割法把目标从背景中分割开来，然后采用数学形态学、打孔、找凹点和连分割线的方法进行粘连分割。与已有的金相图像分割方法相比，这种方法具有较强的强健性、自适应性和非监督性。     

综合边缘检测和区域生长的红外图像分割方法

针对红外图像的特点,提出了一种综合应用边缘检测和区域生长方法的图像分割方法。其思路为:先对图像进行边缘提取,得到边缘像素点集;然后利用该点集的平均灰度和目标区域的连通性作为生长判决条件,采用区域生长法实现图像分割。仿真结果表明,该方法能快速准确有效地实现红外图像分割,避免了单独使用边缘提取或区域生长法进行图像分割时的典型分割错误。     

基于图像纹理特征的目标快速检索

在讨论共生矩阵的基础上,提出了一个通过图像分割获取目标图像纹理特征,进而实现图像快速检索的方法。试验表明,该方法检索目标图像的可靠性较高,具有良好的应用价值。     

一种有效的红外图像中人造目标分割方法

提出一种红外图像单阈值分割方法。为了减少计算量,结合先验信息选择包含待分割目标的感兴趣区域,利用Bezier曲线法平滑感兴趣区域直方图的噪声;对平滑后的感兴趣区域的直方图求解其曲率曲线,用曲率曲线的波峰所对应的灰度值作为初始分割阈值;基于先验信息从初始分割阈值中确定最佳分割阈值并进行初步分割。为了弥补单纯利用阈值法分割的缺陷,结合上述分割结果和目标的边缘信息得到封闭性良好的完整目标的二值图像。实验结果表明,提出的方法能快速有效地将红外目标从复杂的背景中分割出来,算法的计算复杂度为O(MN)。     

机器人视觉目标数字图像实时处理及分割

机器人视觉目标图像信噪比低、背景噪声干扰大,目标识别处理通常利用目标的灰度信息进行预处理。文中设计一种基于数学形态学和遗传算法的灰度图像实时预处理和阈值处理技术图像分割方法。描述图像的基本结构和特征,用具有一定形态的结构元去度量和提取图像中的对应形态,以达到对图像分析和识别;经过预处理的原始图像,采用基于遗传算法的最大类间方差图像分割法,非线性快速地查找到最优的分割阈值,从噪声图中分割出可能目标。基于ARM嵌入式微处理器,以复杂可编程逻辑器件CPLD作为时序控制单元,进行图像处理、分割,实现了图像信息的采集、存储、传输及处理为一体。仿真实验表明,该方法实时性好,简捷、快速,对运动目标的图像识别有较好的实用价值。     

基于多阈值单水平集方法的医学图像分割

针对Chan-Vese的无边界主动轮廓模型(CV模型)只能区分前景与背景的缺点,提出了一种基于多阈值单水平集的医学图像分割方法,并将此方法应用于微创手术的预处理中.由于医学图像结构复杂,具有器官轮廓多连接等特点,因此使用常规的水平集方法进行分割往往不能取得理想的效果,而该方法采用修改目标泛函的方式引入多类分割,具有多区域分割的特点,只需经过一次单水平集的迭代循环,即可将图像根据灰度不同划分为多个区域,具有精确、快速等优点.对不同的合成图像和医学图像的实验结果表明,该方法实现了快速精确的多区域分割,能很好地提取到医学图像中的骨骼轮廓,分割效果达到了预期水平.     

小目标玻壳缺陷检测中图像分割问题的研究

对于目标所占比例很小的图像，目标所代表的峰在直方图中呈现为背景峰边上的水平线或微斜线，用传统的分割方法难以确定分割的阈值。针对这种情况，本文提出了一种自适应的局部阈值分割图像的方法，该方法在玻壳缺陷图像的分割中取得了很好的效果。     

USAN算法在实时系统中的实现

介绍USAN(Univalue Segment Assimilating Nucleus即吸收同值核区)算法在实时系统上的应用。应用USAN模板对图像扫描,并且对扫描后的数据做方向识别,获得目标上的角点特征,从而得到以角点为跟踪点的跟踪算法。此算法由于其跟踪点稳定,不受随机噪声的影响,因而可以大大提高跟踪精度,在实际应用中获得较好的效果。     

一种改善无损压缩性能的预处理及其理论分析

在 JPEG2000 无损编码方案中增加一步预处理而提出了一种新的编码算法。这种算法在编码端增加一项简单的预处理运算,在解码端增加了逆预处理运算。算法十分简单,在时间上没有明显增加,而在压缩比上有一定程度的提高。试验结果表明,采用这种编码算法时,压缩比可以提高 20%;理论分析也证实,只要能够保证减小图像的整体方差就能改善压缩比。该预处理也可应用于其它无损压缩算法。     

用傅里叶相移特性估计位移

提出了一种从频率域出发,估计出运动物体在空间域位移的算法。利用傅里叶变换的自配准性质和位移特性,用极坐标形式下连续图像相位谱的差直接估计运动目标的位移。与传统的寻找迪拉克峰值的方法相比,本方法无需重新变换回空间域,从而节省了处理时间,具有更好的实时性。实验证明,这种先求出相位谱的差,再用其周期数来估计位移的算法简单明了,其分辨能力不低于一个像素。该理论可以应用于图像跟踪和图像后期处理中。     

基于二次曲面拟合的亚象素图象匹配算法

在图象测量系统中，目标的精确定位是一个关键问题，也是应用其它图像处理技术的基础。传统的图象匹配算法只能在象素极定位，本文基于相关函数的二次曲面拟合提出了一种亚象素精度的匹配算法，它对于无噪声图象匹配的绝对误差小于０．０１象素。模拟实验表明，在有噪声的情况下该算法仍具有较小的偏差。     

小图像子集提取水印的小波域盲水印算法

提出一种新的盲水印算法,能从一个小图像子集上检测出水印,首先将图像进行小波变换,选择两个所需要的子带,利用相邻特征平均值和奇偶判决法在两个子带上各自重复内嵌一半水印,在水印检测过程中不需要原始图像。根据本算法的实验结果,该算法具有较好的透明性,对各种攻击有较强的顽健性,尤其是增强了小波域水印在面临裁剪攻击和联合攻击时的顽健性。     

自适应选取阈值的三层快速匹配算法

提出一种自适应选取阈值的三层快速匹配算法。采用了由粗到精的匹配策略,先分别用环形模板和十字形模板进行粗匹配来淘汰大量非匹配点,再用全模板进行精匹配确定匹配位置以减小计算量。以模板和实测图的平均灰度差来自适应选取阈值,增强了算法的稳定性,从而弥补了环形法的模板信息单一且阈值固定的缺点。实验结果表明,该算法的匹配位置准确,匹配速度比相关法提高5倍,比环形法提高10倍,且在目标发生明显运动变化时仍具有很强的可靠性。     

全息图再现象研究

通过分析全息图记录的干涉条纹图样，指出对于二维全息图，一束再现光将产生两个对称于全息图面的物象，两束对称于全息图面的再现光将产生位形相同的物象；三维全息图的再现，象的对称性不变，但原物象的对称再现象有一定的弥散，对称光再现时，等亮度再现象出现在全息图转动一个角度之后，实验上制作了具有清晰透射彩虹全息象的象面反射全息图。     

利用傅里叶变换提取图像纹理特征新方法

研究发现,由图像傅里叶周向谱传统算法得到的频谱分布不能够真正反映其频率特性。因此,根据傅里叶变换的共轭对称性,提出了更具有一般性的长方环傅里叶周向谱能量百分比新算法。该算法均匀地把图像功率谱分成20个等间距同心长方环,计算每一个长方环内功率谱能量占总能量的比值作为图像频率分布特征。实验证明,新算法能更好地反映具有一般性的不同频率图像的纹理特征。在对作物缺乏营养元素诊断识别研究中,新算法提取的特征有效性远远高于传统算法,使识别的准确率达到82%以上。     

小波多辨率CT成像及处理算法

分析了小波变换进行低分辨率快速图像轮廓重构和局部区域精确重构的算法。在这种算法中，滤波器与小波有关，从而可由反投影得到各种小波图像。通过小波多尺度分析和小波系数控制，提出一种简单算法进行图像增强和噪声去除。与标准的算法相比，该算法提高了重建速度和图像精度。     

利用粗糙集和属性直方图的图像增强方法

利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图;将它用于子图的划分,在此基础上提出了一种基于粗糙集理论和属性直方图的图像增强方法。该方法利用属性直方图的 Otsu 算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对去噪后背景子图和目标子图进行增强变换,并将它们合并得到增强图像。将该方法用于一种海底小目标图像增强。实验结果表明该方法处理增益为 11dB,明显地增强了图像,且不损害图像的边缘。该方法适用于图像有某种先验知识的场合。