一种改进的基于Douglas—Peucker原理的轮廓采样算法

文章首先介绍了Douglas-Peucker算法,它是一种经典的曲线简化方法,在此基础上提出了DP算法的一种非递归实现方法．该过程主要是利用队和栈的性质来实现的。结果显示,用这种方法进行目标物体的轮廓采样。通过控制距离容差可以得到对轮廓线不同程度的逼近,不仅能够有效减少物体轮廓的冗余点,提高处理效率,又能够不失真地表征物体的形状。     

基于Level Set方法的人脸轮廓提取

人脸轮廓提取在诸如安全检查,保安管理、交通电子监控、机器人研究等方面有着十分重要的应用价值.先利用图像背景差分法快速检测出人脸的初始矩形轮廓线,然后采用Level Set方法对视频图像进行人脸轮廓提取,Level Set演化函数空间方向上采用四阶紧致差分逼近式离散,计算过程中加入了窄带算法和全局优化方法.数值实验结果表明,该算法在不增加计算时间的基础上,可以检测出模糊或离散的边界,并得到精确的人脸轮廓线.     

三维物体表面形状检测技术的深入研究

本文对三维检测技术做了简要的介绍,给出了迈克耳逊干涉仪、电子散斑干涉法（ESPI/DSPI）、三角检测法的检测原理,同时对三维轮廓检测技术做了深入的研究。     

基于弹性匹配活动轮廓模型心脏超声图像分割

超声医学图像由于受成像机理的影响,图像对比度不高、边缘不明显.基于传统活动轮廓线模型(snake模型)的分割方法可能产生过分割或泄漏问题.由于医学图像中拓扑结构已知,因此基于先验知识的活动轮廓线分割方法是解决这个问题的一个有效途径.建立一种新的基于弹性匹配活动轮廓线模型,该方法将待分割曲线的形状与原型曲线用弹性匹配测量变形量或相似度.曲线在演化过程中,根据变形量或相似度,可以准确分割模糊的边缘,同时保持整体目标分割形状.通过对二维小儿超声心脏图像的左心房内壁进行分割,经比较,基于弹性匹配活动轮廓线分割比传统活动轮廓线分割的误差有显著减少,避免了传统活动轮廓线的过分割或泄漏问题.     

基于PCA变换扩散投影的人眼轮廓提取

提出一种PCA变换扩散投影的人眼轮廓提取方法(PCA transform scattering projection,PCATSP),即采用PCA投影对人眼的虹膜进行定位,经在人眼区域内对形状点进行变换后对所得参数进行扩散投影,并结合霍夫变换进行整体处理,从而实现更为鲁棒地提取人眼轮廓.实验中通过与可变形模板法相比较,结果表明PCATSP在平均形状参数误差及整体优化时间上更能精确地提取人眼轮廓,并取得令人满意的效果.     

跟踪窗口尺度自动更新的Mean—Shift跟踪算法

Mean—Shift算法作为一种高效的模式匹配算法,已经广泛地应用在实时性要求较高的目标跟踪系统中,但标准的Mean—shift跟踪算法缺乏窗口尺度自动更新机制无法满足图像中运动目标尺寸变化的需要。在分析图像的轮廓检测的基础上提出了一种窗口自动更新方法,实验证明本算法能够有效地跟踪尺寸变化的目标并且提高了跟踪精度,增强了跟踪稳定性。     

在图像分割中对水平集函数应用的研究

图像分割是从图像处理到图像分析的关键技术,几何活动轮廓模型是为解决图像处理和计算机视觉领域广泛存在的图像分割问题而提出来的。水平集函数是在研究几何活动轮廓模型时将界面或者演化曲线看成高一维空间中某一函数山原型。文章在分析传统水平集函数和距离保持水平集函数优缺点的基础上,引入图像相依的权系数v（I）代替常值权系数,提出了一种自适应距离保持水平集函数。然后通过对水平集函数求其偏微分方程,经过数值实现并求出其解,从而得出图形界面的基本形状和特征。     

基于轮廓特征点的高精度识别目标方法

为了实现高成功率、高精度和快速识别跟踪目标,提出对基于轮廓特征点的目标精确识别方法。在识别过程中采用了轮廓提取和多边形拟合算法自动搜寻到图像中要识别和跟踪的目标,同时对目标物轮廓的多边形角点进行亚像素分辨率的定位,从而可以利用目标轮廓角点的精确定位来实现对多边形目标的识别与跟踪。试验结果以及特征点亚像素算法分辨率的分析表明,采用这种自动识别与跟踪目标的方法,其精度可以达到0．02像素。     

使用线段表实现线段编码与种子填充快速算法

在图像处理中常用水平线段集表示区域,提出了一种采用线段表结构来表示区域,并给出使用线段表改进传统像素标记与种子填充算法的快速算法。该算法中,线段表的每个表项对应一条水平线段,它包含L、xL、xR、y和F 5个参数,即表示上下线段连通关系的标记,左、右端点的x坐标,线段的y坐标与表示线段特征或类型的标志。具有相同标记的线段表表项构成连通区域。以线段表为基础,水平与垂直方向的连通检测可分别进行,水平方向可通过行程编码实现,垂直方向则通过比较上下线段的端点坐标来确定。线段编码是像素标记的改进,由行程编码、线段标记、统一标记与标记排序4个步骤组成。采用线段表结构后,线段编码中利用桶排序,种子填充新算法中,利用队列结构并避免重复扫描来提高效率,与轮廓填充算法相比较效率都可提高近一倍。     

辅以区域力量的梯度矢量流测地线活动轮廓模型

梯度矢量流测地线活动轮廓模型作为对测地线活动轮廓模型的重要改进,不仅扩大了测地线活动轮廓模型的适用范围,而且改进了它的分割效果。但由于该模型中推动活动轮廓演化的外部力量来自于梯度矢量流,因此活动轮廓在演化过程中可能会由于弱边缘等因素的影响而陷于不希望的局部最小值。为尽量减少弱边缘对活动轮廓初始位置的限制及其对轮廓演化的不利影响,提出了一种新的辅以区域力量的梯度矢量流测地线活动轮廓模型,该模型首先将基于区域信息的力场与梯度矢量流力场相耦合,然后由以上两种力量构成的耦合力场,使活动轮廓模型能够有效地克服弱边缘的影响而收敛到所期望的边缘。实验结果表明,辅以区域力量的梯度矢量流测地线活动轮廓模型与梯度矢量流测地线活动轮廓模型相比,不仅可以更灵活地设置初始轮廓的位置,而且对弱边缘的干扰也有较好的适应性,并能有效地避免边缘泄漏。