一种基于边缘与区域信息的先验水平集图像分割方法

传统的水平集图像分割方法仅考虑了图像的数据信息,因此对被遮盖的目标以及与背景灰度相近的目标无法达到理想的分割效果.针对这个问题,提出了一种基于边缘和区域信息的先验水平集图像分割方法.该方法首先将图像的区域信息融入基于边缘的水平集方法,然后将其与形状先验结合.对比实验表明该文方法由于综合考虑了多种信息,能够更好地完成被遮盖目标的分割,对于与背景灰度相近的目标也能达到更好的效果.     

基于电阻抗扫描成像的乳腺癌自动诊断及参数提取

电阻抗扫描成像作为一种无损功能成像方法, 在乳腺癌诊断方面已经成为X射线乳腺成像的辅助诊断工具. 基于电阻抗扫描成像(Electrical impedance scanning, EIS )的人工诊断方法主观性强、诊断性能差异性较大. 本文提出了一种新的乳腺癌参数提取算法—全参数提取算法(Complete parameters extraction algorithm, CPEA), 并在此基础上设计了一个乳腺癌诊断算子—异常能量指数(Abnormal energy indicator, AEI), 可将乳腺癌诊断及癌灶参数提取合二为一.临床实验表明, 新方法可用于乳腺癌的实时诊断,具有较高的灵敏度和特异度, 同时能够给出癌灶的完整参数信息.     

基于凸松弛方法的医学 B 超图像快速分割

利用活动轮廓线方法进行图像分割的一个重要缺陷是目标函数是非凸的, 这不仅使得分割结果容易陷于局部极小, 而且还使得一些快速算法无法开展.本文首先从贝叶斯风险估计的方法出发,针对B超幅度图像, 给出一种基于Rayleigh分布的活动轮廓线模型. 然后结合凸松弛的方法,得到一个新的放松的凸模型.原有模型和放松后模型的关系可由定理1给出. 最后结合分裂Bregman算法, 给出基于B超分割模型的快速算法.与传统梯度下降法相比较,本文提出的算法不仅能得到全局最优解,而且在算法收敛速度上也 大大优于梯度下降法.     

基于图像插值和椭圆拟合的联指图分割算法

提出一种基于图像插值和椭圆拟合的联指图分割算法。该算法充分利用指纹图像中指纹区域和非指纹区域存在的灰度差异,实现了多指指纹的自动分割。实验表明,该算法不仅能够对低对比度联指图、噪声联指图、"光环"联指图、联指图旋转、部分残缺联指图等常规联指图进行正确分割,且可成功实现指纹连接情况下的特殊联指图分割。     

改进D-P算法在图像轮廓平滑中的应用

针对传统D-P算法速度较慢、编程不方便的问题,提出一种改进算法。以一定步长对轮廓进行遍历,根据轮廓上点到所选轮廓段首末点连线最大距离与距离阈值的大小关系,按轮廓遍历顺序获取曲线轮廓的特征点,并在相邻的特征点之间采用贝塞尔曲线进行平滑。实验结果表明,改进算法的速度比传统算法提高10%以上。     

基于空域均值法的双频三维轮廓测量

针对传统双频三维轮廓测量方法存在分辨率低、数据处理时间长等问题,提出基于空域均值的双频三维轮廓测量方法。该方法通过空域均值图像对采集到的包含物体深度信息的双频结构光图像进行处理,得到物体表面的真实深度信息,提高测量效率和测量精度。通过对物体模型的测量,证明由该方法构成的系统输入、输出满足线性关系,并且可以实现高效、高分辨率的三维物体轮廓测量。     

基于图像识别的井下机车轨道检测方法

针对传统图像识别算法耗时大、对复杂环境识别效果差等缺点,提出一种针对煤矿井下环境的轨道检测方法。根据井下光线亮度不均匀的特点,设计井下复杂环境下的灰度拉伸与边缘提取算法,提高轨道检测的有效性。给出基于优先级的轨道内侧边缘搜索算法。后帧图像在基于前帧图像检测结果建立的感兴趣区中进行轨道检测,可降低计算量,提高实时性。现场实验结果证明,该方法能有效检测出机车轨道,且相比传统方法耗时明显减小。     

适用无线传输的图像ROI提取及优先编码研究

本文采用模板匹配及区域生长相结合的方法提取图像感兴趣区域,所采用的模板是由彩色图像角点构成的特征多边形内角组合而成;采用最大位移法对感兴趣区域进行优先编码.实验结果表明,这种方法能够有效地提取图像感兴趣区域,而且图像感兴趣区域优先编码效果好.     

基于时频分析的混沌谐波线性混合信号提取算法

混沌信号与谐波信号的分离问题是混沌信号处理中的重点问题,时频分析理论的日趋成熟为该问题带来了新的解决方案。针对不同噪声情况下混沌背景下谐波信号的提取进行分析,将小波变换与EMD方法进行比较,经仿真实验总结出一种新的谐波信号提取的融合算法,仿真实验验证了该算法的有效性。     

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。