基于张量投票的主动轮廓边缘提取

提出一种基于张量投票的主动轮廓边缘提取算法。该算法对图像进行张量编码,将其转化为二阶对称的半正定张量,每个输入张量通过预定的投票域对邻近数据进行稀疏投票,投票后每个输入点收集自身获得的选票,再进行稠密投票,以获得轮廓的显要特征,从而实现主动轮廓的边缘提取。实验结果表明,该算法能有效提取图像轮廓边缘,得到较好的物体主动轮廓模型。     

基于卡尔曼滤波改进的精子图像序列分割方法

图像分割是精子图像识别的一项关键技术,在精子运动能力分析中起着至关重要的作用。本文对采集的连续精子图像序列进行灰度化、去噪等预处理后,采用Otsu算法对首幅动物精子图像二值化,对后续图像采用Kalman Filter确定二值化阈值范围,改进Otsu算法求出每一幅图像的适当阈值并进行二值化,缩短算法时间并能保证分割精度。应用形态学消除精子尾部和部分精子之间的粘连现象,通过计算和比较目标面积、形状因子,去除小颗粒杂质以及形状及灰度和精子相似的杂质,为精子运动能力检测提供高质量的分割图像。     

保留几何特征的散乱点云简化方法

针对散乱点云简化时经常丢失过多的几何特征,提出一种保留几何特征的简化方法。首先采用均匀栅格法划分点云空间;然后分别以点云中的数据点为球心构建包围球,并在包围球中查找数据点的K邻域;随后构造一个非负函数用于度量重建曲面在各点处的曲率,进而提取并保留点云中的特征点;最后根据法向量的内积阈值对包围球中的非特征点进行适度简化。实验结果表明该方法不仅能够充分保留点云中的几何特征,而且具有速度快的特点。     

一种指纹图像的快速分割方法

利用数学形态学变形虫法进行指纹图像分割时计算量大,导致分割速度变慢。针对该问题,提出一种将数学形态学变形虫法和离散小波变换相结合的指纹图像快速分割方法。先对原始图像进行小波分解,再对获取的低频图像采用形态学变形虫分割。实验结果表明,该方法在保证良好分割精度的同时分割速度较快。     

一种自动的非封闭曲面三维重建方法

为了精确实现非封闭曲面的三维重建,提出一种基于曲面三角面片周长的阈值分割方法,首先计算泊松算法生成曲面的三角面片周长选取采样点,然后通过比较样本点与原始输入点之间的欧氏距离自动计算阈值对生成曲面进行分割.实验结果表明,该算法能准确有效地去除伪封闭曲面而不影响原生成曲面的精度,且算法复杂度低、时间效率高、鲁棒性强.     

基于小波变换的海面背景红外小目标检测方法

采用基于正交小波分解的多分辨率分析实现频带选择,抑制噪声和背景杂波;检测图像的水平和垂直方向边缘,确定海天线和目标潜在区;利用不同方向边缘进行融合,除去大量背景干扰而获得目标候选点;检测候选目标点的灰度值,确定阈值排除虚警点并分割目标。实验结果表明,该方法能检测复杂海面背景中的舰船红外小目标。     

改进的基于欧氏距离测度网格模型体素化算法

在基于到网格多边形表面的法矢量函数作为距离标准的体素化算法的基础上，提出以多边形面的最小包围盒作为计算单元，以欧式距离作为测度实现网格模型的体素化，极大地提高了计算速度，使得只能在图形工作站上实现的算法在微机平台上得以实现．针对通常采用Flooding操作判断内外体素、但应用于存在封闭空腔的模型时将会产生错误的情况，设计了一种根据体素标志位序列判断内外体素的算法．     

基于参数优化的多层次单元划分曲面重建

为了提高现有MPU曲面重建的稳定性,提出了一种基于参数优化的MPU曲面重建算法。通过分析包围球半径的比例系数α和包围球内点云最小数目Nmin对曲面重建的影响,根据局部隐含数逼近的条件,对Nmin进行调整。同时,结合不同形态特征的点云模型对覆盖密度的要求,对α进行调整,使得α和Nmin达到一个最优组合,进而使得曲面重建算法更稳定。实验结果表明,该算法能快速准确的对不同点云模型进行参数选取,从而得到更理想的曲面重建效果。     

基于局部抑制线性编码的图像快速识别方法

传统的图像识别方法如ScSPM、LLC都是在SIFT的基础上提取特征,忽略了人工特征的局限性,且单张图像识别耗时略长。考虑到这些不足,提出了一种基于局部抑制线性编码的图像快速识别方法。该方法首先直接利用局部抑制线性编码提取图像局部特征描述子;然后用线性空间金字塔匹配(LSPM)对特征描述子进行计算;最后将计算结果输入到线性支持向量机(LSVM)中进行训练和测试。在3个常用的图像数据集上的实验结果表明,该方法在类别不多的情况下具有很好的识别准确率,同时大大减少了单张图像识别耗时,从而验证了该方法在图像识别上的有效性。     

多视角图像特征匹配的高光去除方法

针对物体镜面反射使拍摄图像出现饱和高光导致的纹理信息丢失问题,提出了一种基于多视角图像特征匹配的高光去除方法。首先,选取两幅不同视角的图像作为基准图和辅助图,转换到HSV空间进行亮度调整,将亮度统一后的两幅图像进行特征点匹配,估算出单应性变换矩阵,然后利用该矩阵将辅助图透视变换到与基准图同一视角,最后利用MSF算法对基准图进行高光检测,将检测出来的高光区域遮罩在辅助图的相应位置选择纹理信息对基准图进行填补并修复缺失纹理,从而去除基准图的高光。实验结果表明,所提出的方法适用于多种真实场景图像的高光去除,且在保证图像峰值信噪比和结构相似性有所提高的同时能最大限度地恢复高光区域的纹理细节信息,高光去除后的视觉效果更好。