基于改进分水岭算法的菌落图像分割

随着计算机图像处理技术的快速发展,在菌落筛选环节上,传统的人工手动筛选已经逐渐被自动筛选仪器所替代。自动筛选仪器的核心是菌落图像识别模块,而菌落图像识别的关键在于图像分割技术,本文提出了一种改进的分水岭分割算法。该算法首先采用高斯滤波去除图像噪声,再对去噪后的图像进行形态学处理,然后进行倒角距离变换得到菌落距离图像,再采用形态学方法填补其空洞信息,接着对标记后的区域进行分水岭分割,最后利用区域合并算法聚集图像相似区域,从而得到最终的分割图像。采用本文提出的改进型分水岭算法进行菌落图像分割的准确率为93.4%,而传统的分水岭算法的分割准确率为75%,通过与传统分水岭对比实验的结果可以看出,改进后的算法较好地抑制了传统分水岭的过分割现象,极大提高了识别精度。     

一种基于图像森林化变换(IFT)的分水岭算法

结合了边缘检测与区域生长法优点的分水岭算法近年来在图像分割领域得到了越来越多的重视,但经典的分水岭算法存在过分割的问题,从而使得物体的轮廓线掩埋在无关的分水岭线中.为了克服这种过分割问题,本文介绍了一种基于图像森林化变换的分水岭算法,它是一种将图像处理问题简化为在图形中求解最短路径森林的统一有效的方法.该改进算法在预处理阶段对图像进行平滑操作并设置适当的梯度阈值,即减少了梯度图像中非重要区域的产生.实验结果表明,该方法可提供精确且封闭的区域轮廓线.     

基于语义分割与连通区域标记的隔离开关状态识别方法

提出一种基于语义分割与连通区域标记的隔离开关状态识别方法.首先,提出基于语义分割算法的隔离开关像素提取方法,将图像按照语义类别进行像素分类,实现对开关臂所在像素的提取.其次,提出基于区域生长算法的语义分割图像标记方法,实现对隔离开关连通区域的标记,并提出面积排序统计方法优化面积阈值和消除非开关臂区域.最后,根据开关臂连通区域个数判断隔离开关状态.通过引入风格迁移算法生成隔离开关风格化图像增强训练集,提升污损图像中隔离开关定位、分割的准确性.实验结果表明所提方法能够准确定位、分割隔离开关,并识别开关状态.     

基于改进分水岭算法的彩色图像分割

分水岭分割算法能够精确定位图像边缘和得到封闭的轮廓线,广泛应用于图像分割。但是,对复杂的彩色图像,易产生过分割问题。本文综合考虑彩色图像的色度信息、边缘信息和区域邻接关系,提出了一种改进的分水岭分割算法,对分水岭分割后的图像进行相似区域合并。实验结果表明,本文提出的方法准确率高,运行速度快,有效地抑制了分水岭算法的过分割问题。     

结合分水岭算法和WKFCM算法的MRI图像分割

针对传统分水岭算法对MRI图像过分割的缺点,提出了一种基于分水岭算法和改进核聚类算法的MRI图像分割新方法.首先,通过传统的分水岭分割算法将MRI图像分割成不同的区域,然后根据改进的核聚类算法,利用Mercer核将各个区域的平均灰度值映射到高维特征空间,使得原来未显示出来的特征显现出来.这样就可以实现更准确的聚类,用灰...     

基于语义分割与证据理论的电杆倾斜检测及风险评估方法

随着无人机成为电力巡检的重要方式，基于机器视觉技术的无人机图像分析方法可为电杆倾斜检测及风险评估提供辅助手段。提出一种基于语义分割与证据理论的电杆倾斜检测及风险评估方法。基于U-Net和连通区域标记算法的电杆图像分割方法，对图像按照语义类别进行逐像素分类，并利用连通区域标记算法消除非电杆区域。在构建电杆倾斜判据的基础上，提出基于证据理论的电杆倾斜检测方法，利用合成规则将多个判据的结论融合。给出电杆倾斜风险评估方法，并将倾斜等级作为评估结果。实验结果表明所提方法可提高检测的准确性。     

结合分水岭和区域合并的彩色图像分割

图像分割是图像处理到图像分析的关键步骤之一。研究提出了一种基于区域块的聚类分割新算法。高斯混合模型(GMM)聚类算法已广泛应用于图像分割领域,但在真实彩色图像分割中,由于忽略了像素间的空间相关性,使之对高斯噪声非常敏感。首先对彩色图像求其彩色梯度,然后对彩色图像梯度图进行分水岭分割,分水岭分割会产生过分割区域,但基本得到同质区域,提取区域的区域块特征并把其作为高斯混合模型聚类的输入样本值,完成聚类并实现最终分割。新算法把简单的基于像素的聚类提升到基于区域块特征聚类,很好的抑制了噪声对分割结果的影响。通过在合成图像上及大量真实自然彩色图像上进行实验,结果证明本算法能够有效提高分割结果的准确性。     

基于分水岭线的CV模型树冠分割优化算法

为了实现对森林调查中的树木生长状况精确监测,单体树冠分割是重要研究内容。将无人机拍摄的云杉林影像作为研究对象,针对图像中存在的树冠粘连问题,结合分水岭算法和Chan-Vese主动轮廓模型,建立一套自动实现树冠轮廓定位、分割、优化系统。该改进算法将预处理后图像输入到标记分水岭分割中,得到的分水线作为Chan-Vese模型的基础,通过曲线演化至图像特定边缘,最大程度提取出完整的树冠轮廓。为改善分水岭算法敏感、区域主动轮廓模型定位初始位置难确定等问题,提出一种便捷完整的树冠分割的算法。实验结果表明,与传统分水岭和传统Chan-Vese模型相比,树冠提取方法准确率达到82.62%,实现较高提升。并且在对树冠误判、漏判、欠分割、过分割问题有较好改进。该方法可以自动、有效地提取出独立的树冠轮廓,并具有更好的提取精度。     

基于多方向Gabor滤波器的图像分割

针对传统图像分割算法往往受到噪声的影响容易产生过分割问题,提出一种基于多方向Gabor滤波器自适应提取图像粗边缘的区域分割算法。首先,利用多方向Gabor滤波器的虚部对输入图像进行卷积运算提取多方向的幅值,同时提取每个像素点的梯度幅值,再利用自适应阈值法提取图像粗边缘。然后,对粗边缘映射做分水岭变换,得到初始过分割结果。最后,在合并代价的前提下将初始过分割区域进行迭代合并,直到超过合并阈值,得到最终的图像分割结果。实验结果表明,与Canny、区域生长和LOG方法相比,所提出的方法有效地缓解了过分割的问题并且平均计算复杂度降低了约21.5%。     

车道线的GrowCut快速检测算法

针对目前智能交通领域中车道线检测算法效率低、鲁棒性差等问题,提出了一种基于GrowCut的车道线快速检测方法。从监控摄像机中采集图像并标定初始种子点,利用GrowCut算法进行边缘分割,对分割结果经过中值平滑滤波、边缘提取、分半处理及曲线拟合,最终得到清晰的车道线。将GrowCut算法与分水岭算法进行了对比,结果表明:该算法简便快捷、鲁棒性好,优于经典算法,可广泛应用于智能交通、公共安全领域。     

基于改进随机Hough变换的混合圆/椭圆快速检测方法

针对随机Hough变换(RHT)在复杂图像中检测圆时随机采样所造成的大量无效采样和无效累积问题,提出了一种新的基于连续曲线段的RHT(CRHT)混合圆/椭圆检测方法,它首先利用连续的边缘曲线段来优先决定随机采样点的数据,再利用不准确的梯度方向信息来决定是按照圆还是椭圆对采样到的几个点进行参数累积,一方面它较好地解决了标准RHT检测中无效采样概率大、无效积累时间多的问题,另一方面也解决了圆与椭圆的混合检测问题.实验结果表明本文的算法具有较高的计算速度,检测性能比RHT算法有较大提高.     

基于DeblurGAN的运动模糊图像盲复原算法研究

DeblurGAN方法利用条件生成对抗网络解决了端到端的图像去模糊问题,但存在图像边缘细节恢复不足以及鲁棒性不高的问题,针对此问题,提出一种基于DeblurGAN的运动模糊图像盲复原方法。在生成网络中,采用多尺度卷积核神经网络提取特征,并使用级联空洞卷积扩大神经元的感受野;采用自适配归一化方法代替原来生成器中使用的实例归一化方法。其次,引入了梯度图像L1损失,结合对抗损失和感知损失,将其作为图像去模糊的正则约束,使得生成图像的边缘特征更加清晰。实验结果表明,提出方法复原的图像峰值信噪比数值较DeblurGAN算法高出5.4%,结构相似性指标高出1%;在主观上清晰化效果较好,且消除了网格效应。     

改进Harris-Susan算法下砾石土料掺配均匀度评价

砾石土料掺配均匀程度对砾石土心墙坝的安全至关重要。数字图像处理方法被广泛应用于混合物识别领域,但在处理存在黏连特性的图像时易出现过分割与欠分割问题,导致评价结果精度不足。针对上述问题,本文提出改进Harris-Susan算法下砾石土料掺配均匀度评价方法。首先,改进Harris-Susan算法可分割欠分割区域并修复过分割区域,提高二值图像精度;其次,基于砾石邻域的概念,对图像进行单分位均匀度评价;最后,采用空间分布采样构建砾石土的空间均匀度评价指标。将该方法应用于大渡河双江口砾石土高心墙堆石坝工程建设中,本文方法相对统计准确率为0.935,较Otsu算法（0.353）和分水岭算法（-3.101）提升明显。结果表明,本文方法结果与筛分法高度一致,同时可有效节省人力、物力与时间成本,评价效率更高,具有很强的工程应用价值。     

基于改进各向异性扩散的图像去噪算法

针对纹理等细节信息丢失和图像边缘退化的问题,本文提出了一种基于l_(2)范数的改进各向异性扩散模型。本文首先将PM模型和LCC模型相结合,根据图像梯度的变化,构建局部图像梯度模值与扩散强度之间的关系,不同的梯度模值选择不同的扩散函数;然后利用l_(2)范数确定扩散函数中的梯度阈值,进一步提高去噪模型的泛化能力。实验结果表明,该模型不仅可以解决传统PM模型存在的孤立点问题,而且能够有效地保护图像边缘特征和轮廓结构的完整性,与原始算法相比图像信噪比提升了1.47~1.57 dB,结构相似度提高了17%,在保证去噪效果的同时提高了去噪效率。     

多梯度融合的RGBD图像边缘检测

基于单一的属性变化进行边缘检测往往会损失部分边缘信息,影响了检测结果的完整性,对此提出一种基于多梯度融合的边缘检测算法。该算法针对RGB图像,首先转换到YCbCr颜色空间下,分别提取亮度分量Y颜色分量Cb、Cr针对提取的亮度分量Y颜色分量Cb、Cr,结合深度图像D,分别使用多方向的圆形边缘检测算子进行梯度计算,对所获得的4种梯度图像进行融合获得边缘检测结果。实验结果表明,算法获得的边缘检测结果更加清晰完整,有效的提高了边缘检测的效果。