一种基于脑血管图像特征的快速边界跟踪算法*

在处理复杂的脑血管图像时,经典的边界跟踪算法暴露出边界精度不高、边界不够平滑,且速度不尽人意等缺点。提出了一种新的快速边界跟踪算法,该算法在分析脑血管边缘垂直细节远多于水平细节的特征基础上,结合方向记忆选择搜索方向,并在不同的搜索方向上赋予不同的权值,最终得到下一个边界点。实验表明：该算法提取的脑血管边界平滑、速度快,适合脑血管图像的边界提取,为下一步的脑血管形状特征提取及表示提供了精确的数据准备。     

一种新的区域种子填充算法

在未知边界的区域种子填充算法中,改进扫描线算法犤1犦具有非常高的填充效率,但它只适用于四连通区域,为此,文章提出了一种新的基于边界跟踪的填充算法,该算法弥补了文献犤1犦算法的不足,可以填充任意的四连通或八连通区域,而在填充效率上仅比其略低几个百分点,因此更具有实际应用性。     

一种基于优先搜索方向的边界跟踪算法

图像处理尤其是区域分析中,区域的边界是非常重要的信息。提出了一种基于优先搜索方向的边界跟踪方法。该方法是以区域为基本操作单元,以当前边界点和上一边界点所确定的方向的外法线方向为起始搜索方向,顺时针方向搜索下一个边界点,当下一个边界点与该区域第一个边界点重合时,该区域搜索完毕,并开始对下一个区域进行跟踪。利用这种方法跟踪出来的区域边界,不但能够很好的满足对边界一个像素的宽度、同一个区域的边界连通封闭、准确定位在区域外围轮廓上的要求,而且能够完整准确地保持目标区域外边界的自身原貌和特点,以及内、外边界彼此独立,可独立成图用。由于这种算法在跟踪过程中充分考虑已知边界点对后续边界点的影响,使得边界点保持了良好的相关关系,可以根据实际应用的要求,在跟踪过程中直接实现边界的矢量化。     

外边界跟踪算法在医学断面图像的应用研究

在医学图像的三维重建、模式识别等应用中,常常需要保留感兴趣的物体区域,从而必须用外边界作为轮廓线,文章介绍一种在背景明确情况下的外边界跟踪方法,该方法无需进行二值化,是一种在医学断面方面通用性较强的算法。     

基于边界跟踪的区域面积计算

给出了一种基于边界跟踪的区域面积计算.根据图像边界跟踪时下一次和上一次跟踪方向,确定图像的左右边界.利用边界像素的横坐标进行加权求和计算,求得图像区域面积.与现有的面积计算方法相比,该算法只需跟踪边界一遍,即可获得区域面积,且算法不用借助链编码,具有速度快、计算量小、结果准确等优点.     

一种新的二值图像目标轮廓跟踪算法

提出了根据方向记忆和动态权值确定下一边界点的二值图像目标轮廓边界跟踪算法。首先搜索轮廓内边界予以标记,并以该标记作为指导,结合上一边界点位置对搜索方向动态赋予不同权值,综合分析后得到下一轮廓边界点。由于采用内外边界的对照搜索,可以较好地过滤图像二值化引起的边界噪声。对于不封闭曲线,本算法也可通过一次扫描得到其轮廓信息。实验表明,该算法在轮廓边界提取速度和准确度方面都有较以往跟踪算法更好的性能,在搜索智能化和处理复杂轮廓方面也有更好的表现。     

一种新的实时相关跟踪算法

相关法也可用于对动目标的跟踪。本文结合二值图象SSDA相关算法和多灰度图象SSDA相关算法,提出了一种二级相关检测算法,其特点是速度快、精度高、容易实时实现,可用于实时电视相关跟踪系统中。 1.引言 相关跟踪是用测量两幅图象之间的相关度的方法去计算目标的位置变化的,用先后     

基于八邻域边界跟踪的标号算法

文章提出了一种基于八邻域边界跟踪的物体标号算法,该算法与基于线扫描的标号算法相比,真正做到一次扫描完成标号,同时可以获得物体的边界点序列以及边界链码等重要数据。     

二值图象边界平滑跟踪的一个算法

开发了一个用于二值图象边界平滑跟踪的一个算法。使用这个算法能去掉或修正某些可能是虚假的干扰点。这些点是二值图象边界一个或一组沿特定链码方向的凸点或凹点。重复地使用这个算法，直到边界不含有这些点。这个算法能有效地使用在二值图象的模式识别与机器人视觉的预处理中。     

一种新的主动轮廓线跟踪算法

主动轮廓线模型,又称"蛇",由Kass等于1987年首次提出后在数字图像分析和计算机视觉等领域正在得到越来越广泛的应用.不过,现有的主动轮廓线搜索与跟踪算法存在许多问题.本文提出一种新的主动轮廓线跟踪算法--new_snake算法.它不但继承了已有算法的优点,而且克服了它们的主要缺点.它具有下列特点:算法快速收敛;控制点的数目自适应地改变,保证稳定跟踪;将硬强制力直接引入能量公式;可以方便地添加色彩信息约束;削弱了各参数的改变对算法的影响.大量实验验证了该算法的鲁棒性和实用性.     

一种区域边界显示的快速算法

由于在交互式的图像处理中,影响系统性能的主要是时间而非存储空间。虽然作为描述区域边界的常用方法——链码,能有效降低存储空间,本文仍然用最简单和最直接的方法——横向和纵向线段组来描述图像区域边界。并在分析横向和纵向线段组的规律性的基础上,给出了一种由图像区域同时生成其横向和纵向线段组的快速算法。     

光学图像中一种新的边界断点连接方法

针对光学元件表面划痕不连续而导致的划痕长度难以确定的问题,提出一种基于斜率控制的不连续划痕连接方法。该方法首先经预处理确定不连续划痕区域;然后寻找划痕断点,并从划痕本身特点出发限定断点间距和所连边界的曲率;最后以单像素形式对断续处进行连接,从而得到完整连续的划痕区域。经理论分析与实验验证,提出的方法能够明显避免边界变形,减小测量误差,具有良好的实用性。除光学图像外,该方法也可用于其他涉及到断点连接的图像中。     

一种新的AdaBoost视频跟踪算法

针对复杂场景中运动目标较难定位的问题,提出一种结合纹理和颜色特征的AdaBoost目标跟踪算法.首先在线训练一个弱分类器的集合区分目标和背景;然后,通过AdaBoost将集合中的各弱分类器组合成一个强分类器,用于标定下一帧中各像素的类别属性,并生成置信图;最后,在置信图中用Mean Shift算法定位目标的中心.实验结果表明,该算法在光照变化、目标自身发生形变和遮挡的情况下,能准确地对目标进行跟踪.     

一种新的外耳轮廓跟踪算法

针对人耳识别中因人耳与肤色部分颜色接近，时比不鲜明而导致的很难进行边缘检测的问题，该文提出了一种新的外耳轮廓跟踪算法。算法首先运用阈值分割和形状匹配的方法找到外耳轮廓顶点，并将外耳轮廓分为左右两部分。从顶点开始，通过四个方向的Prewitt算子和一个最佳方向模板首先确定外耳轮廓的基本走向，然后分别从左右两个方向进行轮廓跟踪，得到外耳轮廓。将该算法与其它算法进行比较实验，结果表明了该算法的有效性。     

基于图像边界跟踪的顶点矩阵算法

分析传统图像边界跟踪中存在的问题,根据Freeman链码跟踪方法提出一种改进的基于像素顶点矩阵的边界跟踪方法,定义图像的像素顶点矩阵,并利用像素顶点矩阵跟踪边界,制定边界跟踪的搜索规则,同时抽取边界的顶点链码,生成围线树结构,用像素顶点的链码值表示边界。实验结果表明,该算法优于一般的链码跟踪方法,具有广泛应用性。     

一种基于海陆边界跟踪的快速海陆分割方法

海陆分割是进行船舶检测、海岸线提取的基本前提之一。当前海陆分割方法需要对图像进行逐像素处理,因此计算量大。提出一种只需处理海陆边界区域图像的分割方法,用以快速准确地获取海陆边界。首先提取图像4个边缘的基于边缘信息的EBT纹理特征,获取海陆边界种子块。然后从该种子块出发,利用EBT纹理特征进行边界块跟踪,实现快速海陆分割。实验结果表明,所提方法具有较好的分割效果,与目前主流的分割方法比较,时间花费大幅减少。     

一种新的人手图像跟踪算法

手势识别在监控系统中的应用越来越广泛。而人手图像的跟踪则是手势识别的前提,也是很重要的步骤。针对目前摄像机的应用,提出了一种新的基于颜色和形状的人手图像跟踪算法。在检测阶段,它采用了基于色度的自适应阈值肤色分割和基于圆形度的人手图像检测方法。实际上这是一种图像分割手段,因为图像分为两部分,一部分为人手区域,另一部分为非人手区域。在跟踪阶段,利用SAD（Sumof Absolute Difference）的变换公式进行匹配,进而实现跟踪。实验结果表明,这种新的人手图像的跟踪算法简便,跟踪准确度较高,计算复杂度较低,可应用于大多数场景。     

一种新的人手图像跟踪算法

手势识别在监控系统中的应用越来越广泛。而人手图像的跟踪则是手势识别的前提,也是很重要的步骤。针对目前摄像机的应用,提出了一种新的基于颜色和形状的人手图像跟踪算法。在检测阶段,它采用了基于色度的自适应阈值肤色分割和基于圆形度的人手图像检测方法。实际上这是一种图像分割手段,因为图像分为两部分,一部分为人手区域,另一部分为非人手区域。在跟踪阶段,利用SAD（Sumof Absolute Difference）的变换公式进行匹配,进而实现跟踪。实验结果表明,这种新的人手图像的跟踪算法简便,跟踪准确度较高,计算复杂度较低,可应用于大多数场景。     

一种区域边界的识别和区域标记算法与应用

本文介绍了一种区域边界的识别算法和一种区域标记的算法,前者在有若干区域的多条边界相交及存在边界公用的情况下,通过直线生成的方法能寻找出每一个最小区域的完整的区域边界;后者则能在识别出区域边界的基础上进行区域的标记,把区域分割出来,这两个算法已用于电脑刺绣编程系统的图象预处理系统,效果良好。文中并通过实例说明了这两个算法的特点。     

一种新的视频流动态目标跟踪算法

为了提高视频图像序列动态目标跟踪过程的跟踪效率,在分析现有算法的基础上,提出了一种基于卡尔曼预测和协方差模块更新相结合的动态目标跟踪新算法.通过卡尔曼预测,可以得到图像序列中下一帧的动态有效区域,实现了对目标区域的实时跟踪;同时,目标协方差矩阵的更新用于目标匹配区域的预测,提高了整个跟踪算法的抗干扰性能和鲁棒性.实验结果表明,与现有的基于静态模板的协方差跟踪算法相比,该算法在实时跟踪性能方面具有更好的跟踪效率.该方法用于视频图像序列动态目标跟踪是可行的、有效的.