显微图象中目标对象的识别

研究了显微图象中目标对象的识别问题。首先比较了显微图象和宏观图象之间的区别,总结了大部分显微图象具有的一般特征,讨论了宏观图象处理方法用于显微图象时存在的缺陷。然后提出了一种目标对象识别的新方法,该方法利用最优颜色通道识别显微图象中的目标对象,动态地调节识别阈值,减少了误识别象素的数量。对残存的误识别象素和脏点象素采用面积滤波的方式去除,进一步提高识别的效果。该文通过实验,识别了几种显微图象中的目标对象,实验发现,使用这一方法不仅能够提取背景中的目标对象,还可以大量减少误识别象素和脏点象素,说明该方法用于显微图象中目标对象的识别具有一定的优点。     

基于正交小波变换的多尺度边缘提取

基于正交二进小波，设计了一个滤波器对图象进行多尺度滤波，得到不同尺度的小波变换。在每种尺度下分别提取图象边缘，而后综合形成图象真正的边缘。该方法不仅能有效地抑制噪声，得到单象素宽、精确的边缘信息，而且能依据边缘的奇异度区分不同的边缘     

一种提取图象细节边缘的新方法

边缘是图象的基本特征，边缘信息是进行图象分析和识别的重要属性，但由于常用的边缘提取方法在提取边缘的同时，容易丢失图象的细节边缘信息，为此提出了一种基于灰度形态学和图象分解技术相结合的图象细节边缘提取方法，该方法首先运用灰度形态学方法检测出包含图象细节的边缘图象并去除部分背景和噪声，然后进行区域分解，再通过对不同的区域选取不同的阈值来保证边缘提取的完整性．仿真结果表明，与传统方法相比，该方法能有效地提取一般图象的细节边缘，甚至能提取被噪声污染图象的边缘．     

基于图象方向性信息测度的图象象素分类

针对以往象象图处理方法缺乏通用性的问题,提出了一种新的基于图象方向性信息测度的图象素数分方法,即利用不同类型的图象象素的方向性信息测度,以及方向性信息测试随观观察尺度变化时的改变不同,来将图象象素分成边缘点,平滑点和纹理点以及用于图象分析,该方法不仅可用于任意图象的前期分析,而且具有良好的抗噪能力,实验证明,该方法具有令人满意的效果。     

基于计算机视觉的板类零件曲面测量系统

利用计算机视觉原理，建立了板类零件曲面测量系统，该系统首先根据人眼感知事物原理，采用神经网络来拟合图像坐标与空间坐标的映射关系；然后以光栅投影条纹为特征，用小波变换提取条纹边缘，在此基础上，提出搜索式无监督聚类方法，使带状离散边缘点按边缘实际分布情况分为不同组群，并将各组边缘点分别拟合成连续B样条曲线，同时结合视觉几何不变性，实现了亚象素级的立体精匹配；接着，运用小波分解来讲接图象，融合数据，并由图象坐标与空间坐标的映射关系，求解曲面上点的空间坐标，测量精度可控制在0．5mm/m以内。     

一种新的实时彩色目标分割方法

为实现对视频序列图象中彩色目标的识别与跟踪,提出了一种鲁棒的实时分割方法。它分为象素分类与区域特征提取两过程。在象素分类阶段,把每一个目标象素建模成一个二维高斯模型,定义相应的决策函数,将图象中所有象素点分类成为目标和背景,同时对高斯模型的参数进行在线动态修改,使之对变化的光照条件所引起的彩色畸变具有自适应性。在区域特征提取阶段,对象素分类所形成的二值图象实现行程编码,产生行程编码映射图,在此基础上,采用一种基于树的区域搜索算法计算出区域特征量。文中提出的方法已成功地应用于足球机器人视觉子系统中,取得了良好的效果。     

DCT域图像边缘的快速提取

压缩域的图像分析处理技术已成为多媒体研究领域的一个热点。文中给出了DCT压缩域图像边缘的快速检测方法。该方法直接利用DCT非零系数计算图像边缘点,不需要完全解压缩,与传统象素域边缘检测方法相比,大大降低了计算复杂度,并且能根据需要提取不同精度的边缘图像。该方法在远程目标识别或基于边缘的Web图像检索等方面将能满足一定的实时性要求,具有较好的实用价值。针对JPEG图像,给出了边缘提取的实验结果,并与传统的象素域边缘检测方法进行了比较。     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。     

扫描图象的圆弧的定位识别算法

提出对扫描图象圆弧的定位算法。该算法分为两步：第一步对图象进行条块化,条块化就是把原图象的黑象素依据一定的条件合并若干个块;第二步就是在第一步的条件化基础上,提取候选圆弧链,进而对圆弧圆心,半径,弧的起始点和终止点进行准确定位。实验对圆弧的识别处理。     

基于能量累积与顺序形态滤波的经外小目标检测

针对红外序列图象中弱小目标的检测问题，提出了基于能量累积与顺序形态滤波的小目标检测方法，该方法通过设置一定大小的滑动窗口，对窗口内的图象序列进行能量累积，以达到去除图象中的随机噪声和提高目标的信噪比的目的，其目标检测采用由粗到精3个步骤，即首先利用顺序形态滤波抑制背景，并通过提取目标广义边缘来实现目标的粗定位，然后对可能存在目标的区域进行分割，通过提取目标几何特征来完成精确定位；最后利用序列图象中目标运动的连续性和轨迹的一致性来筛选出真正的目标，实验结果表明，该方法能有效地抑制背景和能提取目标广义边缘，并能通过自适应地选择分割门限来完成红外小目标的定位和检测。     

灰阶边缘的细化

本文提出了一种改进了的灰阶图象Sobel边缘细化新方法,通过对灰阶边缘图多次Sobel边缘细化结果的叠加使边缘点的数值拔高、变陡,再通过灰阶边缘图中各3x3邻域内取数值最大的三个点作边缘,得到单点宽的边缘-其中后者也适用于其它边缘检测算子.此方法处理简单、效果明显,为从图象中提取模糊边缘和微弱边缘、提高定位精度,提供了一种有效的手段.     

Accurate object contour tracking based on boundary edge selection

In this paper, a novel method for accurate subject tracking, by selecting only tracked subject boundary edges in a video stream with a changing background and moving camera, is proposed. This boundary edge selection is achieved in two steps: (1) removing background edges using edge motion, and from the output of the previous step, (2) selecting boundary edges using a normal direction derivative of the tracked contour. Accurate tracking is based on reduction of the effects of irrelevant edges, by only selecting boundary edge pixels. In order to remove background edges using edge motion, the tracked subject motion is computed and edge motions and edges having different motion directions from the subjects are removed. In selecting boundary edges using the normal contour direction, the image gradient values on every edge pixel are computed, and edge pixels with large gradient values are selected. Multi-level Canny edge maps are used to obtain proper details of a scene. Multi-level edge maps allow tracking, even though the tracked object boundary has complex edges, since the detail level of an edge map for the scene can be adjusted. A process of final routing is deployed in order to obtain a detailed contour. The computed contour is improved by checking against a strong Canny edge map and hiring strong Canny edge pixels around the computed contour using Dijkstra's minimum cost routing. The experimental results demonstrate that the proposed tracking approach is robust enough to handle a complex-textured scene in a mobile camera environment.     

An effective edge-preserving smoothing method for image manipulation

This paper presents a novel and effective edge-preserving image smoothing method for edge-aware image manipulation. The method formulates the smoothing as a problem of minimizing a convex object function with a constraint and an efficient solution to the optimization problem is presented. Specifically, the method provides an unified framework to regularize the edge and texture pixels in the optimization so that geometric edges representing image structures can be well retained and fine edges of texture regions are removed or suppressed. Both qualitative and quantitative experimental results on natural images and computer-generated structured images have shown the efficacy of the proposed method. In addition, the proposed method can improve the performance of many image processing and manipulation tasks including edge extraction and simplification, non-photorealistic rendering, detail and contrast exaggeration, HDR tone mapping, block-based discrete cosine transform (BDCT) artifact removal and content-aware image resizing, as demonstrated through the experiments.     

基于灰色系统理论的图象边缘检测新算法

边缘检测是图象特征提取与分析理解的基础,其检测质量直接决定后期理解的效果.寻找一种对噪声不敏感、定位精确、不漏检真边缘又不引入假边缘的检测方法,一直是人们的努力目标.本文尝试与探讨了基于灰色系统理论的图象边缘检测新算法.该算法首先对图象基元的特点进行分析,以确定非边缘点参考序列和待比较序列,然后通过两个序列之间的灰色关联度区分边缘点和非边缘点.实验结果证明,该算法不仅能够较为准确地检测出有用的边缘信息,具有一定的抗噪声能力,而且还可通过调整关联度阈值控制边缘信息量,因此其是一种有效的、具有可调功能的边缘检测新算法.     

基于细菌觅食与改进Otsu算法的自适应阈值边缘提取

针对Canny算子在阈值偏高或偏低的情况下会产生边缘丢失或伪边缘的缺陷,提出了一种基于细菌觅食算法与改进最大类间方差法（Otsu算法）相结合的自适应阈值Canny算子。根据图像的梯度幅值直方图将像素点进行分类,并基于改进的Otsu算法定义描述类间方差的适应度函数,通过细菌觅食算法自动获取使适应度函数最优的高低阈值。实验结果表明,该方法在目标边缘提取的准确性上优于传统算法。     

Edge-region-based segmentation of range images

In this correspondence, we present a new computationally efficient three-dimensional (3-D) object segmentation technique. The technique is based on the detection of edges in the image. The edges can be classified as belonging to one of the three categories: fold edges, semistep edges (defined here), and secondary edges. The 3-D image is sliced to create equidepth contours (EDCs). Three types of critical points are extracted from the EDCs. A subset of the edge pixels is extracted first using these critical points. The edges are grown from these pixels through the application of some masks proposed in this correspondence. The constraints of the masks can be adjusted depending on the noise present in the image. The total computational effort is small since the masks are applied only over a small neighborhood of critical points (edge regions). Furthermore, the algorithm can be implemented in parallel, as edge growing from different regions can be carried out independently of each other     

利用格式塔的高分辨率遥感影像建筑物提取

目的 格式塔心理学的理论基础为通过对事物的部分感知,实现对事物整体的认识。本文将该思想应用到建筑物提取中,提出一种兼顾目标细节及整体几何特征的高分辨率遥感影像建筑物提取方法。方法 首先,利用SIFT算法提取特征点作为候选边缘点;然后定义格式塔序列连续性原则判别边缘点,从而得到边缘点点集;并由边缘点点集拟合边缘,实现遥感影像建筑物提取。结果 利用提出算法,对WorldView-2遥感影像进行建筑物提取实验。通过与基于多尺度分割和区域合并的建筑物提取算法对比可以看出,提出算法能够更加准确、完整地提取出建筑物。采用分支因子、遗漏因子、检测率和完整性4个定量化指标对实验结果的定量评价,本文算法的检测率和完整性均大于对比算法,且本文算法的检测率均在95%以上,验证了提出基于格式塔理论的高分辨率遥感影像建筑物提取算法的有效性和准确性。结论 基于格式塔的高分辨率遥感影像建筑物提取算法能够准确刻画建筑物细节特征,同时兼顾建筑物整体几何轮廓,准确提取高分辨率遥感影像中的建筑物。本文算法针对高分辨率遥感影像,适用于提取边缘具有直线特征的建筑物。使用本文算法进行遥感影像建筑物提取时,提取精度会随分辨率降低而降低,建议实验影像分辨率在5 m以上。     

新颖的物体轮廓提取：基于双边滤波的多级边缘检测*

提出了一种新颖的物体轮廓提取方法,即通过多级边缘检测来提取物体的主要边界。双边滤波器用来建立多级,同时Canny边缘算子相应地产生边缘图,组合边缘图构造出一幅多级图。次段被定义为边缘像素的连接结构,提取并连接这些次段可以构成闭合轮廓。最终图像中最相关的闭合轮廓被判定为真实的物体轮廓。实验结果表明,该物体轮廓提取方法具有较高的可靠性并且受噪声影响较小。     

基于生物视觉特征的目标轮廓提取算法

自然场景中的目标轮廓提取是计算机视觉中的一个重要研究问题。其难点在于场景中大量的纹理边缘严重地干扰了轮廓提取的完整性。近年来,一些研究工作将生物视觉特征引入图像边缘轮廓提取,取得了一定的效果。其中通过引入视觉外区抑制特征可以在提取物体轮廓边缘的同时抑制一定量的纹理边缘,从而得到轮廓边缘集合。然而在整合轮廓边缘时,传统模型仅仅采用求交并集的简单合并方法,使得强响应的细小纹理残留。基于此,提出了一种改进的基于生物视觉特征的自然场景目标轮廓提取算法。首先采用多水平抑制方法得到候选轮廓边缘集合。接着将一种基于生物视觉特征的边缘组合方法用于将候选边缘整合成为一个完整的目标轮廓。与传统的外区抑制算法相比,基于视觉特征的轮廓提取算法提高了自然场景中目标轮廓提取的准确性和完整性。