基于自适应多重欧氏距离变换的分水岭粘连颗粒分割方法

颗粒形状以及颗粒粘连程度是影响粘连颗粒分割效果的主要因素,现有粘连颗粒分割方法主要存在两方面不足:一些方法只能应对某一特定形状颗粒的分割问题;大多数方法不能根据颗粒粘连程度自适应地调整分割算法,当粘连程度较大时容易出现欠分割.针对上述问题,该文提出了一种不限定颗粒形状的自适应粘连颗粒图像分割方法,该方法根据颗粒粘连程度...     

利用欧氏距离变换Snake模型分割脊椎CT图像

在计算机虚拟脊椎矫正系统中,为模拟钢钉打入椎骨后相关脊椎骨产生位移和旋转,需要建立患者脊柱的三维模型。由于脊椎结构复杂,空间位置相互交错,造成了在靠近上下椎骨连接区域的CT图像中既有当前椎骨的图像,还有相邻其它椎骨的部分骨组织图像的状态,用传统的分割方法很难从脊柱的CT序列图像中分割出单个的椎骨。在传统Snake模型算法基础上,通过引进一种新的能量表达方法,改善了传统算法对具有复杂凹形轮廓物体分割效果差的缺点,在脊椎CT图像分割中取得了良好的效果。     

基于欧氏距离变换的肺实质修补

在胸部CT图像的肺实质提取过程中,往往存在诸如过分割等问题,因此有必要对分割出的肺实质图像进行修补,论文提出了一种基于欧氏距离变换的肺实质修补算法.该算法是在初提取肺实质之后,利用欧氏距离变换将肺部边缘的血管和肺结节恢复,从而得到包含病灶区域在内的完整的肺实质.采用该算法对45个病人的胸部CT图像中缺失的肺实质进行了修补,结果显示该算法的正确率达90％以上,证明了该方法的可靠性和有效性.     

三维欧氏距离变换快速算法

为了提高三维距离变换在实际应用中的计算效率,提出一种三维快速距离变换算法.首先将三维图像降维为多张二维图像,为每张二维图像设置2个标记数组,并根据标记数组运用围线扫描方法依次计算出每一像素在二维图像上的距离变换;然后依据二维结果计算出所有像素在三维图像中的距离变换.实验结果表明,文中算法实现简单,比已有的边界剥离算法及基于Voronoi图的算法在时间和空间消耗上均有较大的提高,有更好的实用性.     

病理性肺部粘连肿瘤分割

病理性肺部粘连肿瘤的分割是放射治疗靶区界定的关键。本文利用CT序列图像分割出完整肺区中的肿瘤边界信息,然后应用这些信息对其相邻CT图片中粘连肿瘤作进一步分割。使用重叠率和边界位置评价方法,对分割结果与放射科医生手工勾画的边界作了比较。结果说明该方法是可行的。     

基于分水岭变换的粘连颗粒图像分割方法

提出了一种基于分水岭变换的粘连颗粒图像分割方法. 首先对图像进行预处理,进行二值化;然后通过距离变换和灰度形态重构得到每个目标的种子区域（目标标记）;再根据目标标记使用强制最小技术修正距离变换图;最后,对修正后的距离变换图进行分水岭变换,得到分割结果. 在Matlab环境下进行实验,结果表明该算法效果良好,能有效的抑制过分割.     

粘连对象剥离中基于距离变换的种子点优化算法

粘连对象剥离中利用距离函数法求种子点时,在部分对象的核区存在不连续的冗余种子点使分水岭分割出现过分割问题。本文研究、总结了三条冗余种子点特征,并依此提出一个利用填充算法的种子点优化算法。实验证明此算法在保证粘连颗粒正确剥离的基础上,有效改善了过分割问题,而且算法时间没有增加很多。     

一种新的完全欧氏距离变换算法

论文提出了一种基于边界剥离的二维完全欧氏距离变换算法。该算法从物体目标的最外层边界开始,自外向内、逐层对物体目标区域进行边界跟踪、剥离。在跟踪过程中,根据当前边界像素点的已获得距离变换结果或为背景的邻域像素信息,计算其与最近背景像素间的欧氏距离,从而实现距离变换。和已有算法相比,文中算法具有简单快速、容易实现,得到的是完全欧氏距离的优点,在分离粘连物体的应用中,取得了良好分离效果。     

基于围线追踪的完全欧氏距离变换算法

本文以吴立德等１９９６年中文提出了基于边过程的围线追踪算出发点，设计并实现了一个在二值图像中进行完全欧氏距离变换的算法，算法首先求出二值图像的围线，然后沿围线从近向远扩展计算欧氏距离，算法能够计算精确的欧氏距离，对算法的时间和空间需求进行了简要的分析，讨论了算法的一些有关性质，并给出了实现程序运行中得到的一些实验数据，结果表明算法在多数情况下能够运行快，占用内存少，有较好的自适应性，因此有较好的实     

基于边界跟踪的快速欧氏距离变换算法

提出了一种基于边界跟踪、剥离的快速二维欧氏距离变换算法.从目标区域的最外层边界开始,自外向内、逐层对目标区域进行边界跟踪、剥离,直至目标区域为空.每跟踪到一个边界像素点,即根据其邻域像素所传递的最短距离信息来计算与最近背景像素间的欧氏距离,并利用一个链表结构来完成对已经过距离变换的像素点的距离更新,以解决距离传递的路径可能改变的问题.实验结果表明,该算法能够得到准确的欧氏距离,并且算法时间不到3×3倒角近似欧氏距离变换算法的2倍,比基于桶排序的欧氏距离变换算法快几十至上千倍.     

Anti-aliased Euclidean distance transform

We present a modified distance measure for use with distance transforms of anti-aliased, area sampled grayscale images of arbitrary binary contours. The modified measure can be used in any vector-propagation Euclidean distance transform. Our test implementation in the traditional SSED8 algorithm shows a considerable improvement in accuracy and homogeneity of the distance field compared to a traditional binary image transform. At the expense of a 10× slowdown for a particular image resolution, we achieve an accuracy comparable to a binary transform on a supersampled image with 16 × 16 higher resolution, which would require 256 times more computations and memory.     

3D block-based medial axis transform and chessboard distance transform based on dominance

Traditionally, the block-based medial axis transform (BB-MAT) and the chessboard distance transform (CDT) were usually viewed as two completely different image computation problems, especially for three dimensional (3D) space. In fact, there exist some equivalent properties between them. The relationship between both of them is first derived and proved in this paper. One of the significant properties is that CDT for 3D binary image V is equal to BB-MAT for image V' where it denotes the inverse image of V. In a parallel algorithm, a cost is defined as the product of the time complexity and the number of processors used. The main contribution of this work is to reduce the costs of 3D BB-MAT and 3D CDT problems proposed by Wang [65]. Based on the reverse-dominance technique which is redefined from dominance concept, we achieve the computation of the 3D CDT problem by implementing the 3D BB-MAT algorithm first. For a 3D binary image of size N³, our parallel algorithm can be run in O(logN) time using N³ processors on the concurrent read exclusive write (CREW) parallel random access machine (PRAM) model to solve both 3D BB-MAT and 3D CDT problems, respectively. The presented results for the cost are reduced in comparison with those of Wang's. To the best of our knowledge, this work is the lowest costs for the 3D BB-MAT and 3D CDT algorithms known. In parallel algorithms, the running time can be divided into computation time and communication time. The experimental results of the running, communication and computation times for the different problem sizes are implemented in an HP Superdome with SMP/CC-NUMA (symmetric multiprocessor/cache coherent non-uniform memory access) architecture. We conclude that the parallel computer (i.e., SMP/CC-NUMA architecture or cluster system) is more suitable for solving problems with a large amount of input size.     

基于核的图像欧氏距离人脸识别

引进了两幅图像之间的一种新的距离度量方法——图像欧氏距离,该距离是利用核函数对传统的欧氏距离进行改进而得到的。在此基础上,设计了一种新的分类识别方法——基于核的图像欧氏距离人脸识别方法,并应用于人脸识别中。为验证该算法的可行性,对人脸图像进行DCT变换得到预处理样本,并在ORL和Yale人脸库上进行多角度的比较实验。分析实验结果表明,该方法优于其它距离分类器算法。     

基于欧氏距离图的图像边缘检测

图像边缘检测技术直接影响以目标识别为目的的后续图像处理操作,有效地提取出图像中所携带的目标信息是图像边缘检测的主要目的.为了实现目标轮廓的有效提取,提出一种基于欧氏距离图的图像边缘检测算法.该方法计算图像内像素点之间的欧氏距离,得到图像的距离图,距离图很好地描述了图中景物的外部轮廓;对距离图进行改进的Canny算子边缘检测,可以有效地得到图中物体的轮廓.与一般的边缘检测算法相比,本文算法能够抑制过于细小和琐碎的细节,并能够准确地提取目标的整体轮廓信息,为后续目标识别奠定了良好基础.     

基于欧氏距离的交通警告标志识别方法研究

提出了一种对含字符的交通警告标志进行检测和识别的方法。根据交通标志颜色的分布范围,以颜色分量为基础进行阈值分割,将图像中大部分不满足颜色要求的区域去掉,借助连通域标记、形状因子来进行交通标志的定位。将定位后的交通标志,通过预处理、字符的旋转矫正和分割,得到人眼可以识别的字符。通过欧氏距离匹配法进行字符的计算机识别,最终可使计算机识别率达到75%左右。     

The “dead reckoning” signed distance transform

Consider a binary image containing one or more objects. A signed distance transform assigns to each pixel (voxel, etc.), both inside and outside of any objects, the minimum distance from that pixel to the nearest pixel on the border of an object. By convention, the sign of the assigned distance value indicates whether or not the point is within some object (positive) or outside of all objects (negative). Over the years, many different algorithms have been proposed to calculate the distance transform of an image. These algorithms often trade accuracy for efficiency, exhibit varying degrees of conceptual complexity, and some require parallel processors. One algorithm in particular, the Chamfer distance [J. ACM 15 (1968) 600, Comput. Vis. Graph. Image Process. 34 (1986) 344], has been analyzed for accuracy, is relatively efficient, requires no special computing hardware, and is conceptually straightforward. It is understandably, therefore, quite popular and widely used. We present a straightforward modification to the Chamfer distance transform algorithm that allows it to produce more accurate results without increasing the window size. We call this new algorithm Dead Reckoning as it is loosely based on the concept of continual measurements and course correction that was employed by ocean going vessel navigation in the past. We compare Dead Reckoning with a wide variety of other distance transform algorithms based on the Chamfer distance algorithm for both accuracy and speed, and demonstrate that Dead Reckoning produces more accurate results with comparable efficiency.     

图像欧氏距离在人脸识别中的应用研究

图像欧氏距离可以嵌入到许多传统的图像分类识别算法中,该嵌入是通过对原始图像的线性变换来实现的,给出了一种基于数据场的图像线性变换方法,将其应用到图像欧氏距离中.实验结果表明,基于数据场的线性变换方法是一种可行的图像线性变换方法,该方法可以完成大尺度图像的线性变换,方便地将图像欧氏距离嵌入到传统人脸识别算法中.     

基于欧氏距离的人脸检测窗口合并方法

为了解决人脸检测过程中同一人脸在不同尺度下检测结果的位置和大小不能完全重合的问题,对基于统计训练的人脸检测窗口的合并方法进行了研究,提出了一种基于欧氏距离的人脸检测窗口合并方法,在人脸检测结果不存在误检和漏检的情况下,根据人脸检测窗口中心坐标的分布特征,利用判定圆以及欧氏距离实现了人脸重复检测窗口的合并。分别针对不同情况的图片对方法进行了验证实验,实验结果表明该方法简单有效     

一种改进的基于欧氏距离的SDRSMOTE算法

SMOTE算法可以扩充少数类样本,提高不平衡数据集中少数类的分类能力,但是它在扩充少数类样本时对于边界样本的选择以及随机数的取值具有盲目性。针对此问题,将传统的SMOTE过采样算法进行改进,改进后的过采样算法定义为SDRSMOTE,该算法综合考虑不平衡数据集中全部样本的分布状况,通过融合支持度sd和影响因素posFac来指导少数类样本的合成。在WEKA平台上分别使用SMOTE、SDRSMOTE算法对所选用的6个不平衡数据集进行过采样数据预处理,然后使用决策树、AdaBoost、Bagging和朴素贝叶斯分类器对预处理后的数据集进行预测,选择F-value、G-mean和AUC作为分类性能的评价指标,实验表明SDRSMOTE算法预处理的不平衡数据集的分类效果更好,证明了该算法的有效性。     

基于欧氏距离的实时直线检测算法

提出一种新的直线检测算法。与已有算法不同,该算法并非通过坐标系的转换,而是基于将离散曲线各点前后k个点对间欧氏距离平方和定义为该点的直线度,并推导出直线段上除首尾有限个点外其余各点直线度最大这一性质。利用该性质,该算法首先运用Freeman链码的性质选择出物体边界上明显属于直线的像素,然后在剩余的边界点中通过计算并寻找连续直线度最大的点而定位出直线。实验结果表明,该算法具有较高的稳定性、实时性和准确性。