一种新的轮廓提取方法及其在MR-CT配准中的应用

提出一种新的轮廓提取算法,并将这种算法应用到刚体配准.这种新的轮廓提取算法通过属性的大小自动获得属性算法中的属性阚值及其对应的灰度阚值,对灰度阙值对应的层集进行属性运算后再应用梯度算子得到轮廓.该算法具有强抗噪性而且轮廓边缘保持完好.本文还提出该算法的性质并证明.这种算法提取的脑MR-CT图像的轮廓非常相似,即将多模态配准转化为单模态配准.实验证明配准精度大大提高.     

基于微粒群算法的灰度图像阈值分割的改进

为了充分利用灰度图像的灰度信息和空间信息,提高分割精确度和最优阈值的求解速度,提出一种基于微粒群算法的阈值分割方法--PSO-SDAIVE算法.该算法对传统的二维直方图进行改进,生成差值属性灰度直方图,同时对灰度均值和二维熵的计算进行改进,生成空间差值属性信息值熵(SDAIVE),最后用微粒群算法搜索SDAIVE的最大值.在实验中,对头部CT图像进行分割,实验结果表明,这种分割方法能精确地获得分割阈值,并有很好的抗噪声能力,节省计算时间.     

基于红外视频数字图像的动态目标检测技术研究

在分析红外数字视频图像信息特征的基础上,提出了一种改进的Ostu's最大类间方差求阈值的方法,即灰度分段的最大类间方差求取阈值法.通过该方法极大地提高了阈值求取速度,以二值数学形态学算法为基础设计了一个轮廓提取算子,运用该算子对二值图像中的目标进行轮廓提取可实现目标轮廓的完整提取.在轮廓提取的基础上,利用图像轮廓跟踪的方法对目标的特征参数进行提取,同时形成一个波门实现对动态目标的检测.在某系统预研中,设计了一个DSP数字图像处理系统,实验结果表明了该检测方法的可行性和实用性.     

一种移动人体轮廓的两步提取法

移动人体轮廓提取算法作为移动人体跟踪的基础,在交通监控、客流量统计、运动分析、虚拟现实等领域都有很高的实用价值.本文根据灰度图像的背景分布与Sohel算子,提出一种结合自适应灰度阈值分割与人体梯度信息判定的两步移动人体轮廓提取算法.实验表明,该算法具有很强的实用性与鲁棒性.     

属性形态运算及其在心脏图像分割中的应用

图像分割在心室容积计算中起着建开闭,因为它们都是连通成分的变换.然而,属性形态开闭运算更具普遍性,它们描述更一般化的形状特征并且没有形状改变,它们只测试连通成分是否满足某种递增准则,满足的保留,否则移除.将属性形态运算与梯度算子结合,就构成一种强抗噪性的分割方法.将这些运算应用到有噪声的心脏图像的分割,不仅将噪声去除,而且图像的边缘保留完好,取得满意的效果.     

基于粗糙集和属性直方图的医学图像增强

医学图像信息存在着复杂性,在处理中的各个不同层次可能出现不完整性和不确定性。利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图,将它用于子图划分。在此基础上本文提出了一种基于粗糙集和属性直方图的医学图像增强方法。利用属性直方图的Otsu算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对噪声点用中值滤波进行滤除,去噪后的背景子图和目标子图进行增强变换,合并得到增强图像。以胸部CT图像中的肺组织为目标区域,进行大量的实验,结果表明该方法明显增强了图像且不损害图像的边缘。     

刀具轮廓亚像素精度阈值分割算法研究

摘 要：提取亚像素精度边缘轮廓是完成刀具几何参数精确测量的重要环节。该文研究了一种简单有效的方法,该算法基于灰度阈值分割定位像素级边缘,并经双线性插值法细分完成亚像素边缘轮廓的提取。最后设计实验对比分析了该算法以及基于Canny和Sobel算子的亚像素边缘检测算法所提取轮廓的特点。结果表明在准确的前提下,对高对比度图像应用该算法后,能比后两者更快速地完成边缘轮廓提取。     

基于三维指数灰度熵的快速图像分割算法

针对现有阈值分割法通常只考虑图像直方图的统计信息,而忽略了图像目标和背景类内灰度分布的均匀性,提出指数灰度熵分割算法,并推广得到三维指数灰度熵分割算法。给出了一维指数灰度熵阈值法及三维指数灰度熵阈值法的原理,在三维直方图上,将降维处理和优化搜索策略相结合,得到最优分割阈值。理论证明,阈值搜索复杂度由原来的[O(L3)]降至[O(L12)]。实验结果表明,与现有的多种阈值法相比,所提算法抗噪性能更强、分割效果更优,且运算时间大为减少。     

基于粒子群优化算法的最佳熵阈值图像分割

研究图像的空间信息和灰度的信息图像分割,从中提取感兴趣的目标.针对传统阈值算法虽然考虑了图像的空间信息,但是由于解空间维数增加,搜索范围增大,导致了计算时间延长,求解最优阈值的速度较低,同时传统二维熵的计算中只考虑了像素的概率,忽略了灰度的概率,导致分割不准确.为了充分利用灰度图像的灰度信息和空间信息,提高分割精确度和最优阈值的求解速度,提出一种基于粒子群算法的阈值分割方法(PSO-SDAIVE算法).算法对传统的二维直方图进行改进,生成差值属性灰度直方图,同时对灰度均值和二维熵的计算进行改进,生成空间差值属性信息值熵(SDAIVE),最后用粒子群算法来搜索SDAIVE的最大值.对头部CT图像进行分割进行了仿真,实验结果表明,能够对图像进行准确的分割,而且运行时间明显较短,证明粒子群优化的图像分割算法是可行和有效的.     

暗环境中规则障碍物检测方法研究

文章针对暗环境中激光探测障碍物的准确定位问题,根据图像灰度特征提出一种灰度直方图统计阈值适应算法.首先对投射激光的图像做灰度直方图统计绘制,通过对直方图进行平滑和多项式拟合求导,筛选最大值对应的灰度;然后将最大值灰度与次最大值灰度的差值作为二值化阈值,次最大值灰度需满足小于最大值条件,得到二值化后的图像;最后通过对二值化图像进行形态学操作和轮廓检测与阈值筛选.通过实验表明该方法能够检测出激光投射下不同位置和不同大小的规则形状的障碍物的位置并测出其高度与距离.