一种基于Reeb图的3维肢体分割算法

人体行为分析与识别已经成为计算机视觉领域的一个热点问题,3维肢体分割在行为分析与识别中具有很重要的作用。这里提出了一种基于Reeb图的三维肢体分割的算法。对重构好的三维人体模型进行Reeb图提取,然后根据Reeb图节点的连接关系计算节点的度,关键节点定义为度非2的节点,再根据关键节点对Reeb骨架图进行分割,最后计算重构模型上点与Reeb骨架图的对应关系,反映射完成对人体模型的3维肢体分割。     

灰度图象的最大最小优化熵阀值分割

最大熵阀值法是最常用的利用图象灰度直方图的阀值化方法之一，它是基于分割后物体与北京分布的信息熵为最大的优化准则来自动选择分割阀值，本文给出了另一种优化熵准则－最大最小优化熵准则来自动选择图象分割的阀值。实验结果表明，当物休与背景的灰度分布呈现正态分布时，本文的优化熵阀值比最大熵阀值具有更好的分割性能。     

采用热核特征的SAR图像目标识别

为了解决SAR图像受相干斑噪声干扰和震后发生形变而识别率偏低的问题,提出了一种新的仿射、形变不变特征-热核特征,并将该特征用于SAR图像目标识别.首先采用推广的核模糊C-均值方法分割SAR图像,提取SAR图像目标形状;接着对目标形状进行Delaunay三角剖分,采用余切权重法对Laplace-Beltrami Operator离散化,通过离散化Laplace-Beltrami Operator特征值、特征向量求每一点热核特征;然后采用谱距离公式对点点间热核距离计算,转化为距离分布表示目标形状的热核特征;最后采用L1相似性准则对图像进行相似性度量,得到识别结果.实验表明:与经典的Hu不变矩方法相比,对于仿射变换和发生形变的SAR图像,该方法都具有更高的识别率.因此,基于热核特征的SAR图像识别方法是一种更加有效的识别方法.     

机器视觉中几种颜色优势的图像分割算法比较与研究

为了获得实用、可靠的植物识别方法,必须在识别植物过程中进行图像分割。本文针对具有明显颜色优势的图像,采用Otsu阀值算法及边缘检测分割算法,对图像进行处理,并对其结果进行对比分析和优劣比较。得出结论:对具有明显颜色优势的图像,采用边缘检测分割算法的应用效果较好;对比边缘检测算法中常用的Prewitt算子、Roberts算子和Sobel算子的输出效果,认为Sobel算子不仅能输出较为理想的效果,同时还可大幅度减少运算时间。     

三维模型分割的研究及其在人体测量中的应用

符合人类认知的三维网格模型自动分割结果可应用于许多领域研究,准确的分割也更有利于三维测量.针对现有三维网格分割结果不稳定、易受形状、姿态干扰等问题,本文采用一种基于相互可见性和表面偏移的形状直径函数来改善三维模型自动分割的结果.首先,输入网格模型,利用谱方法进行过分割;其次,基于相互可见性迭代,合并过分割块;最后,利用...     

一种PCB板元器件图像的分割方法

传统的OTSU阀值方法,能够有效检测出灰度图中谷底且双峰均明显的图像,但对于双峰明显,谷底不明显的灰度图像,OTSU阀值方法容易误判目标或者背景,不能明显地将目标与背景分隔开。针对PCB板元器件缺漏这一具体问题,提出了在背光环境下对获取到的PCB板图像,结合RGB色彩特征用OTSU阀值方法进行分割,结果优于传统的OTSU阀值方法。     

基于红外图像的高压绝缘子串自动定位方法

绝缘子串自动定位是实现劣化绝缘子红外智能检测的重要前提。针对红外图像背景复杂的特点,提出了基于灰度阀值分割和Hough变换的自动定位方法。首先采用基于Otsu阀值的灰度拉伸法对图像增强,利用灰度图像的开运算对图像去噪,然后采用灰度Otsu阀值法对图像进行阀值分割,图像二值化后,用最大连通区域过滤法提取绝缘子串区域,最后利用Hough变换进行倾斜度校正,完成绝缘子串的最终定位。试验结果表明:提出的分割方法可以快速完整地将目标提取出来。提出的定位方法可以完成复杂背景下绝缘子串的自动精确定位,为实现劣化绝缘子红外智能检测奠定基础。     

基于GrabCut的三维医学图像分割

为了解决三维医学分割中手动分割操作复杂,效率低和传统分割方法速度慢,用户交互多,效果不理想等问题,将传统GrabCut算法进行了改进.首先,通过将二维的GrabCut算法扩展到三维,减少了三维分割的交互过程,提高了三维分割的效率;其次,将三维分割的矩形框交互改进为多边形交互,提高了交互的精度,改善了分割后的结果.通过对两组数据的分割结果对比表明,改进后的算法相对于置信连接算法不仅交互简单、速度快,而且分割效果有了很大的改善.最后,通过不同用户对同一组数据的分割结果对比,证明改进后的三维GrabCut算法稳定性高、速度快,能很好地完成三维医学图像的分割.     

基于三维图像分析的服装设计合理性仿真

为了实现企业的大规模量体定制的服装生产,提升企业经济效益,进行了基于三维图像分析的服装设计合理性仿真。采用Marching Cubes方法重建三维人体表面模型,基于弹簧-质点模型完成布料虚拟仿真,采用基于正则栅格法的四边域网格剖分算法实现二维衣片到三维柔性曲面的变换。给出了三维虚拟服装的缝合过程,并塑造人体模型的OBB树进行虚拟服装同人体模型间的碰撞检测,并在碰撞过程中及时解决响应问题,最终实现三维服装虚拟试穿,完成服装设计合理性的准确分析。实验结果证明所提方法可对不同类型服装设计合理性进行准确预测。     

关键参数对激光等离子体热核与激波相互作用过程的影响规律

针对激光减阻中激光等离子体热核与正激波相互作用物理现象,运用高精度纹影测量技术研究分析了激光等离子体热核在正激波冲击下的流动结构特性,获得了激光能量与激波速度两个关键因素的影响规律。实验结果表明:在正激波的冲击下,热核宽度呈先上升然后稳定并有减小的趋势,入射激光能量越高,热核在激波冲击下的宽度越大;热核的长度在正激波冲击下迅速减小然后以固定的速度线性增长,增长速度约为入射激波速度的19%。研究结论可为实际应用中有效增强减阻效果和延长持续时间提供依据,相关方法和结果对激光等离子体主动流动控制研究也具有很好的参考价值。     

基于持久性聚类的波核分割算法

三维物体的分割是三维形状分析的重要过程。为了使分割结果适应多种模型,提高分割速度等,提出多尺度等距不变的波核函数与持久性聚类相结合的网格分割算法。首先计算波核特征函数,进而利用持久性聚类产生持久性图,最后选定合并阈值,产生分割结果。利用该算法的分割结果可通过持久性图提供准确的反馈。大量实验结果表明,文中算法对模型细微处分割具有一定的优越性,在普林斯顿大学提供的分割标准下,整体分割算法优于多数无监督分割。     

一种基于数学形态学的电视图像分割方法

针对电视图像信噪比低,噪声干扰大的特点,提出了一种基于数学形态学的电视图像分割方法。首先利用基于梯度调整的平均灰度法得到图像的阀值,其次利用该灰度阀值二值化图像,最后对该图像利用数学形态学消除噪声。实验结果表明该方法具有较好的滤波效果,计算时间短,可用于实时图像处理中。     

基于双目立体视觉的场景分割方法

提出一种基于双目立体视觉的场景分割方法:首先根据双目立体视觉系统提供的左右视图进行三维场景重构,得到场景的几何深度图,同时利用左视图进行RGB颜色空间到CIELab均匀颜色空间的转换以得到颜色信息;然后将颜色与几何信息构造生成六维向量;最后再将六维向量给到聚类算法中进行分割并对分割的伪影进行消除,得到最终的分割结果.对Middlebury数据集样本场景baby 2实验了6种立体视觉算法和3种聚类技术的不同组合进行的场景分割,从实验结果来看,不同的组合应用所提方法都比传统方法具有更好的分割效果.     

深度学习技术的三维激光雷达目标分割研究

为解决传统雷达目标分割噪声影响以及连通性较差等问题,提出引入深度学习技术的三维激光雷达目标分割方法。分析深度学习技术工作原理,设置学习数据输入层、隐层以及输出层的单元数据组取值;根据贝叶斯概率生成模型,获取三维激光雷达目标分割的实际期望值;引入表征转换机理论,衡量目标图像与参考杂波图像间相似程度;通过回归性问题计算图像参考杂波程度较高部分并进行消除,实现三维激光雷达目标分割。实验结果表明,所提方法可有效实现三维激光雷达目标分割,且计算过程简单,目标分割准确度较高。     

基于深度图的道路场景三维点云分割优化方法

点云分割在计算机视觉、智能驾驶、遥感测绘、智慧城市等领域具有重要意义。为提高对激光雷达采集点云分割的准确率，提出了一种基于深度图的道路场景三维点云分割优化方法。将点云数据转化为深度图，建立三维点云与深度图之间的投影关系，利用相邻激光雷达扫描线的角度阈值进行地物分割，再对分割后的地上物体进行分割，去除噪声点。通过使用KNN(K-Nearest Neighbor)插值优化算法对分割结果进一步优化，较好地克服了过分割问题，提高了点云分割的准确率。实验结果表明，该方法的运行时间达到86 ms,相较传统深度图的自适应DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法准确率提升了5%,达到90.5%。     

医学图像的三维自适应迭代分割算法

医学图像分割是医学图像处理分析领域中的研究重点和难点问题,文中对医学CT图像的三维分割方法进行了深入研究,提出了一种医学CT图像的三维分割框架--三维自适应迭代分割算法(SO3DAISA).试验结果表明,本文的分割方法在很大程度上减少了人工干预、执行效率高、图像分割效果好,并且具有很好的实用性.     

基于深度学习网络的三维激光雷达弱小目标分割研究

为了提升三维激光雷达弱小目标分割的抗干扰性与实时性，有效提取三维激光雷达图像有用信息，设计了基于深度学习网络的三维激光雷达弱小目标分割方法。采集目标三维激光雷达图像，应用小波方法去除三维激光雷达图像噪声；从去噪后的图像中提取三维激光雷达图像多尺度特征，并将特征输入到深度学习网络中训练，建立三维激光雷达弱小目标分割模型，实现弱小目标分割。测试结果表明：该方法能够高精度分割三维激光雷达目标，且分割速度较快，具有较高的实际应用价值。     

一种基于Levy-人工蜂群的三维Otsu阈值分割算法

针对图像分割过程中三维Otsu算法运算时间长、计算量大的问题,提出了一种基于Levy-人工蜂群算法的三维Otsu阈值分割算法。首先,以像素灰度值-邻域均值-邻域中值的三维类间方差作为人工蜂群算法的适应度函数;其次,采用Levy飞行模式评价像素的适应度,对其种群更新及邻域搜索过程进行优化,以增强其全局搜索能力;最后,利用改进后的算法得到的分割阈值对图像进行分割。仿真实验结果表明,与传统三维Otsu阈值分割算法相比,所提算法能够有效降低图像存储空间,处理时间降低了30.8%,具备更好的抗噪性能,分割效果也更为理想。     

结合模糊聚类与区域合并的彩色图像分割方法

提出了一种结合模糊聚类与区域合并的无监督彩色图像分割方法.首先,根据彩色图像建立对应的三维直方图,运用爬山法得到初始聚类中心和聚类数;然后,运用基于空间邻域像素的模糊均值聚类算法对图像在颜色空间进行聚类,得到初始分割结果;最后,应用提出的区域合并算法合并图像初始分割结果得到最终分割图像.仿真结果表明,算法的分割结果与人的主观视觉也有较好的一致性.     

道路三维点云多特征卷积神经网络语义分割方法

针对道路场景下三维激光点云语义分割精度低的问题,提出了一种基于卷积神经网络并结合几何点云多特征的端到端的语义分割方法。首先,通过球面投影构造出点云距离、相邻夹角及表面曲率等特征图像,以便于应用卷积神经网络;接着,利用卷积神经网络对多特征图像进行语义分割,得到像素级的分割结果。所提方法将传统点云特征融入到卷积神经网络中,提升了语义分割效果。使用KITTI点云数据集进行测试,结果表明:所提三维点云多特征卷积神经网络语义分割方法的效果优于SqueezeSeg V2等没有结合点云特征的语义分割方法;与SqueezeSeg V2网络相比,所提方法对车辆、自行车和行人分割的精确率分别提高了0.3、21.4、14.5个百分点。