基于视觉注意的随机游走图像分割

传统随机游走图像分割需要多次交互设置种子点以获得理想的分割结果。在视觉注意的基础上,提出了一种新的自动确定种子点的随机游走图像分割算法。首先对图像进行超像素分割,并生成概率边界图(PBM);然后基于Itti模型,通过视觉注意焦点的转移搜寻待分割的关键区域;为确定关键分割区域种子点,以当前注意焦点作为极点对概率边界图进行极坐标变换,在获得的极坐标概率边界图上建立关于焦点区域边界的能量函数,采用图论max-flow min-cut算法最小化能量函数检测焦点区域的最优边界,焦点区域边界内的超像素即为种子点;最后以超像素为节点构造图,在图上随机游走完成图像分割。在Berkeley Segmentation Data Set上的实验表明本文方法能有效分割复杂图像。     

基于数学形态学的新方法在脑组织分割中的应用

针对人体脑部切片图像特点,提出了一种基于数学形态学的脑组织自动分割算法.该算法首先通过形态重构获得粗糙的脑组织区域,然后运用腐蚀和膨胀运算进行边界定位分割出了脑组织,最后对连续断层图像的分割结果进行了三维重建.结果表明该算法分割准确且自动化程度高,适合于大量序列切片图像的快速自动分割.     

多尺度区域生长与去粘连模型的乳腺细胞分割

乳腺癌已经成为女性最常见的恶性肿瘤,组织切片显微图像的病理分析是诊断的主要手段,细胞的准确分割是病理分析的重要环节。该文提出了一种新的乳腺细胞显微图像的自动分割算法:首先结合小波分解和多尺度区域生长算法分离细胞和背景,实现对细胞的精确定位;然后采用改进的数学形态学对粘连细胞进行一次细分割;接着再采用基于曲率尺度空间(CSS)的角点检测分割算法对粘连细胞进行二次细分割;两次细分割方法构成了一个双策略去粘连模型,保证了去粘连的准确性和鲁棒性。将算法应用到22幅乳腺细胞显微图像上,可以对不同类型的乳腺细胞图像进行全自动分割,有较高的分割灵敏度(0.944±0.024)和特异度(0.937±0.038),且具有较好的普适性。     

基于云理论的生长区域图像分割方法

针对种子点的选取和不确定信息的处理问题。提出了一种基于云理论的区域生长图像分割方法。首先利用图像的全局信息获取种子点,具体是把云变换生成的正态云模型的交叉点作为生长区域的种子点,以极大判定法则作为区域生长过程中的生长准则,然后以逆向云算法实现分割区域由定量的像素集合到定性的云概念的转换过程。以云综合算法将相邻的区域进行合并,最终实现基于区域生长的不确定性图像分割。实验表明,该方法较其他方法能更好的的处理图像中的不确定性信息。且获得了较好的实验效果。     

CT图像中的主动脉分割方法

CT图像中主动脉分割技术在临床医学诊断和定量分析研究过程中有着非常重要的意义.为了实现人体主动脉准确分割的目的,提出了一种联合C-V模型边界的区域分割算法.该算法以基于种子点的区域生长作为区域分割的生长方式,以C-V模型得到的最终演化轮廓曲线为约束条件,两者结合来达到分割主动脉区域的目的.实验过程中,将该算法与区域生长算法进行了精度对比,结果证明本分割算法的精度更高.     

一种基于颜色聚类和种子填充的目标识别算法

针对类人足球机器人目标识别易受光照强度变化影响的问题,改进了常规的扫描线种子填充算法,提出了一种基于颜色聚类分割和种子填充的目标识别算法。该算法采用HSI颜色模型,依据亮度和饱和度信息对图像粗分割,基于阈值将彩色区域和灰色区域分离,同时将灰色区域二值化;基于色调直方图聚类分析对彩色区域的像素进行了归类,通过改进扫描线种子填充算法实现了色块的最简扩充和特征提取,使颜色分割和特征提取同步进行,解决了目标物体的快速、精确识别。实验结果表明,该算法抗干扰能力强,分割精度高,能满足实时性要求,具有一定的实用价值。     

基于肤色采样点筛选的视频手势分割算法

为了实现视频手势的实时分割与定位,提出一种基于肤色采样点筛选的视频手势分割算法对视频中的运动手势进行实时分割与定位。首先,对视频的每一帧通过图像预处理获取肤色采样点;其次,融合运动信息对肤色采样点进行初步筛选;然后,通过区域生长法再次筛选肤色采样点提取特征点;最后,通过特征点实现视频手势的分割与定位。实验结果表明,该方法具有良好的手势分割效果和较高的定位准确度。     

基于红外图像识别的电气设备温升检测

为了更好地利用红外热成像技术对电气设备故障进行识别和诊断的问题,提出了一种基于红外图像特征和种子区域生长法的设备温升检测方法。采用邻域平均法减少了红外图像的噪声干扰,提取出了红外图像RGB空间中的红色分量图及绿色分量图,应用种子区域生长法分别对两分量图进行了分割,先通过寻找局部最高温点划分区域,再计算各区域内形态学梯度筛选出有故障的高温点,并将该点所在区域作为种子区域从而实现种子区域的自动选取,将像素点4个方向上的最大梯度及像素点与种子点的灰度差作为种子生长的判定条件,用交集的方法将分割后的红色分量图和绿色分量图融合,提取出了设备温升过高区域。实验及研究结果表明,该方法能确定高温升区域,且轮廓清晰,为电气设备温升故障诊断提供依据。     

基于规则划分和RJMCMC的可变类图像分割

为了自动确定遥感图像分割中的类别数,提出了一种结合规则划分和逆跳马尔科夫链蒙特卡洛(RJMCMC)算法的可变类图像分割方法。首先,将图像域划分成若干个不同的规则子块,并假设每个子块内的像素满足同一独立的多值Gaussian分布;在此基础上,根据贝叶斯定理,建立基于区域的图像分割模型;然后利用RJMCMC算法模拟该分割模型,以自动确定图像类别数并实现区域分割;为了进一步提高分割精度,设计了精细化操作。利用本文提出的方法,分别对合成及彩色遥感图像进行可变图像分割,实验结果表明,提出的方法不仅能自动确定图像类别数,还可以实现区域分割,从而验证提出算法的可行性及有效性。     

零件分拣系统中图像处理算法研究

为了提高生产中机械零件自动识别的实时性及分拣的准确率,提出了一种二次分割算法,对链片上有无钢印进行识别研究。首先,对采集的图像进行了基于Otsu法的背景自动阈值分割;接着,通过质心定位提取质心邻域矩阵,实现了特征区域图像的分割;最后,给出了基于特征区灰度值统计模型的判别式,并对关键参数进行了优化。试验结果表明所提出的二次分割算法准确率高、鲁棒性好,能有效满足复杂环境下特征对象的识别要求。     

基于yolov3的车牌定位识别系统

为解决目前市场上车牌识别设备的高时延以及对高性能处理器高依赖性的问题,提出了一种基于yolov3的车牌定位识别方法,实现对车辆的车牌进行自动定位与识别。该方法通过收集5000张车辆图像数据,打包为VOC数据集,使用LabelImg工具对图像进行标注,并构建13个卷积层的yolo模型,在loss曲线趋于稳定之后,完成模型的训练,最终使用已训练的模型对车辆图像数据进行车牌识别。实验表明:在1000个测试数据中,该方法识别率达97.5%,平均耗时18.19 ms,能够快速精准的对车辆进行车牌识别。     

基于相位和GGVF的水平集乳腺超声图像分割

提出一种基于相位和广义梯度矢量流(generalized gradient vector flow,GGVF)的水平集分割方法,并用于乳腺超声图像的肿瘤分割。首先,在频域空间,用Cauchy核替代Log-Gabor作为正交滤波器对图像进行滤波,提取来自于单演信号的多尺度图像特征,引入相位一致的思想将多尺度特征结合起来进行边界检测;然后,在此基础上,利用相位一致梯度图定义了一个基于相位的速度停止项函数,同时改进了GGVF;最后,将得到的速度停止项和梯度矢量流融入到水平集演化方程中来控制曲线的演化,获得乳腺肿瘤的边界。实验结果表明,使用该分割方法可获得比现有方法更好的乳腺肿瘤分割结果。     

基于矢量角度和优化技术的定位误差新算法

在夹具设计中,为了分析与计算定位误差,保证工件的加工精度,提出了基于矢量角度和优化技术的定位误差自动算法.首先通过工件与央具的装配结构关系,建立了经过接触点的定位误差尺寸链搜索方法;然后基于矢量角度的推算,将定位误差尺寸链转化为有约束优化问题,以实现定位误差的自动计算.该方法为计算机辅助夹具设计系统的开发提供了基础理论.     

曲面工件自动超声检测轨迹规划

航空发动机叶片是典型复杂曲面结构,为实现叶片的自动化超声检测,提出基于曲面点云数据重建的自动化检测轨迹规划方法,在此基础上实现7轴联动复杂曲面自动扫描成像。叶片点云采用线激光轮廓仪配合工件旋转轴自动扫描获取,数据拼接整理后采用数据拟合方法获得曲面轮廓方程,基于曲面上的曲线方程规划加减速扫描轨迹,进一步对各扫描轨迹点进行多轴运动分解,获得包括六轴机械手和工件旋转轴在内的各轴轨迹。实际检测试验表明,轨迹规划算法可以实现叶片自动扫描,获得清晰C扫描图像。     

快速连通域标记算法在堆叠棒材计数中的应用研究

棒材计数问题是棒材生产、销售企业提高自动化水平的重要瓶颈之一。根据棒材堆叠后图像中目标像素的分布形态特征,提出一种基于图段的快速图像连通域标记方法,用以解决工业生产中堆叠棒材的自动计数问题。首先对堆叠棒材截面图像进行二值化、去噪、分割等预处理,尽量减少图像中棒材间的粘连现象,得到较为清晰的二值图像,然后利用快速连通域标记方法对图像进行标记以完成计数。实验结果表明,提出的方法能快速、准确的实现堆叠棒材的自动计数。     

乳腺肿瘤红外热成像及其与超声影像的比较

采用红外热成像系统联合彩色多普勒超声仪对8例女性乳腺肿瘤患者进行扫描成像,获取乳腺肿瘤温度分布等红外热辐射特征及其乳腺肿瘤的大小、内部血流等超声影像特征,探讨乳腺肿瘤的红外热图像特征,同时将红外热图像分析结果与超声诊断结果进行比较,结果表明两种影像技术的吻合度较好,研究结果具有重要的应用价值。     

基于曲率滤波和反向P-M电动车充电孔检测方法

为了解决电动车人工充电作业的效率低下、场合限制、漏电隐患等难题,研究了基于曲率滤波和反向P-M扩散的电动车充电孔检测与定位方法,该方法能够从充电座图像中精确高效地提取目标物充电孔的特征,实现机器人的自动化充电。针对图像信号受强电磁干扰,采用了具有噪点识别能力和边缘保持特性的曲率滤波法进行图像除噪;由于充电座图像背景复杂、亮度不均以及干扰项多,导致常规分割方法失效,故研究了反向P-M扩散和BP神经网络(BPNN)相结合的分割方法。预处理图像经反向P-M扩散、差分运算、滤波及空洞填充得到P-M精确分割的连通域,再利用形态学击中算法,在P-M连通域中搜寻由BPNN粗略提取的连通域,从而得到精确的充电孔目标区域。最后,对所提出的方法进行验证测试,实验结果表明该方法能有效识别充电孔,并且检测速度、定位精度很好地满足充电机器人作业要求。     

显微镜自动聚焦算法的研究

自动聚焦技术是全自动控制显微镜系统中的核心部分。自动聚焦算法综合了快速灰度差分法和高精度拉普拉斯函数法的优点,根据聚焦过程中各阶段聚焦评价函数的梯度选择合适的焦距评价函数和步长,并通过改变步长实现了从快速粗调到精确细调的过渡。实验表明,与传统的单一聚焦评价函数和单一步长的聚焦算法相比较,该算法在保证聚焦速度的情况下显著地提高了聚焦位置的精度。     

基于图像处理的钢卷尺自动检定系统

针对钢卷尺现有检定方法劳动强度大、效率较低的问题,提出了基于数字图像处理的自动检测新方法,用CCD摄像机对标准和被测钢卷尺每米处的图像进行采集,利用Visual Basic 6.0编写了图像处理软件,阐述了该系统的总体结构和实现方法,同时给出了该系统的部分通信软件,详细介绍了图像处理方法。实际使用结果证明该系统能够按检定规程实现对钢卷尺误差的自动检测,提高了检定效率和结果的准确度。     

A novel breast tumor classification algorithm using neutrosophic score features

A lot of studies confirmed the seriousness of breast cancer as the most tumors lethal to women worldwide. Early detection and diagnosis of breast cancer are of great importance to increase treatment options and patients’ survival rate. Ultrasound is one of the most frequently used methods to detect and diagnosis breast tumor due to its harmlessness and inexpensiveness. However, problems were found in the tumor diagnosis and classification as benign and malign on ultrasound image for its vagueness, such as speckle noise and low contrast. In this paper, we propose a novel breast tumor classification algorithm that combines texture and morphologic features based on neutrosophic similarity score. Then, a supervised feature selection technique is employed to reduce feature space. Finally, a support vector machine (SVM) classifier is employed to prove the discrimination power of the proposed features set. The proposed system is validated by 112 cases (58 malign, 54 benign). The experimental results show that such features set is promising and 99.1% classification accuracy is achieved.