基于自适应预处理的图像分割方法

为了防止分水岭算法过分割问题,该文提出了一种基于自适应预处理的图像分割算法。该方法在分水岭算法的基础上,首先结合像素点亮度特征和空间分布特性应用自适应方法对梯度图像进行预处理。通过考察各像素点邻域中像素分类后的分布情况,来判断考察点是处于区域中心还是处于边界,并据此对考察点的梯度值进行调节。然后在预处理后的梯度图像上选定标记,将预处理后的梯度图像中大于200个像素的连通区域标定为标记。最后用分水岭分割方法对带标记的参考图像进行分割。试验结果表明,该分割方法具有良好的分割效果。     

基于改进高斯卷积核的复杂场景红外图像目标识别研究

考虑复杂环境因素干扰，提出基于改进高斯卷积核的复杂场景红外图像目标识别方法。计算图像梯度值，利用扩散阈值抑制梯度较大点和加强梯度较小点，保证图像内像素点统一，采用改进高斯卷积核计算复杂场景红外图像像素点度量值，将其与既定值对比划分前景与背景点图像，根据目标在红外图像中表现为恒温的特点，判定待识别目标点灰度值是否符合高斯分布，符合则认定为目标像素点，实现图像目标识别。仿真实验证明，所提方法240 dBm外界噪声输入环境下图像信噪比在52.5 dB～57.9 dB之间变化，识别准确率平均值为96.5%,识别精度高。     

基于元胞自动机的红外弱小目标图像分割

针对红外成像制导中弱小日标图像分割,提出了基于元胞自动机的自动分割方法.首先使用元胞自动机增强图像的对比度,状态转移函数采用了冯.诺伊曼邻域和一致的演化规则,然后采用边缘双阈值策略二值化图像,最后标记形成目标块,并依据种子点和目标复杂度进行滤波,得到精确的图像分割结果.在实拍的3幅不同类型的红外图像上进行分割实验,其结果表明:提出的方法均能够有效地分割出多个弱小目标区域,有利于下一步的目标识别和跟踪.     

基于改进的标记分水岭方法的棒材识别

针对图像中棒材识别问题,提出了一种新的标记分水岭的棒材分割识别方法,该方法 结合距离变换 与梯度重构对标记点进行限定,使用分水岭变换完成棒材识别。首先利用棒材图像低频部分 进行阈值的自 动提取,对区域对应的距离图中的局部极值点进行筛选。提取棒材图像中低频成份对应的局 部极值区域, 结合局部极值点得到前景标记。然后基于前景标记进行距离分水岭变换,将分水岭变换得到 的脊线作为背 景标记。最后对梯度重构以后的棒材图像基于标记进行梯度分水岭变换,得到棒材分割识别 结果。本文方 法一方面结合距离图进行标记点筛选及补充得到准确的棒材数目,有效解决了分水岭算法目 标识别的过分 割问题。另一方面保留了梯度图像分水岭变换后边缘定位准确的优点,得到完整的棒材轮廓 。实验结果表 明,该方法满足图像识别的实时性、鲁棒性、准确性要求,可将其应用于类圆目标识别及相 关领域。     

基于数学形态学的非规则缺失图像修复仿真

面对非规则缺失图像修复过程中容易出现的毛刺和小孔问题，在数学形态学支持下修复非规则缺失图像。结合数学形态学方法对修复图像膨胀和腐蚀预处理，避免修复区域受到干扰出现毛刺。预处理待修复图像后，获取待修复图像的全部像素点，连接像素点形成一个待修复轮廓，计算该部分的像素点优先权。通过粗略、精细搜索步骤定位最佳匹配块。在保证未知像素块相邻四个方向像素颜色一致的基础上填充像素。通过分割图像阈值，确定缺失区域基准点灰度值，判断目标点和噪声点，实现噪声点滤波处理，避免出现小孔问题。由实验结果可知，所提方法最高PSNR值为0.98，且无毛刺、无小孔，具有良好修复效果。     

一种改进的图割目标分割算法

为了减少图像目标在分割过程中受到噪声、复杂背景等因素的影响,将图像的多特征信息引入到图割算法中,提出了一种结合图像的多特征信息图割目标分割方法。该方法先选取像素点的多种图像特征组成特征向量,并对已做好标记的目标和背景种子点的特征向量分别进行FCM聚类,然后分别计算各像素点与这两类种子点的各聚类中心的最短欧式距离,并据此信息完成对能量函数的构造,最终运用最大流/最小割的方法得到图像分割的结果。其与传统图割算法相比,分割结果有了明显改善。实验结果表明,该算法具有有效性。     

基于区域生长的前视红外图像分割方法

红外成像制导技术以其优越的性能成为当今精确制导技术发展的主流。红外图像的精确分割是实现目标识别的基础。针对地面目标前视红外图像的特点和成像制导技术中图像分割的目的,提出了一种基于区域生长的前视红外图像分割算法,它首先在全局阈值分割的基础上选择出种子点所在区域,并在区域中定义局部灰度信息统计准则和策略选取出种子点;然后以目标模板面积作为参考,通过对分割效果的判断自动调整生长阈值进行区域生长以得到分割图像。实验结果表明,本方法分割出的目标完整准确,分割结果对基于边缘特征的目标匹配识别非常有利。     

基于OTSU和区域生长的电气设备多点故障分割

针对电气设备的红外图像背景复杂、信噪比低的特点,提出了一种基于OTSU和区域生长相结合的故障分割方法.首先,采用OTSU算法将故障红外图像分割为种子区域和背景区域,去除大面积背景的干扰;然后采用自动选取种子点的区域生长算法完整的分割出故障区域.试验结果表明该算法针对复杂背景的红外图像能有效地消除干扰,并能完整地提取出故障区域.     

基于区域对比和随机森林的设备故障红外图像敏感区域提取

基于红外图像的设备故障诊断需要从图像中选择敏感区域,由于红外图像具有干扰背景多、对比度低的特点,敏感区域提取过程中需要进行背景移除和图像分割,但常用的二值化分割算法在分割红外图像时易出现过分割问题.因此,本文提出了基于区域对比和随机森林的敏感区域提取方法.首先使用区域对比方法对红外图像进行显著性检测,以去除干扰背景;然后通过OTSU算法进行图像分割,实现敏感区域初步提取;最后结合随机森林分类结果对图像分割过程的阈值进行迭代优化,实现敏感区域的优化提取.经过转子实验台6种不同状态的红外图像数据验证,将本文方法提取出的故障敏感区域用于故障诊断时,分类的准确率提高了3.3个百分点,比人工选择的区域更加准确.     

一种基于二维Otsu阈值法改进的区域生长红外图像分割法

针对电力设备红外图像背景复杂导致后续热故障诊断不精确的问题,提出一种结合二维Otsu阈值法和区域生长法的电力设备红外图像分割法。首先,对电力设备红外图像进行霍夫直线变换,剔除多余的接线;其次,对预处理后的图像使用二维Otsu算法,生成阈值灰度图;最后,遍历阈值灰度图,找到像素点中位数为区域生长法的初始种子点进行红外图像分割。实验验证,该方法在复杂环境和保障电力设备自身特征的情况下提升了目标设备分割精准度,可以得到精准度更高且特征完整的目标设备。     

基于模糊推理的电气设备红外图像分割

使用模糊理论处理电气设备红外图像分割的不确定性，提出了一种基于模糊推理的电气设备红外图像分割算法。首先分别利用电气设备红外图像故障区域的像素灰度、像素点与图像质心的马氏距离以及图像膨胀操作定义了强度特征、全局故障可能性特征和局部灰度特征；然后根据特征的模糊语言值制定了27条模糊规则，设计了一种模糊推理红外图像分割算法；最后，从主观和客观评价指标上将算法与传统Otsu算法和FCM算法进行了对比。实验表明，该算法的分割精度和误分割率比其他两种算法都有一定的改善，同时该算法能够滤除图像中具有高亮度的干扰区域，对具有小亮度差和小面积故障区域的红外图像有较好的分割效果。     

基于红外图像识别的输电线路故障诊断方法

基于红外图像研究了输电线路的故障诊断方法,首先采用LSD线段检测法提取红外图像中的导线,采用深度卷积神经网络提取红外图像中绝缘子,从而得到线路元件区域.在线路元件区域内进行温度和灰度分析提取发热点,并利用漫水填充算法对过热区域进行分割,提取骨架扫描点数、有效凸缺陷、引流线对缺陷类型进行识别.实验证明该算法有较高发热点定位准确率和缺陷类型识别准确率.     

一种基于图像分割的立体匹配算法

针对在立体匹配过程中的低纹理和视差不连续的问题,提出了一种基于图像分割的立体匹配算法。首先采用Mean-Shift算法对彩色图像进行图像分割,并认为分割区域块内的像素视差是平滑的,然后采用较大窗口匹配方法,提取左右彩色图像相似像素点作为种子点,根据区域内的平滑约束条件,利用小窗口匹配方法将种子点向周围区域扩散,最终得到稠密视差图。实验结果表明该算法相比传统的自适应匹配算法,视差不连续区域匹配误差降低10%左右。     

尖点突变理论在红外热波检测图像分割中的应用

图像分割是实现热波检测缺陷定量识别的关键。根据有缺陷区域与无缺陷区域图像灰度值不连续变化的特点,提出一种基于尖点突变理论的分割方法,在计算图像幅值和相位的基础上,通过建立尖点突变模型及相应的坐标变换,将系统变量进行归一化处理,根据处理后的尖点突变模型的判决式标记热波图像中像素值突变的点,提取突变点的骨架,对其膨胀和填充运算实现缺陷的分割。最后通过试验验证了该方法的可行性。     

基于DBSCAN的图像分割算法研究

图像分割能将一幅数字图像分成多个的不同区域,是计算机视觉的主要研究领域之一。文中在系统性研究DBSCAN算法的基础上，提出了一种改进型DBSCAN图像分割方法。该方法首先计算图像中每个像素点的局部密度，然后通过寻找局部密度峰值点来确定核心点，同时将邻域内的像素点加入同一簇中，来处理不同密度区域和噪声点的影响。实验结果表明，该算法对参数敏感度较低，能有效处理不同密度区域和噪声点，相比标准DBSCAN图像分割方法，其在聚类正确率、精度和效率等方面的表现更优秀。     

基于标记的Watershed图像分割新算法

为了防止Watershed算法过分割问题,文中提出一种新改进的基于标记的Watershed自动图像分割方法.文中设计出一种有效的标记自动提取方法,用来从梯度图像的低频成分中提取与图像中的物体相关的极小值, 用这些极小值构成二值标记图像.根据二值标记图像,形态学的极小值标定技术被用来将这些提取的标记强制作为原始梯度图像的极小值,而屏蔽原有梯度图像的所有极小值.最后,watershed算法在修改过的梯度图像上进行图像分割.利用本文提出的图像分割算法可以获得较为理想的图像分割结果.通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且均一的分割区域,以及较为准确、连续、一个像素大小的物体边界.与其它的Watershed改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低Watershed算法的过分割问题.     

一种复杂背景下的故障电气设备整体分割方法

针对变电站电气设备红外监测过程中，获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题，提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先，通过SLIC(Simple Linear Iterative Clustering)超像素算法对图像进行分割，并对超像素块进行Lab颜色空间转换，根据阈值判断是否存在故障并获取故障区域。然后，选取故障图像中最大联通量的较亮点作为种子，利用最大类间方差原理控制种子数目，通过改进区域生长法获取目标主体设备。最后，将故障区域与目标主体设备进行交集运算，完成对故障电气设备的整体分割。研究结果表明，该方法能有效完成复杂背景下的故障电气设备定位与整体分割。与其他分割方法相比，该方法获取的故障电气设备更加完整准确。     

应用粒子滤波及先验概率模型进行图像分割的新算法

基于粒子滤波在非线性非高斯情况下具有较好的预测结果,本文提出了一种自适应背景图像分割新算法,该算法利用粒子滤波对下一帧的前景区域进行预测,进而计算出下一帧各像素点属于背景的概率以指导下一帧图像分割;在前景像素值与背景像素值相近的情况下利用先验知识进行图像分割是一种较好的方法,本文以粒子滤波预测结果与先验概率模型计算结果的均值作为当前像素点属于背景的概率来进行图像分割,实验结果表明,该方法在背景变化范围较大的情况下,可以减少前景点误分割为背景点的概率.     

改进的梯度阈值图像清晰度评价算法

数字图像技术实现自动对焦的关键步骤是有效的图像清晰度评价.针对传统的灰度梯度算法抗噪性差和实时性低的问题,提出一种改进的清晰度评价算法.首先通过OSTU方法和全局方差计算出图像自适应分割阈值;然后比较自适应分割阈值和图像像素点局部方差以提取整幅图像中的边缘像素点;最后考虑人眼视觉特性,采用多方向的Tenengrad算子对图像进行评价运算,将图像中边缘像素点的评价运算值进行叠加,得到图像的清晰度量化值.为了衡量改进算法的性能,将其与传统的灰度梯度算法进行比较.实验结果表明,与传统的灰度梯度算法相比,所提算法具有实时性高、灵敏度强且抗噪能力好的优点.     

改进的分水岭算法在超声肿瘤图像分割中的应用

在高强度超声聚焦(HIFU)治疗中,图像自动导航是整个治疗过程的关键步骤.针对超声肿瘤图像分割提出了两种算法,分别为梯度阈值法和区域合并法.其中梯度阈值法针对分水岭过分割的缺陷,选取小于设定的梯度阈值的点作为分水岭变换的种子点,从而很好地抑制了过分割现象;区域合并法首先通过分水岭变换将图像过分割成许多具有区域均质性的超像素,然后基于最小描述(MDL)原则进行合并,将拥有相似纹理特征的小区域聚类在一起,达到抑制过分割的目的.实验结果表明这两种算法有效地解决了分水岭变换过分割的问题,同时能够很好地应用到超声肿瘤图像分割中.