基于张量投票的昆虫翅脉提取算法

昆虫翅脉提取对于昆虫自动分类意义重大。鉴于传统翅脉提取算法中存在断裂、边缘不整齐等缺点,提出一种基于张量投票的昆虫翅脉提取算法。首先对翅脉图像进行去噪、二值化、形态学等预处理,得到稀疏二值点图,然后计算每点的张量值,结合Gestalt定律的邻近性、相似性规则,对邻域内点进行张量投票,并设定投票阈值,最终获取昆虫翅脉轮廓。实验结果表明,由于引入张量和Gestalt规则,文中所提算法可以提取出更加符合感知规则的翅脉结构,得到较为完整且平滑的翅脉轮廓,同时对于出现少许断裂的翅脉图像,依然可以获得较为完整的翅脉边缘,这为后期的昆虫自动分类奠定基础。     

改进的张量投票算法

在引入迭代过程的基础上,修正底层的取向估计结果、修正原始算法的显著性测度函数,并对每次投票结果进行细化和修剪.实验结果表明：文中改进措施有效地解决了张量投票算法在提取主观轮廓中存在的问题.     

基于张量投票的主动轮廓边缘提取

提出一种基于张量投票的主动轮廓边缘提取算法。该算法对图像进行张量编码,将其转化为二阶对称的半正定张量,每个输入张量通过预定的投票域对邻近数据进行稀疏投票,投票后每个输入点收集自身获得的选票,再进行稠密投票,以获得轮廓的显要特征,从而实现主动轮廓的边缘提取。实验结果表明,该算法能有效提取图像轮廓边缘,得到较好的物体主动轮廓模型。     

基于领域本体的文本分割方法研究

文本分割在信息检索、摘要生成、问答系统、信息抽取等领域发挥着重要作用。在总结现有的国内外文本分割方法的基础上,提出了一种基于领域本体对文本进行线性分割的方法。该方法利用初始概念自动获取结构化语义概念集合,并根据获取的概念、属性及属性词在文本中出现的频次、位置和关系等因素为段落赋予语义标签,挖掘文本的子主题信息,将拥有相同语义标注信息的段落划分为相同语义段落,实现了文本不同子主题之间的分割。实验结果表明,该方法对于特定领域的文本分割的准确率、召回率以及F值分别达到了85%,90%和88%,分割效果能够满足实际应用需求,并优于现有的无需训练语料的文本分割方法。     

基于图像区域的交互式文本图像阈值分割算法

针对现有局部阈值分割算法因参数过多带来的参数选择问题以及在分割结果中块与块之间不连续性问题,利用用户提供的先验知识或经验,提出了一种基于灰度图像区域的交互式文本图像阈值分割算法.该方法首先粗略地将图像进行分块;利用标准差作为衡量图像块含有信息量(背景信息与目标信息)多少这一度量,接着按标准差大小对所有图像块进行排序;然后由用户输入交互式信息将所有图像块分为3个集合:仅含背景或仅含目标的图像块、含有少量背景或者是含有少量目标的图像块以及背景和目标分布比较均衡的图像块;最后对各个集合中的图像块分别按相应准则进行分割.实验结果表明,对于均匀和非均匀光照条件下的文本图像,与全局分割算法、直接分块分割算法和Chou方法相比,该方法在分割效果上有显著提升,而且执行效率也较高.另外,对于部分非文本图像也同样有效.     

基于张量投票的摄像机自标定方法研究

针对传统的基于Kruppa方程摄像机自标定算法的欠鲁棒性,首次提出将鲁棒的张量投票算法用于摄像机自标定方法中。利用基于尺度不变的SIFT算法查找并匹配出每对图像的特征点,其中待匹配图像由摄像机对同一场景从三个不同角度位置拍摄,对图像张量投票后按棒张量特征值降序排序,由此筛选得到具有鲁棒性边缘特征的前八对特征点,利用八点算法求解相应的基础矩阵和极点,根据Kruppa方程和三维重建（SFM）算法求得摄像机参数矩阵。实验结果证明,该方法具有较高标定精度,并通过加入高斯噪声的仿真实验证明该算法是一种鲁棒的摄像机自标定方法。     

基于图像分割的图像破损区域自动标注和修复

数字图像修复技术是指根据一定的规则,对局部区域有数据丢失或缺损的图像进行处理,以恢复图像原貌.在修复前先要对图像缺损区域标注,这项工作通常用人工完成.本文首先介绍了近年来图像分割算法,分析各自的特性,接着提出了利用图像分割算法实现对破损区域的自动提取并标注的思想,有效提高图像修复的效率.     

基于能量思想的图像分割算法

CV(Chan-Vese)模型是一种基于偏微分方程的图像分割方法.在分析了CV模型的"能量"表达式的各个部分的基础上,证明了CV模型的前两项与阈值分割的等价关系,然后利用形态学中值运算与曲线演化的关系,用中值算子进一步缩小整个表达式的"能量",实现了一种基于CV模型的"能量"思想的快速图像分割算法.最后将该方法应用于医...     

基于自适应加权中值滤波的二维Otsu图像分割算法

为解决传统二维Otsu算法在含噪声较多的图像应用中分割效果较差这一问题,提出一种基于自适应加权中值滤波的二维Otsu图像分割算法.该算法首先利用一种新的自适应加权中值滤波对噪声图像中值滤波;然后将中值图像的二维直方图区域划分由四分法改为二分法;最后利用改进的二维Otsu算法对图像作精确分割.实验结果表明,该算法对灰度噪声图像具有更强的抗噪性且分割效果也更为理想.     

结合张量投票和Snakes模型的SAR图像道路提取

目的 Snakes模型对曲线轮廓具有良好的拟合能力,被广泛应用于遥感图像的道路提取。但SAR图像受乘性斑点噪声影响严重,因此利用Snakes模型从SAR图像提取道路时,传统的以图像灰度负梯度为外部能量的方法难以取得理想结果。针对这一问题,利用计算机视觉中的张量投票算法可以从噪声掩盖的图像中提取显著结构特征的特点,将张量投票与Snakes模型结合从SAR图像提取道路。方法 首先利用模糊C均值分割法从SAR图像中分割出道路类,然后对道路类进行张量投票获得每点的曲线显著性值,最后以该曲线显著性值的负值作为Snakes模型外部能量从SAR图像提取道路。在Snakes模型能量最小化阶段,提出了一种优化的拟合策略,一边内插节点一边最小化Snakes模型能量。结果 利用机载和星载不同场景的SAR图像进行实验,与同类的基于Snakes模型的半自动方法相比,本文方法对曲率较大的道路仅需较少控制点即可取得较好的拟合效果;与基于MRF模型的自动方法相比,本文方法对道路提取的完整率、正确率、检测质量都优于基于MRF模型的方法,并且提取的时间远远快于基于MRF模型的方法,对于大范围的道路网提取将更为实用。结论 本文方法充分考虑到道路的几何形态特征,利用张量投票算法对该特征进行量化,并利用优化的拟合策略来最小化Snakes模型能量来提取道路。基于机载和星载SAR图像的实验表明本文方法可以较好地提取不同场景中的主要道路目标和道路网。     

Color image segmentation using tensor voting based color clustering

A novel color image segmentation method using tensor voting based color clustering is proposed. By using tensor voting, the number of dominant colors in a color image can be estimated efficiently. Furthermore, the centroids and structures of the color clusters in the color feature space can be extracted. In this method, the color feature vectors are first encoded by second order, symmetric, non-negative definite tensors. These tensors then communicate with each other by a voting process. The resulting tensors are used to determine the number of clusters, locations of the centroids, and structures of the clusters used for performing color clustering. Our method is based on tensor voting, a non-iterative method, and requires only the voting range as its input parameter. The experimental results show that the proposed method can estimate the dominant colors and generate good segmented images in which those regions having the same color are not split up into small parts and the objects are separated well. Therefore, the proposed method is suitable for many applications, such as dominant colors estimation and multi-color text image segmentation.     

Spatial color histogram based center voting method for subsequent object tracking and segmentation

In this paper, we introduce an algorithm for object tracking in video sequences. In order to represent the object to be tracked, we propose a new spatial color histogram model which encodes both the color distribution and spatial information. Using this spatial color histogram model, a voting method based on the generalized Hough transform is employed to estimate the object location from frame to frame. The proposed voting based method, called the center voting method, requests every pixel near the previous object center to cast a vote for locating the new object center in the new frame. Once the location of the object is obtained, the back projection method is used to segment the object from the background. Experiment results show successful tracking of the object even when the object being tracked changes in size and shares similar color with the background.     

Edge-preserving color image denoising through tensor voting

This paper presents a new method for edge-preserving color image denoising based on the tensor voting framework, a robust perceptual grouping technique used to extract salient information from noisy data. The tensor voting framework is adapted to encode color information through tensors in order to propagate them in a neighborhood by using a specific voting process. This voting process is specifically designed for edge-preserving color image denoising by taking into account perceptual color differences, region uniformity and edginess according to a set of intuitive perceptual criteria. Perceptual color differences are estimated by means of an optimized version of the CIEDE2000 formula, while uniformity and edginess are estimated by means of saliency maps obtained from the tensor voting process. Measurements of removed noise, edge preservation and undesirable introduced artifacts, additionally to visual inspection, show that the proposed method has a better performance than the state-of-the-art image denoising algorithms for images contaminated with CCD camera noise.     

一种基于结构张量的运动物体分割方法

视频中运动物体的分割是众多视频应用的前提。视频可以看作是三维时空中的对象,通过邻域的灰度值的结构方向来分析视频的运动。提出了时空结构张量进行运动物体分割的方法。首先分析了视频中物体的运动与灰度的变化的关系,然后删除了三维结构张量中与时间无关的信息,并将此时空结构张量用于视频中运动物体的分割。实验表明时空结构张量运动物体分割方法相对于传统的结构张量,分割准确,计算简单。     

基于Canny算子的肤色分割在彩图中的人脸检测

结合Canny算子提取图像的边界,利用边界信息可以实现大块连通区域的自然分割,同时使用颜色插补的方法来代替传统的金字塔采样,让模板自动匹配经上述分割后的各个待测区域。实验结果证实该方法对于包含部分遮挡、肤色干扰等较复杂环境下的图片的检测率有很大提高。     

Inference of segmented color and texture description by tensor voting

A robust synthesis method is proposed to automatically infer missing color and texture information from a damaged 2D image by (N)D tensor voting (N > 3). The same approach is generalized to range and 3D data in the presence of occlusion, missing data and noise. Our method translates texture information into an adaptive (N)D tensor, followed by a voting process that infers noniteratively the optimal color values in the (N)D texture space. A two-step method is proposed. First, we perform segmentation based on insufficient geometry, color, and texture information in the input, and extrapolate partitioning boundaries by either 2D or 3D tensor voting to generate a complete segmentation for the input. Missing colors are synthesized using (N)D tensor voting in each segment. Different feature scales in the input are automatically adapted by our tensor scale analysis. Results on a variety of difficult inputs demonstrate the effectiveness of our tensor voting approach.     

基于游程递归的连通区域标记算法

在研究已有算法的基础上,提出一种基于游程递归的标记算法,该算法可以对二值图像实现快速标记。顺序扫描图像,寻找未标记的游程,并递归搜索与之连通的游程,直到一个连通区域生成。在游程搜索过程中,在当前游程的相邻两行上,以其左端点为起始点分别向前向后进行连通游程的搜索;同时根据游程之间的位置关系对搜索策略进行优化,减少了重复搜索,提高了处理速度。该算法只需经过一次扫描图像,就能快速、准确地标记连通区域。在与已有算法的实验结果比较中,该算法具有较快的执行速度和较高的准确率,并且占用较少的内存,可以满足在施工现场中运动目标实时检测的需要。     

基于核模糊聚类的彩色图像色彩-纹理分割方法

提出了一种利用色彩-纹理综合特征进行彩色图像分割的新方法。首先利用HSI色彩模型提取图像的色彩信息,其次,采用与方向无关的Gabor变换对彩色图像的强度信息进行处理,提取图像的纹理基元。根据上述过程所获得的色彩-纹理特征,采用核模糊聚类方法实现彩色图像的自动分割。实验结果表明,所提出的方法综合利用了图像的色彩、纹理信息,使彩色图像的分割结果更准确。     

基于YCbCr颜色空间的火焰图像分割方法

视频火焰检测对消防安全具有重要的实际意义.火焰颜色信息在视频火灾检测中起着举足轻重的作用,众多学者提出了基于不同颜色空间的多种火焰颜色检测算法.针对目前视频火焰颜色检测算法检测率低、误检率高、适应性差等不足,提出基于颜色空间的火焰图像分割方法.通过研究火焰图像在颜色空间上的分布情况,分析火焰像素对应的Y,Cb和Cr分量...