CT图像表面重建技术中的边缘轮廓提取方法

论述了 CT图像表面重建技术中的边缘轮廓提取方法。采用该方法 ,得到了 CT图像的截面数据 ,进而利用CAD软件实现了 CT图像表面的三维重建。最后给出了儿童股骨三维表面重建的实例     

基于数学形态学的图像边缘提取方法

为了解决传统边缘提取算法边缘定位不精确、抗噪能力差的问题,提出了一种基于数学形态学的边缘提取算法。该算法首先利用了双尺度双结构的数学形态学对目标图像进行滤波降噪处理,以提高目标图像的信噪比,然后利用多尺度多结构的数学形态学对目标图像进行边缘提取。利用该算法在配置了OpenCV的Visual Studio对Lena图像进行仿真处理,并将其处理结果与Canny算法处理结果进行对比。实验结果表明,该算法抗噪性能优异,对含有噪声的图像边缘的提取清晰且流畅、细节丰富。     

基于NSCT的航拍绝缘子图像边缘提取方法

绝缘子图像边缘提取是实现航拍绝缘子缺陷检测与识别的重要前提,结合航拍绝缘子图像的特点,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform,NSCT)的航拍绝缘子图像边缘提取方法。先利用分段线性灰度变换实现预处理,然后进行NSCT分解,基于分块思想对系数进行分块并求局部阈值,得到边缘图像,最后对边缘检测结果进行形态学滤波使边缘图像更清晰。分别对Lena图像和现场绝缘子图像用Canny算子法、小波模极大值法和所提方法进行图像边缘提取,并对各方法进行性能指标的评价。实验结果验证了所提方法对绝缘子图像边缘检测的有效性,并表明了该方法优于基于Canny算子和小波模极大值的边缘提取方法。     

基于动态域值的鞋帮图像边缘提取方法

图像边缘提取是图像拼接中常用的一个重要的特征。随着CAD技术的发展,鞋帮图像库变得越来趣大．使得特征的自动提取显得越来越重要。然而在大图像库中．每幅图像的前景和背景间的变化均不相同,自动提取边缘过程中.不同图像边缘的阈值选取非常关键。为实现鞋帮太图像库中图像边缘的自动提取,阈值的动态调整是很重要的。本文提出的动态阈值调整法．能够自动提取各种变化不同的图像边缘。     

基于DXF数据的图像真实边缘提取

针对视觉测量手机玻璃盖板全尺寸时图像边缘出现虚假、丢失、错误等问题,提出了一种基于DXF数据的真实边缘提取算法。该算法以手机玻璃盖板DXF图形文件中实体数据作为先验知识,指导真实边缘的识别,在Canny算法提取的边缘上按闭合轮廓逐一提取、填充得到轮廓填充图后,设置一定的数据区间识别图像的真实边缘。对于图像轮廓真实边缘之外的非边缘线段,消除多出的虚假边缘。对于真实边缘上丢失的像素点,以其8邻域内各像素点灰度值总和、位置关系为判断条件,补全真实边缘上丢失的像素点,得到完整的真实边缘。实验结果表明,该算法提高了图像边缘的提取精度减少了虚假边缘,使提取的边缘更符合手机玻璃盖板真实边缘,从而提高了边缘定位精度和正确性。     

基于贫点阵图像的信息获取方法

本文介绍了一种新的基于贫点阵的图像信息获取方法,给出了贫点阵图像的定义,并介绍了贫点阵探测器的特点及贫点阵所探测到的点目标的特点,最后对贫点阵点目标的识别和跟踪算法进行了研究.     

基于神经网络边缘提取的工业CT图像与CAD模型的比对检测

研究了一种对工业计算机断层(CT)图像与计算机辅助设计(CAD)模型进行比对检测,分析工件制造误差的方法.首先,用模板自适应细胞神经网络提取工业CT图像边缘,并进行三方向CT切片边缘数据融合处理以获得完整的三维边缘面.然后,先结合主成分分析和最小包围盒的思想对CT边缘面数据与工件的CAD模型实现粗配准,再用奇异值分解-...     

经典边缘提取方法在医学图像中的应用

结合实际图像,对经典的边缘检测算法进行了比较分析,指出各种方法的优缺点.各种算法特点的明确,为提出新的边缘提取方法提供了思路,同时为我们的下一步工作做了铺垫.     

用Imagej提取图像边缘的方法及展望

介绍了用Imagej对图像边缘提取的方法和过程,显现了Imagej的优缺点,重点对其处理图象的过程进行了分析和阐述,为了更清楚地看出这种方法的效果和优势,给出了一些处理过程的相关图片.最后,对用Imagej提取图像边缘技术所面临的问题和发展方向阐述了自己的观点.     

基于B样条小波的医学图像边缘提取

利用基于三次B样条小波的边缘提取方法,对医学图像进行了边缘检测并与传统的图像边缘提取方法进行了比较.结果表明基于三次B样条小波变换的边缘提取,具有定位准确,保留细节较好的优点.     

基于神经网络边缘提取的工业断层成像图像拟合

通过工业计算机断层成像图像边缘拟合,可获得矢量化的曲线,进而获得工件的计算机辅助设计图纸,实现基于工业断层成像的机械零部件逆向设计。在用两组细胞神经网络对图像进行分割的基础上,进行边缘跟踪和曲线的多维拟合。通过横截圆和轴线的拟合,实现对圆柱形目标的拟合。轴线拟合时,将各层圆心坐标分别投影到xz平面和yz平面进行最小二乘拟合,以降低计算复杂度。对发动机切片图像进行实验,根据拟合得到的参数得出了圆柱形目标的计算机辅助设计图,其拟合均方误差小于0.3像素2。对不规则目标,讨论了基于最小二乘法的分段三次曲线拟合方法在边缘曲线拟合中的应用;对发动机切片图像目标区域进行实验的拟合均方误差均小于0.6像素2。实验结果和误差分析证明,文中的拟合方法是有效的,实现了基于工业断层成像的逆向设计所必需的位图矢量化。     

基于聚类分析的管路图像亚像素边缘提取算法

为了保证管路的加工精度,实现无应力装配,在管路加工后需要测量其三维尺寸。基于机器视觉的管路测量方法由于具有速度快、精度高的特点,越来越广泛地应用在管路三维测量领域。针对该技术中传统边缘提取方法难以准确获得管路边缘的问题,提出一种在复杂光照环境下,快速准确提取管路亚像素精度边缘的方法。首先利用频域滤波滤除噪声,聚类分析细致分割管路区域;然后应用图像形态学提取边缘初值区域,根据局部区域灰度变化求解边缘变化模型;最终实现了管路图像亚像素精度边缘提取,消除了噪声对边缘提取的影响。实验证明,利用本文提取的亚像素边缘,准确可靠,且精度达到0.04个像素尺寸,能够在管路三维重建中提供精确的管路边缘信息。     

基于MIST方法的梯度点阵结构优化设计方法

文中提出了一种基于移动阈值切面法（Moving Iso-Surface Threshold, MIST）的梯度点阵结构优化方法。优化模型以点阵结构杆件总应变能为目标函数、杆件截面积为优化变量对杆件粗细进行优化,优化目标为总应变能最小。通过长度特征参数对点阵结构疏密分布进行描述,选取长度特征参数作为优化变量,对点阵结构的疏密分布进行优化,进而提出一套包含两类变量的协同优化方法,实现了杆件粗细与疏密分布的协同优化。通过对均质点阵结构进行优化,获得了非均质的梯度点阵结构。最后通过二维和三维算例验证了方法的有效性。     

基于边缘的齿轮图像拼接方法研究

在基于机器视觉的测量中,由于影像设备的性能限制与对图像的精度要求,需要对拍摄的图片进行拼接。对于一般灰度图像进行旋转操作会对图像造成失真的情况,文中针对中小模数齿轮的灰度图像拼接提出了基于边界的齿轮拼接方法,对滤波后的齿轮图像进行边缘提取,对提取到的数据点采用半径约束的最小二乘法拟合圆心,圆心配准后对齿廓数据点进行配准以求得旋转角度完成拼接。仿真结果表明该方法可以将拼接误差控制在一定范围内。     

基于边缘特征的图像清晰度评价方法

图像的清晰与否直接影响后续的分析与识别,对图像清晰程度进行客观评价在图像质量评判中具有重要的意义。由于图像边缘信息是人眼关注到最显著的特征信息,根据清晰图像与模糊图像在边缘灰度变化程度不同,提出了一种基于灰度边缘坡度的图像清晰程度评价算法,并采用德克萨斯大学图像和视频工程实验室提供的live图像质量评价数据库进行了验证,结果表明,提出的评价方法和图像实际效果具有很好的一致性,在无参考型图像清晰程度评价中具有一定的应用价值。     

一种超声乳腺图像中提取肿瘤边缘的方法

乳腺肿瘤边缘的提取是基于肿瘤超声图像特征进行良恶性诊断的基础.为此提出一种基于小波变换和动态规划从超声乳腺图像中提取肿瘤边缘的方法.先采用小波变换法提取乳腺肿瘤超声图像的初始边缘,再结合图像梯度的动态规划法对初始边缘进行修正,提取更为准确的乳腺肿瘤边缘.通过对临床采集的30例超声乳腺图像肿瘤边缘的提取和分析研究,表明该方法可以有效地用于超声乳腺图像肿瘤边缘的提取.     

图像边缘提取在逆向工程小孔建模中的方法及应用

在采集细小孔点云时,因光栅不能进入孔内,而无法测量到其内壁的数据。针对后期三维建模,为提高孔的位置精度,提出了基于图像边缘提取的建模方法。该方法通过对三维扫描中采集的CCD图像进行平滑去噪,及图像锐化处理,改进传统形态学梯度边缘检测算法并对孔进行边缘提取,从而进行三维逆向建模。将方法应用于车灯座的小孔建模,与传统建模作孔的位置精度对比分析,结果表明应用本方法对小孔建模,其位置精度比传统建模更接近原始设计数据,在建模效率上也得到很大提升。     

图像边缘检测方法简介

1引言 利用计算机进行图像处理有两个目的:一是产生更适合人观察和认识的图像;二是希望能由计算机自动识别和理解图像.无论为了哪种目的,图像处理中关键的一步就是对包含有大量各式各样景物信息的图像进行分解.分解的最终结果是图像被分解成一些具有某种特征的最小成分,称为图像基元.相对整幅图像来说,这种基元更容易被迅速处理.     

图像边缘检测方法简介

利用计算机进行图像处理有两个目的：一是产生更适合人观察和认识的图像；二是希望能由计算机自动识别和理解图像。无论为了哪种目的，图像处理中关键的一步就是对包含有大量各式各样景物信息的图像进行分解。分解的最终结果是图像被分解成一些具有某种特征的最小成分，称为图像基元。相对整幅图像来说，这种基元更容易被迅速处理。     

基于工业CT图像的轮廓控制点优化提取

针对如何提取工业CT图像轮廓控制点这一问题,提出一种简单有效的二次提取方法。该方法分为粗提取和精提取两步。首先计算轮廓数据点的离散圆曲率,通过粗提取去除轮廓数据点中的坏点和对轮廓特征贡献很小的点。然后在精提取过程中,通过多层次细节分析将轮廓控制点提取出来。试验验证提取出的轮廓控制点不仅能够表示轮廓的形状,而且能有效地消除数据冗余。