边界聚类椭圆快速检测方法

针对多个椭圆因重叠、遮挡、嵌套情况而存在检测效率与精度较低的问题,提出一种基于边界聚类的椭圆快速检测改进方法.该方法包括图像预处理、边界聚类、椭圆拟合和去伪过程.进行图像预处理,包括边界检测、细化边界和消除冗余等价边界列(EELs),去除多数非椭圆边界像素.开展边界聚类,通过边界像素连接、线段列提取和圆弧聚类,得到一系列候选椭圆弧和椭圆弧对.采用直接最小二乘方法拟合椭圆,并作去伪处理.利用椭圆的形态信息,调整算法步骤、优化阈值,提高算法效率,并通过实验评估算法性能.结果表明,边界聚类方法可准确、快速检测不同形态的椭圆,改进后用时可缩短14%~76%.     

基于梯度分类的复杂背景椭圆快速检测方法

针对复杂背景下椭圆特征由于重叠、缺失、嵌套等原因导致的检测效率低、误检率高的问题,提出基于梯度分类与多边形辨识的椭圆快速检测方法. 该方法通过边缘检测算子对采集的图像进行预处理,获取图像边缘的梯度信息. 根据边缘灰度梯度与凹凸性将边缘线分为4类圆弧特征,通过对4类圆弧特征的聚类初步确定备选的椭圆集合. 利用椭圆内包多边形为凸多边形的特点,对候选椭圆集合进行快速辨识. 应用非迭代几何最小二乘法拟合椭圆参数,通过椭圆残差判定与椭圆的去伪过程,获得最终的椭圆特征. 实验结果表明,该方法在椭圆检测效率与准确性上较经典算法均有提升.     

基于超像素和密度峰值聚类的图像分割

图像分割是计算机视觉领域的一个重要组成部分。密度峰值聚类已应用于图像分割领域。但由于密度峰值聚类在聚类时只能考虑数据的全局空间信息,不能有效去除图像噪声,因此提出了一种超像素的图像预处理方法。该方法能充分考虑局部空间信息,具有较强的鲁棒性。通过改进的形态梯度重建和分水岭算法得到具有精确轮廓且去噪效果较好的超像素图像。在此基础上,加入密度峰值聚类完成后续分割。通过在光学图像数据集BSDS 500上进行实验,验证了超像素算法及图像分割算法的有效性。     

彩色环境下基于惯性矩的椭圆检测算法

提出了在彩色环境下检测椭圆的新算法。首先分析了椭圆的解析结构,根据物理学中惯性矩的概念,推演出一个类椭圆区域的理想椭圆,用该理想椭圆与边缘检测获得的边缘点拟合,求出一个区域的理想椭圆;然后将求得的理想椭圆与区域边缘点集合用近似度和逼近度两个指标拟合,得到与类椭圆区域最匹配的精确椭圆;最终得到类椭圆区域的边界轮廓,该轮廓可以很好地代替目标的真正边界。该算法可以快速检测完整椭圆和椭圆弧。     

基于Fuzzy聚类的Peleg-ε维数边缘提取算法

本算法综合了传统的利用毯子维数提取图像边缘的方法和Fuzzy聚类的方法,对具有不同维数的物体边缘进行提取。通过改进Fuzzy聚类方法,克服了传统Fuzzy聚类方法中只考虑分维谱图中像素自身而忽略分维谱图中邻近像素聚类特点的缺点;改进后的Fuzzy聚类方法同时弥补了传统的利用毯子维数提取图像边界时迭代次数过少的不足。实验结果表明,利用该算法较传统算法更好地描述了物体的边界.     

基于最小二乘法的改进的随机椭圆检测算法

为了提高数字图像中椭圆检测的效率和准确性,提出了一个基于最小二乘法的改进的随机椭圆检测算法.该算法随机选取图像中的3个边缘点,在以这3个点为中心的窗口内,从边缘点中拟合出可能椭圆,并通过随机选取的第4个边缘点来确认可能椭圆.利用直接最小二乘法椭圆拟合的特性,引入可能椭圆边缘点收集和椭圆重新拟合的迭代过程来提取最终的椭圆参数.通过对含有不同噪声的仿真图片和包括残缺椭圆的实际图片的实验表明,新算法的改进是有效的.与原算法相比,新算法降低了对参数的依赖性,提高了检测的速度、稳定性和准确性,同时保留了原算法的抗噪声能力.     

一种多椭圆曲线拟合的新算法

本文提出多椭圆拟合的一种新算法:首先运用边界跟踪法探测边缘图中多个椭圆目标的轮廓线,根据曲线曲率检测出轮廓线上的角点,然后使用一对角点所在弧段的数据作椭圆拟合,接着清除已拟合椭圆的数据点,重复上述步骤逐个求出椭圆.实验表明,这一方法能快速、准确地拟合出图像中的所有椭圆.     

基于改进Zernike矩的玻璃瓶亚像素边缘检测算法

图像的边缘检测精度决定了实际尺寸的测量精度,为了提高测量精度,提出了一种基于改进的Zernike矩的测量玻璃瓶实际尺寸的算法。将传统的Zernnike矩算法与Otsu自适应阈值法相结合,得到改进的快速算法;利用该快速算法对采集的玻璃瓶图像进行亚像素级边缘检测;运用最小二乘法根据亚像素坐标对瓶口与瓶底所形成的椭圆进行拟合;应用标准块规对系统进行标定并得到玻璃瓶实际的测量尺寸。实验结果表明,该方法不仅可使边缘检测达到亚像素级精度,还避免了人工反复选择阈值而造成的低效率与误判,实现了快速、准确、无接触测量实际尺寸的功能。     

彩色图像鲁棒聚类分割快速算法

给出一种具有鲁棒性的彩色图像聚类分割快速算法,以改善基于马氏距离聚类分割算法(MFCM)的实时性和抗噪性。利用彩色图像红、绿、蓝3通道分量构造三维直方图,统计出现频次不为零的灰度级组数目,用于取代像素值进行聚类。将图像像素邻域均值嵌入MFCM算法的目标函数,采用拉格朗日乘子法获取其迭代求解表达式,可得相应图像分割聚类算法。随机选取伯克利标准图像库中3幅彩色图像,添加不同强度的高斯噪声,进行分割测试。实验结果表明,改进算法对噪声图像的分割具有一定鲁棒性,对无噪声彩色图像分割相比MFCM算法具有更高执行效率。     

NSCT变换与空间约束模糊核聚类红外图像分割算法

红外图像成像模糊、易受噪声污染,分辨率低,采用标准的FCM分割算法会出现失效和误分割。通过对以往各种方法的研究,根据红外图像的特点及FCM算法的不足,提出采用在NSCT变换域进行去噪预处理与改进的FCM算法相结合的分割算法。首先对红外图像进行NSCT变换,在变换域,采用自适应阈值法去除各细节子带中的噪声,其次在FCM算法中引入核映射将数据映射到非线性空间中进行聚类划分,最后采用邻域信息修正当前像素的隶属度值,得到更准确的聚类结果。实验结果证明该算法较FCM、KFCM、SFCM聚类分割算法有更好的分割精度。     

一种基于改进PFCM的鲁棒图像分割算法

给出一种基于图形模糊聚类(fuzzy clustering method on picture fuzzy sets,PFCM)的改进鲁棒分割算法。该算法将样本聚类所对应的中立度和拒绝度相结合,构造幂积型表达式,将该表达式作为正则项嵌入聚类目标函数,通过目标函数最小化存在极值的必要条件获得改进的图形模糊聚类迭代方法。再将邻域像素灰度信息嵌入改进的图形模糊聚类目标函数,利用拉格朗日乘子法获得图像分割的像素聚类迭代算法。通过标准图像及噪声干扰的分割测试,结果表明,与模糊C-均值聚类、直觉模糊聚类算法和图形模糊聚类分割算法相比,改进算法对无噪图像分割更有效;与鲁棒模糊C-均值聚类和鲁棒直觉模糊聚类算法相比,改进算法对噪声图像分割具有更强的抗噪能力。     

基于改进FCM和径向基函数插值的图像修复

图像破损区域的检测提取是图像修复过程中的关键预处理步骤,模糊C均值聚类算法(FCM)在聚类过程中易受到初始聚类中心影响并陷入局部最优.提出一种基于差分演化的改进模糊C均值聚类算法(DEFCM),该方法通过建立图像的灰度-梯度直方图获取聚类数目,作为差分演化算法(DE)问题的维数,结合改进的FCM自适应提取图像破损区域,在此基础上,利用径向基函数插值方法(RBF)对图像进行修复.经实验验证,该方法能解决FCM算法陷入局部最优的问题,能正确、稳定的提取灰度图像的多种破损区域,RBF通过对破损区域的插值得到缺失信息,实现图像的修复.     

基于U-V视差算法的障碍物识别技术研究

介绍了U-V视差算法的数学模型和实现方法,给出了相应的实验结果.通过改进传统的U-V视差算法,引入直线拟合和聚类算法,使检测障碍物效率得到了很大的提高.实验表明改进后的U-V视差算法检测障碍物速度快、精度高,同时适合凹凸障碍物检测,是种较好的检测算法.     

改进的核空间直觉模糊C-均值聚类分割算法

针对鲁棒模糊局部信息C-均值聚类分割算法易丢失图像细节的问题,提出一种改进的核空间直觉模糊C-均值聚类算法。将像素空间邻域信息和直觉指数引入到鲁棒模糊局部信息C-均值聚类目标函数,给出改进的像素空间邻域信息约束的聚类目标函数,对其聚类目标函数最优化推导并得到新的隶属度和聚类中心迭代表达式,并设计相应的图像分割算法,以便提高图像局部信息的有效分割能力。实验结果表明,改进的核空间直觉模糊聚类分割算法相比现有鲁棒模糊局部信息C-均值聚类分割算法能获得更好的分割效果。     

基于空间矩的视觉图像基元特征提取方法研究

建立了三级灰度图像边缘模型的空间矩算子。首先利用LOG(Laplacian of Gaussian)算子定位速度快的特点,确定图像像素级边缘;然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线和椭圆边缘像素点;最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线和椭圆。对空间矩算子亚像素定位算法与像面直线和椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明,在测量速度相当的情况下,本文提出的算法具有较高的精度和稳定性。 更多还原     

图像色彩两级聚类归并算法

讨论纺织品ＣＡＤ／ＣＡＭ系统中的色彩预处理问题，提出了一种包括真彩色索引和伪彩色归并的两级色彩聚类算法，介绍了算法的实现流程，采用这种算法能够从源图像蝇获得“纯净”的工艺图像。     

基于改进的模糊C均值聚类算法的颗粒种子图像分割方法

针对利用模糊C均值聚类(FCM)算法进行农作物颗粒种子数字图像分割时的噪声敏感性问题,提出在传统FCM算法的目标函数中加入惩罚项来表示邻域像素值影响的方法,即利用图像的空间信息提高聚类准确性,并通过像素距离因子来修饰空间作用的方法,进行距离模糊加权因子对目标函数的改进.实验结果表明,利用改进的FCM算法在将颗粒种子图像从背景图像中分割出来时,抗噪声性能比传统FCM算法更好,程序运行耗时节省一半左右,准确率从93%提高到99%,为下一步利用机器视觉系统进行颗粒种子计数检测打下良好基础.     

基于最小二乘法的判别嵌入式聚类算法

改进判别嵌入式聚类算法,以提高其对高维大样本数据的聚类效率。先利用共轭梯度迭代方法求解以类标号编码矩阵为目标的最小二乘问题,得到数据的变换矩阵,对数据进行降维预处理,再进行判别嵌入式聚类。对数据的降维预处理可减少原算法的时间复杂度,提高聚类效率。     

基于二维直方图的中智模糊聚类分割方法

加入邻域像素均值,对中智模糊聚类分割算法加以改进,以提高其抗噪性能。将各像素与其邻域像素均值相结合,形成二元数组,统计其出现的频次,由此构造二维直方图。通过对此二维直方图进行中智模糊聚类,实现图像分割。对标准灰度图像添加椒盐噪声和高斯噪声,用以验证改进算法的性能。视觉效果及分割图像的峰值信噪比均显示,改进算法相比原中智模糊聚类分割法具有更好的抗噪能力和分割效果。     

改进全局 K-Means 聚类算法的汽车行驶工况研究

为有效促进汽车节能减排和新技术发展,文中提出了 一种改进全局K-Means聚类算法的汽车行驶工况构建方法,通过采集城市道路行驶工况的数据并对数据进行预处理,利用主成分分析法和改进的K-Means聚类算法分别对运动学片段中实验数据的12个特征参数进行降维和聚类,拟合出某城市汽车行驶工况.分析结果表明:拟合曲线的汽车运动特...