基于各向异性滤波耦合形状质心相对角位置的图形检索算法

基于形状的目标检索技术难以检测噪声轮廓,无法兼顾表示其全局与局部显著性,导致检索精度不高。为此,提出一种图形检索算法。通过引入各向异性滤波,设计图形显著性检测算子,平滑噪声点与保留高曲率特征点,精确检测其形状显著性点,考虑形状轮廓点的总数与显著性位置,基于形状质心,定义相对角位置计算模型,并联合曲率函数,确定每个显著性点的表示值,将形状全局特征嵌入到局部细节中,联合动态规划算法,构建形状显著性相似度测量模型,进行特征点匹配,完成图形检索。测试结果表明,与基于形状的图像特征描述符相比,该算法具有更高的检索精度与更强的鲁棒性。     

基于曲率匹配的细胞几何形状特征提取方法

细胞轮廓的几何形状是细胞学涂片判读的重要参考,对研究宫颈病变的计算机辅助诊断具有重要意义。针对现有基于形状模板匹配的几何形状识别方法鲁棒性较差的问题,提出了基于曲率匹配的几何形状特征提取方法,通过比较模板轮廓和待识别轮廓的曲率,计算曲率曲线之间的相似度,进而得到细胞轮廓的形状特征,并采用依次旋转轮廓选取最佳匹配的方法来解决轮廓方向不一致的问题,采用以面积等效圆的半径比作为放大比率进行轮廓缩放的方法来解决轮廓大小不一致的问题。通过相关实验证明了该方法所提取的几何形状特征具有尺度不变性和旋转不变性,并与改进Hausdorff距离进行了实验对比,结果表明提取的形状特征能更加准确地识别出细胞轮廓的几何形状。     

一种基于模糊决策的开关矢量中值滤波方法

针对现有的彩色图像脉冲噪声去除方法没有区分滑动窗口中的像素是否为噪声像素而导致滤波效果差的问题, 提出一种基于模糊决策的开关矢量中值滤波方法。该方法首先利用开关条件判断像素是否被污染, 针对被污染的像素, 通过模糊数学理论构造适合脉冲噪声去除的隶属函数; 然后计算滑动窗口内所有像素的模糊隶属度, 并根据置信区间去除疑似噪声像素以优化滑动窗口的取值空间; 最后对优化后的滑动窗口应用矢量中值滤波(VMF)以去除噪声像素。与现有方法相比, 新的方法去除了滑动窗口中心像素的邻域疑似噪声, 从而有效提升了滤波效果。实验验证了该方法的高鲁棒性和实用性。     

基于二维小波变换的圆形算子虹膜定位算法

为了提高虹膜定位的准确率和速度,提出了一种基于二维小波变换的Daugman圆形算子虹膜定位改进算法。首先采用阈值法分割瞳孔,使用边缘检测算子检测瞳孔区域边缘定位虹膜内边缘,然后采用二维小波变换对人眼图像处理以降低图像分辨率,以代替Daugman圆形算子中的平滑函数处理,最后采用圆形边缘检测算子计算滑动窗内的圆形边缘,比较滑动窗口的圆内区域与圆外区域的灰度均值来定位虹膜外边缘。仿真结果表明该算法定位虹膜内外边界的平均时间为1.85s,准确率为99.6%,在虹膜识别系统中有较高的实际应用价值。     

可变半径Alpha Shapes提取机载LiDAR点云建筑物轮廓

目的 机载激光雷达（light detection and ranging,LiDAR）能够快速获取建筑物表面的3维点云,为提取建筑物轮廓提供重要的数据支撑,但由于激光脚点的随机性和点云自身的离散性,常规固定半径Alpha Shapes（A-Shapes）算法难以兼顾轮廓提取的精细度和完整度,且在点数量较大情况下计算效率较低。因此,提出一种基于网格的可变半径Alpha Shapes方法用于提取机载LiDAR点云建筑物轮廓。方法 对3维点云进行投影降维,对投影后2维离散点的范围构建规则格网,接着根据网格内点云填充情况筛选出边界网格,计算边界网格的平滑度并加权不同的滚动圆半径,再以边界网格为中心生成3×3邻域网格检测窗口,利用滚动圆原理提取窗口内点集的边界点,迭代检测直到所有边界网格遍历完成,最后获取点云的完整轮廓。结果 在精度评价实验中,与固定半径A-Shapes方法和可变半径Alpha Shapes（variable radius Alpha Shapes,VA-Shapes）方法相比,若建筑物以直线特征为主且边缘点云参差不齐,则本文方法的提取效果不理想;若建筑物含有较多拐角特征,则本文方法的提取效果较好。在效率评价实验中,与A-Shapes方法、VA-Shapse方法以及包裹圆方法相比,若点云数据量较小,则4种方法的耗时差距不大;若数据量较大,则本文方法和包裹圆方法的耗时远小于固定半径A-Shapes方法。实验结果表明,本文提出的轮廓提取方法适用于多种形状的建筑物点云。从轮廓完整性、几何精度以及计算效率等几方面综合考虑,本文方法提取建筑物点云轮廓效果较好。结论 本文提出的基于网格的可变半径Alpha Shapes建筑物点云轮廓提取方法结合了网格划分和滚动圆检测的优点,能够有效提取机载LiDAR建筑物点云顶部轮廓,具有较高的提取效率和良好的鲁棒性,提取的轮廓精度较高。     

改进Snake模型在病灶轮廓提取中的应用

提出了用改进Snake模型－GVF（Gradient Vector Field）Snake模型来实现医学图像病灶轮廓的提取,结合高斯平滑滤波、交互式给定初始轮廓点等方法提高轮廓提取的精度。该方法与传统的轮廓提取方法相比,具有捕获范围广、对噪声不敏感的特点,特别适合噪声大、位置不确定、形状不规则的病灶轮廓的提取。实验表明,采用该方法能有效地提取病灶轮廓,在临床上有广泛的应用前景。     

基于GLRT的光学卫星遥感图像舰船目标检测

传统的CFAR检测应用到光学卫星遥感图像舰船目标检测中时不能对黑极性目标进行判断,针对此提出改进的基于广义似然比检验(Generalized Likelihood Ratio Test,GLRT)的舰船目标检测算法。该算法采用滑动窗口检测形式,在假设背景和目标灰度均服从高斯分布的前提下,通过GLRT判断背景窗口与目标窗口是否同分布来检测目标,兼顾了目标黑白两种极性的情况。算法实现中对图像进行了分块检测,并通过形态学处理对检测结果进行了目标聚类。采用SPOT5与CBERS实测数据进行实验,验证了海背景服从高斯分布的假设。典型数据检测结果表明,该算法可以检测黑极性目标,且相比CFAR虚警率更低,大量数据计算ROC曲线的结果以及比CFAR检测少约40%的耗时进一步表明该算法性能更优。     

基于轮廓尖锐度的图像角点检测算法

角点是图像轮廓线最重要的特征,为了准确而快速地检测角点,提出基于轮廓尖锐度的计算方法。该算法在多尺度空间中对轮廓曲线进行高斯平滑,在局部支撑区域内计算轮廓每一点的尖锐度,结合角点筛选规则确定角点。数学推导表明该算法具备合理性和可行性。实例分析表明其抗干扰性好、运算量小、定位准确。     

单像素宽度目标轮廓提取的实现

在人脸检测、火灾识别等应用中,应用物体的轮廓特征来检测和定位目标物体是一种有效的方法.本文提出一种基于连通区域面积阈值化的实现算法,可以同时实现噪声消除与轮廓提取,并据此定位图像中的物体目标.实验结果显示,只要噪声面积没有超过物体面积,应用该算法即可实现噪声完全消除,并能够得到连续的无交叉的单像素宽度的物体轮廓,且轮廓不变形.     

基于轮廓的形状射线描述模型

提出一种新的基于轮廓的形状描述和匹配方法。提取物体的轮廓并在轮廓上进行等间隔采样,利用参考点到采样点的距离、采样点处的轮廓方向及采样点间的空间关系来直观地表达目标的形状特征;通过在不同尺度、方向和位置进行最大表决来获得形状匹配的尺度、旋转和平移不变性;提出了结合局部和整体特征的相似度评分机制来实现目标的匹配和检测。实验表明,形状的射线描述模型不仅能对具有清晰轮廓的目标进行有效的检索和匹配,也可在复杂的图像背景中检测目标。     

第二小方向导数信息熵的兴趣点检测

目的 为了提高兴趣点检测的定位准确性和对噪声的鲁棒性,提出利用图像轮廓线及其邻域内像素点方向导数信息熵检测兴趣点的方法.方法 首先利用多方向Gabor虚部滤波器提取图像灰度变化信息得到第二小方向导数.然后利用Canny边缘检测器提取边缘映射,并填补断裂边缘映射提取边缘轮廓线.最后求解图像边缘轮廓线及其邻域内像素点对应的第二小方向导数所对应的信息熵归一化值并作为新的兴趣点测度.和直接由灰度变化信息及分析边缘轮廓形状或曲率提取兴趣点的方法相比,本文算法结合了两种算法的思想,利用轮廓线上及其邻域内的像素点梯度方向信息熵值作为兴趣点测度.同时不同于同质及边缘区域的梯度方向变化,兴趣点处的梯度方向变化信息呈现各向异性的特性,利用兴趣点第二小方向导数(第一小方向导数可能为零)对应的信息熵值作为新的兴趣点测度可提高算法的定位准确性.结果 通过对检测图像进行仿射变换和加入高斯噪声处理后,分别利用Harris算子、CSS算子、He&Yung算子和本文算法提取图像兴趣点,并比较各算法在仿射变换和高斯噪声情况下检测到的兴趣点的平均重复率和定位误差两个性能指标的平均值.其中本文算法的性能指标平均值为1.625,远高于Harris(3.25)、He&Yung(2.625)和CSS(2.5)三大兴趣点检测算子.结论 通过与典型的3种算法相对比,本文算法具有较好的平均重复率及噪声鲁棒性,尤其是图像在外界干扰的旋转变换和尺度变换下对兴趣点的定位性有着更好的检测性能.     

多工件拼接焊缝面结构光滑度的视觉检测技术研究

由于多工件拼接焊缝面结构光滑度检测过程中,受其拼接面复杂且图像存在噪声,导致细节特征不明显,从而使检测精度、效率降低。为此,提出多工件拼接焊缝面结构光滑度的视觉检测技术。采用字典学习方法消除焊缝面图像中存在的噪声；将其输入MRFENet网络,提取图像特征,实现焊缝面图像的增强处理；采用增量二维主成分分析提取焊缝面结构的光滑度特征,实现光滑度检测。实验结果表明,所提方法图像处理效果好、检测精度高、检测效率高。     

血管内超声图像序列的边缘自动检测方法

针对具有强背景噪声及伪影干扰的血管内超声图像,提出一种自动提取血管壁内外膜边缘的新方法.利用图像序列的空间和时间相关性对噪声进行抑制,在GVF-Snake模型中引入调节因子和自适应法向外力,扩大边缘的捕捉范围,以提高活动轮廓对噪声的鲁棒性和提高图像提取精度,同时利用三次B样条增强边缘平滑性,加快收敛速度.实验结果表明,该方法的检测准确性较高,运行时间较短.     

引入形状统计先验的轮廓提取的概率方法

提出了轮廓提取的概率方法,同时将物体形状的统计先验信息和轮廓线的平滑性结合到轮廓的概率估计中．首先应用主元分析对低维空间概率采样生成高维形状统计分布的样本,根据形状样本得到轮廓控制点样本,而后结合描述平滑性的先验概率,运用序列蒙特卡罗方法实现轮廓估计．对实际拍摄的人手图像的实验表明,针对特定的形状,该方法在杂乱背景、遮挡和强噪声干扰情况下依然能够得到满意的物体轮廓线．     

视频图像活动轮廓目标检测跟踪研究

研究视频图像目标跟踪定位精确度问题。由于在图像中通常会发生缩放,造成图像目标模糊不清。传统的目标跟踪算法该类算法仅以目标发生平移运动为假设前提,图像质量差。为解决上述问题,提出了一种活动轮廓目标跟踪定位检测算法。首先选择合适的滑窗,采用减背景法来确定视频对象的运动区域,采用卡尔曼形态滤波来消除残余的噪声,然后针对目标在活动轮廓局部内具有较高灰度值的特征,通过自适应阈值来判别滑窗中心位置是否存在目标。当滑窗遍历整幅图像后,就可以得到目标的定位结果。仿真结果表明,改进算法不仅能够消除差分图像中的显露背景,从而得到运动视频对象精确的轮廓,并且可进行多目标的分割与跟踪,具有一定的实际应用价值。     

轮廓检测的图像检索方法

在图像检索领域中,形状特征是图像的最重要视觉特征之一,利用形状特征进行检索可提高检索的准确性,但形状边界的自动提取一直是图像处理领域多年的难题。为了提高图像精度和准确性,提出一种基于轮廓检测的图像检索方法,首先用色彩聚类的方法对图像进行预处理,对有意义的聚类区域进行边缘追踪,然后采用基于Snake轮廓检测的算法完成图像分割,提取底层形状特征并用傅立叶描述子加以描述,进行相似度匹配。引入支持向量机的相关反馈算法来提高检索精度。实验结果表明了方法的有效性。     

基于Blob算法的标记圆检测技术研究

大型物体的三维测量中,大多采用基于标记圆的拼接,标记圆检测的正确性和定位精度决定了拼接的精度。在二值化图像上运用Blob分析得到标记圆的轮廓信息,综合使用标记圆灰度特性、尺寸特征、圆形度和误差准则来筛选标记圆,圆心定位采用具有亚象素定位精度的最小二乘拟合法。实验表明该方法抗干扰强,标记圆的识别率可达98%。     

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。