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。     

基于连通域标记的原油乳状液粒径检测算法

检测原油乳状液液滴粒径、观测粒径分布在石油化工过程系统工程中有着非常重要的作用.探讨了现有粒径检测方法,提出基于连通域标记的原油乳状液粒径检测算法.通过图像滤波和二值化操作,对原油乳状液图像进行预处理后,经过连通域标记和等价标记替换处理,获得原油乳状液粒径显微已标记图像,分析已标记图像中的连通域,计算液滴个数和粒径大小,统计液滴粒径分布.在实际图像上的实验结果表明,该算法可以顺利完成原油乳状液内液滴粒径计算和统计,且较现有算法准确率高、占用内存空间小.     

基于 ＦＰＧＡ 的快速连通域标记算法

连通域标记是运动目标实时检测系统中的关键部分,从速度和存储空间等方面对已有连通域标记算法优化,可提高系统的实时性。基于此,提出了一种基于现场可编程门阵列（FPGA）的快速连通域标记算法。首先在光栅扫描过程中记录游程行列信息;然后实时合并连通游程信息并提取已结束连通域的特征信息;最后将特征信息叠加在图像上,实现对各连通域的标记。该算法仅通过一次扫描即可得到连通域特征信息,利用FPGA片上随机存取存储器（RAM）地址信息区分各连通域,不产生等价标号与临时标号。实验结果表明,该算法能快速准确的标记各连通域。对于分辨率1920×1080图像,仅需要76.63kbit的片上RAM资源,单帧处理时间不超过20.76ms,对于全高清视频输入亦能满足实时性要求。     

高效的一遍扫描式连通区域标记算法

二值图像的连通区域标记算法是图像处理的一个基本问题。为了提高算法的效率,以Suzuki等人提出的多遍扫描算法为基础,提出了一种快速的一遍扫描连通域标记算法。算法通过对图像做一次正向扫描,先计算出每个当前像素所在邻域内的最小标号,再利用一个递推过程,查找该连通域中具有较小标号的结点,将被更新结点所在连通分支连接到该结点,以保证等价信息不损失。同时,用最小标号更新递推查找路径上结点的临时标号,以减小分支的深度。通过对连接表的更新使每个结点获得最终标号。算法不需要动态数据结构和递归过程的支持,需要的存储空间较小,算法比原算法速度提高了近2倍,也快于近期提出的一些基于游程的算法。     

基于递归的二值图像连通域像素标记算法

在研究以前二值图像连通算法的基础上，提出了一种基于递归方法的二值图像连通域像素标记算法。通过对二值图像的扫描和分析可得到二值图像中的连通域划分和连通域的数目。算法主要包括两个步骤：对输入的二值图像进行一次扫描，得到所有目标像素的连通域划分和标记的等价对表；利用递归对等价对表进行分析，得到正确的连通标记划分和连通区域数目。实验结果表明，该算法对于任意复杂形状、任意数目(小于1 000)的连通区域都能正确检测。     

一种二值图像连通区域标记的新方法

二值图像连通区域的检测和标记在图像分析中是十分重要的步骤,高效的连通区域标记算法能大大提高图像处理速度。针对此,提出一种新的基于游程编码的连通体标记算法。扫描图像,记录所有的游程编码并将等价对添加到等价对链表中。通过递归方法对等价对链表进行分析,得到旧标记和新标记之间的映射关系,并修正得到的游程编码标记。与几种传统方法和两组改进方法的对照实验表明该算法是更高效的。     

一种二值图像连通区域标记的新算法

在线标记和区域增长的基础上提出了一种二值图像连通区域标记的快速算法。该算法综合了线标记法和区域增长法的优点，对图像进行一次扫描就可以标记所有连通区域，避免了重复标记问题；同时该算法不受标记的区域形状影响，具有良好的鲁棒性。提出对此算法的进一步优化策略，有效地降低了其搜索次数。最后与传统算法进行了比较，试验结果表明该算法是快速和高效的。     

基于地址-事件表示的高速二值连通域标记方法

为提高二值连通域标记的速度,将地址-事件表示AER（Address Event Representation）思想引入到二值图像处理,提出了一种基于事件对等价标号的二值连通域标记方法。该算法无需多次遍历图像中的背景点和冗余目标点,首先将待标记的连通域以AER“事件对”的方式编码保存,通过“事件对”的遍历生成临时标号和等价标记表;然后根据等价表修改临时标号;完成标号映射后最终实现连通域标记。整个算法只处理极低冗余的事件信息,避免了对全图像素的重复扫描与处理。实验结果表明,图像以AER“事件对”方式存储,数据量仅为全帧图像的10%~35%,有较高的压缩比;且该算法速度快,可达到了传统基于等价标号算法的1.5~8倍。     

基于标号回传的二值图像连通体标记算法

提出一种基于游程标号回传的二值图像连通体标记算法,该算法以游程为处理对象,将目标结构中的标号传播到游程结构中,进行游程连通性判断,将与当前游程连通的游程中最小值回传到对应的目标结构中,确保在同一连通域中有相同的根标号,进而完成二值图像标记。该算法对二值图像可以实现一次性标记,同时完成连通区域的面积、质心等特征信息的提取。具有占用内存小、实现简单、能标记任意复杂连通区域的优点,可用于红外弱小目标的检测。     

基于等价对的图像连通域标记算法

在研究已有的连通域标记方法的基础上,提出了一种基于等价对的连通域标记算法.算法通过一次扫描对灰度图二值图像的每个前景像素点进行标识并保存等价对表,在满足等价对替换条件时对已标识过的像素点进行等价对替换,解决了重复标记的问题,最终得到二值图像连通域的划分.本文的连通域标记算法可有效应用于活动目标检测中.     

A linked list run-length-based single-pass connected component analysis for real-time embedded hardware

Conventional connected component analysis (CCA) algorithms render a slow performance in real-time embedded applications due to multiple passes to resolve label equivalences. As this fundamental task becomes crucial for stream processing, single-pass algorithms were introduced to enable a stream-oriented hardware design. However, most single-pass CCA algorithms in the literature inhibit maximum streaming throughput as additional time such as horizontal blanking period is required to resolve label equivalence. This paper proposes a novel single-pass CCA algorithm, using a combination of linked list and run-length-based techniques to label and resolve equivalences as well as extracting the object features in a single raster scan. The proposed algorithm involves a label recycling scheme which attains low memory requirement design. Experimental results show the implementation of the proposed CCA achieves one cycle per pixel throughput and surpasses the most memory-efficient state-of-the-art work up to 25 % reduction in memory usage for \(7680\times 4320\) pixels image.     

一种改进的运动目标标记算法

针对多运动目标跟踪的实时性要求,对运动目标标记的速度要求也越来越高,在区域增长算法和线标记算法的基础上,结合两者的优点,提出一种新的基于链表的二值图像标记算法。该算法对图像进行一次扫描就可以标记出所有的连通区域,而且很好的解决了一般算法在扫描过程中出现的标记冲突的问题。对各种图像都具有很好的效果,而且算法在速度上也有提高。     

新的连通域标记方法及其在医学图像中的应用*

为了提高诊断的准确率和效率,提出了一种新的连通域标记算法,同时对医学图像中感兴趣区域进行连通域标记和区域特征提取。该算法先对读入二值图进行边界提取,再对边界进行跟踪和标记,利用图像重构的方法对边界进行区域填充,并将属于同一连通域的边界进行归类,即重新排列标记号,最后对连通区域的形态特征进行提取。实验证明,该算法不但能正确标记任意复杂形状的连通域,运行速度较快,而且对连通区域进行了特征提取,现已应用到医学图像处理的多个方面,为下一步的图像处理奠定了更好的基础。     

一种基于游程码的并行区域标记算法

区域标记是图像处理中常用的方法,为了满足实时图像处理要求,提出了一种基于游程码的并行区域标记算法.该算法采用带状方式划分子图,各计算节点先通过基于游程码的方法对子图进行本地标记,然后管理进程再通过计算子图边界游程码的连通关系完成全局标记.实验表明,该算法结果正确,性能较好,效率较高,具有近似于线性的加速比。     

一种新的二值图像连通区域准确标记算法

在分析已有区域标记算法的基础上,提出了一种新的二值图像连通区域准确标记算法。顺序扫描和标记二值图像的各个像素点,准确判断标记过程中出现的标记冲突,并建立标记冲突的模型,在算法中增加回溯扫描算法,消除标记冲突引起的标记误差。实验证明该算法可以准确标记出各种形状的连通区域,和已有算法相比扫描重复率低、运行准确、速度快,具有很好的应用前景。     

Delphi扫描线的快速图像处理

传统的图像处理一般采用像素点赋值的方法,处理速度极慢,对于大型图像几乎无能为力,而Delphi扫描线方法是对图像的每一行进行扫描,获得各像素的内存地址。这种内存操作比常规的像素点赋值效率高很多,从而可以大大提高大型位图图像的处理速度。     

基于深度学习的实时图像目标检测系统设计

针对图像目标检测的嵌入式实时应用需求,采用合并计算层的方法对基于MobileNet和单发多框检测器(SSD)的深度学习目标检测算法进行了优化,并采用软硬件结合的设计方法,基于ZYNQ可扩展处理平台设计了实时图像目标检测系统。在系统中,根据优化后的算法设计了一款多处理器核的深度学习算法加速器,并采用PYTHON语言设计了系统的软件。经过多个实验测试,深度学习目标检测系统处理速度可以达到45FPS,是深度学习软件框架在CPU上运行速度的4.9倍,在GPU上的1.7倍,完全满足实时图像目标检测的需求。     

海量遥感分类图连通域标记方法

针对遥感影像数据量大的特点,设计并实现了一种针对海量遥感影像分类图的连通域标记算法。通过对影像进行合理高效的分块,解决海量数据处理过程中对大内存的要求。对读入内存中的数据,采用了基于队列的种子填充算法进行连通域标记,通过采用贯序连通域标记算法中的冲突表机制,解决因分块之间隔离而造成的同一连通域标记不同的问题。该方法具有可以处理海量数据、对分类结果数据仅仅访问一次、无须对生成的结果进行重新标记就可以完成连通域的标记、可以获取连通域的基本统计信息等特点。实验结果证明了该方法的高效性。