基于改进区域生长的水岸线提取方法研究

针对无人船在水面目标识别及视觉导航中涉及到的水岸分割问题,提出了一种基于改进区域生长的水岸线提取方法。首先在Lab颜色空间对图像进行阈值分割,得到水面种子点候选区域;然后通过构建最小二乘问题在种子点候选区域自动选取最优初始种子点,并基于图像标准差实现生长规则阈值自适应;最后依据初始种子点和生长规则进行区域生长,并对得到的水面区域进行边缘提取,从中分离出水岸分界线。采用该方法对水岸样本图像进行实验,通过相关系数和偏移误差对水岸线提取结果进行评价。实验结果表明,该方法能够提取出复杂环境下的水岸线,具有一定的鲁棒性,且基本满足实时性要求。     

基于感兴趣区域半自动提取的图像压缩的研究

为了减少图像数据的存储空间和传输时间,提出一种基于感兴趣区域半自动提取的图像压缩方法.与已有算法不同,该算法在对图像进行感兴趣区域分割时,并不是完全人工或者自动分割,而是基于手动的基础上结合区域生长的方法进行分割.得到较精确的感兴趣区域.在实验结果表明,该方法能在精确保存有用信息的前提下,得到较高的压缩比和较高质量的复原图像.     

基于肤色的人脸眼部区域图像自动分割方法*

眼睛是人脸特征最主要的构成部分。基于眼部特征的人脸检索不仅可以提高人脸识别和检测的速度,而且能够降低识别算法的复杂度。要提取眼睛特征,首先要检测眼睛并提取眼睛区域图像,本文选择了一种基于肤色的人脸眼部区域图像自动分割方法。直接对彩色人脸图像利用YCbCr空间下肤色的色度与亮度的相关性将眼睛位置定位出来,再根据眼睛位置分割得到人脸眼部区域的带状图像。通过对图像库中的1000幅彩色人脸图像进行试验检测表明,计算机分割一张图像眼部区域的平均时间为1.785s,对图像库中人脸眼部区域图像分割提取的成功率为99.37%。     

区域生长法在PCB元件分割中的应用

针对PCB图像中元件区域的提取,提出一种基于种子窗口和自适应生长阈值的区域生长算法,实现元件的自动分割.算法改进了以往区域生长算法中种子点的选取方法,并以初始种子点附近区域的统计值和已生长区域的特征相结合的方法自动确定生长阈值,分割过程兼顾元件的局部特征和全局特征.实验结果表明,基于种子窗口和自适应生长阈值的改进区域生长法具有较好的分割效果.     

基于改进区域生长的图像显著区域的提取方法

提出一种改进的区域生长方法来进行显著区域的提取。与以往基于像素或基于简单的NxN区域的方法不同．首先采用分水岭算法对原图像进行初始分割,利用显著图和区域的相对位置进行种子区域的自动选取,在生长过程中,将基于区域的相对边界强度,连接紧密程度与传统的区域颜色均值差异度准则相结合．构成新的区域可生长度评价函数。实验结果表明．该方法与现有算法相比,有效提高图像感兴趣区域提取的准确性。     

虚拟图像特征融合误差控制算法仿真

为使VR图像呈现更大的视场角，需利用镜头反畸变方法优化图像视觉效果，此过程易发生特征畸变。为及时矫正特征畸变，提出VR图像特征融合误差半监督校正算法。提取图像特征，获取误差定位区域。在定位区域中预测特征融合误差。误差数据在支持向量机的辅助下，通过半监督式学习算法对分类器完成训练，分类所有误差特征，最终计算出每种误差的校正系数，实现VR图像特征融合的误差校正。实验结果表明，所提算法的校正准确率始终稳定在90%～100%,在100组迭代实验中所提方法的误差预测精度可达90%以上，校正所需时间更短，均值为0.20s。     

用于个性化人脸动漫生成的自动头发提取方法

针对个性化人脸动漫自动生成的应用背景,提出了在单幅人脸图像中提取头发区域的方法.首先用手工标记训练图像中的头发区域,计算头发位置分布图像和头发颜色的概率分布函数;其次对于测试人脸图像结合头发位置和头发颜色的先验分布构建能量函数,采用割图法对该能量函数进行优化得到初始头发区域;最后利用K-均值算法对初始头发区域进行精细分割,并结合图像后处理算法得到最终的头发区域.实验结果表明,文中方法运算复杂度较低,处理一幅图像的平均时间为300ms左右,头发区域的平均检测准确率超过90%,基本满足个性化人脸动漫自动生成的需求.     

可计算的图像美学分类与评估

可计算图像美学的研究目的是希望计算机能够模拟人类的视觉系统与审美思维,对图像进行美学价值的判断.以摄影图像为研究对象,首先通过显著区域检测将图像划分为整体区域和关键区域,提取有效的低层视觉特征、高层美学特征和区域特征;然后以人对图像的主观美感评分为基础,采用机器学习的方法建立图像美感等级分类器和美学分数评估模型,实现了高、低美感图像的自动分类,并能对图像的美学分数进行自动评估.在美学图像数据库上的实验测试结果显示,高、低美感分类模型的平均分类准确率为75.37%;美学分数自动评估模型的结果与人的主观审美评分之间的相关性为0.790,均方根误差为0.244;该结果符合人类对图像的审美感知.同时,通过与其他算法进行对比实验,结果表明文中算法更为有效.     

基于粗糙集的图像感兴趣区域自动提取算法

在分析常规区域生长算法的基础上,提出一种基于粗糙集理论的感兴趣区域自动提取算法．在显著度图和相对位置指示图的基础上,以像素点的显著度、相对位置及颜色信息构成知识表达系统,通过属性约简和值约简,导出了有用的区域生长决策规则。实验结果表明：该方法与现有算法相比,它能够更好地提取图像感兴趣区域。     

边缘检测和区域生长相结合的图像ROI提取方法

自然彩色图像感兴趣区域的提取与分析,对图像处理有着重要的意义.针对自然彩色图像,提出一种边缘检测和区域生长相结合的感兴趣区域提取方法.彩色图像经过预处理后,首先采用基于相位信息的方法来检测边缘.得到图像的大致区域分布.然后再结合边缘信息自动获得种子点,实现阈值的自适应确定进行区域生长.生长结果再经过后续处理最终得到感兴趣区域.实验结果表明,该方法能够更加精确、快速地对自然彩色图像进行处理,得到较好的结果.     

基于决策树分层分类法的粉煤灰堆场信息提取研究

粉煤灰污染环境,危害人类健康。应用遥感方法快速、实时、准确地识别粉煤灰堆场信息,对保护环境和人类健康具有重要意义。通过分析包头市辖区内典型地物的光谱信息,基于Landsat 5 TM影像数据,采用决策树分层分类法对研究区内的粉煤灰堆场进行提取实验。首先,分析研究区内典型地物的光谱特征,对不同地物之间的关系进行比较。其次,建立决策树,利用土壤调节植被指数(SAVI)、改进归一化差异水体指数(MNDWI)、归一化建筑指数(NDBI)以及光谱阈值法对图像进行了分类。最后利用形状特征和空间位置特征等对分类图像进行后处理,分类精度达到70.7%。实验结果表明:该方法适合粉煤灰堆场信息的自动提取,结合目视解译能够达到较高的识别精度。     

基于水平集和形状描述符的腹部CT序列肝脏自动分割

肝脏分割是计算机辅助肝脏疾病诊断的重要前提和基础.本文提出了一种新的基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法.首先,对原始腹部CT序列图像进行预处理,去除与肝脏不相关的器官和组织.然后,利用灰度偏移场,结合周长项、距离正则项和相邻切片肝脏分割结果构建水平集能量函数,实现CT序列肝脏自动分割.为避免分割误...     

基于面积稳定性与形状属性的杆状区域分割*

针对不同光学环境下模糊图像和复杂形状交叠图像中目标区域的分割问题,研究了基于属性形态学分析的杆状区域的滤波和提取方法。应用连通域的面积稳定性和形状属性特征对模糊边界的杆状目标进行滤波,连通域变换中的面积稳定性有效控制粘连细胞等大区域的形成,而形状属性以个体模板目标有效规约连通域的生长和修剪。实验表明：组合属性形态学方法有效地排除了非杆状物等背景干扰,有效分割出的目标像素达90%左右,识别出的目标区域达96%。该方法有效提高了用连通域表示的特定形状区域的分割精度和鲁棒性。     

水平集分割方法在合成孔径雷达图像目标识别中的应用

正确分割目标、提取目标的有效特征是合成孔径雷达图像目标识别中的一个关键问题。将水平集图像分割方法应用于合成孔径雷达图像目标识别,将目标图像中的目标区和阴影区从背景杂波中分割出来,其中目标区的形状作为目标的有效特征用于基于模板匹配的目标识别中。用MSTAR数据库中的3类目标的图像数据对该方法进行验证和分析,实验结果表明,在基于模板匹配的目标识别中,该分割方法可提取出有效的目标形状特征,实现目标的正确识别。      

Biometric recognition using 3D ear shape

Previous works have shown that the ear is a promising candidate for biometric identification. However, in prior work, the preprocessing of ear images has had manual steps and algorithms have not necessarily handled problems caused by hair and earrings. We present a complete system for ear biometrics, including automated segmentation of the ear in a profile view image and 3D shape matching for recognition. We evaluated this system with the largest experimental study to date in ear biometrics, achieving a rank-one recognition rate of 97.8 percent for an identification scenario and an equal error rate of 1.2 percent for a verification scenario on a database of 415 subjects and 1,386 total probes.     

Shape-Based Object Detection via Boundary Structure Segmentation

We address the problem of object detection and segmentation using global holistic properties of object shape. Global shape representations are highly susceptible to clutter inevitably present in realistic images, and thus can be applied robustly only using a precise segmentation of the object. To this end, we propose a figure/ground segmentation method for extraction of image regions that resemble the global properties of a model boundary structure and are perceptually salient. Our shape representation, called the chordiogram, is based on geometric relationships of object boundary edges, while the perceptual saliency cues we use favor coherent regions distinct from the background. We formulate the segmentation problem as an integer quadratic program and use a semidefinite programming relaxation to solve it. The obtained solutions provide a segmentation of the object as well as a detection score used for object recognition. Our single-step approach achieves state-of-the-art performance on several object detection and segmentation benchmarks.     

一种基于聚类和统计分析DNA基因芯片图像处理算法

DNA基因芯片可以同时监控成千上万个基因的表达信息。图像分析是基因芯片试验中一个重要的环节,直接影响到其后续的处理、分析和研究,比如鉴别预测具有不同表达信息的基因功能。基因芯片图像分析包括三个步骤:图像网格化,图像分割以及信息抽取。该文主要研究分割和信息抽取问题。首先基于K-Means聚类技术提出了一种新的分割方法;其次基于统计分析文章建议了一种新的背景和前景分割校正方法用于更准确的信息抽取。新方法的优点是对于基因芯片中spot图像没有任何形状限制。实际图像分析结果与目前最流行的基因芯片图像分析软件GenePix对比研究表明该文算法是精确有效的。     

基于大规模船舶轨迹数据的航道边界提取方法

传统的道路数据获取方法成本高、更新慢等无法适用于海洋航道的获取，从众源轨迹数据中提取道路或航道信息具有成本低、更新快等特性，然而，由于船舶轨迹数据噪声多、数据量大、不同区域分布不均使得航道边界提取面临较大挑战。针对该问题，提出一种基于大规模船舶轨迹数据进行航道边界提取的方法。首先对大规模的船舶轨迹数据进行并行化去噪、插值、轨迹分段；然后，基于并行化及基于Geohash编码的空间聚类，将轨迹数据化简为多个方形区域的点集数据；其次，对其进行窗口划分，对传统的NiBlack方法进行扩展，提出SpatialNiBlack算法，对方形区域进行航道识别；最后，提出一种新的提取算法del-alpha-shape，基于航道识别结果获得航道边界。理论分析与实验结果表明，所提方法在最大密度值是200，最小密度值是10，窗口长和宽分别为5和5时，可同时达到86.7%的准确率和79.4%的召回率。实验结果表明，该方法可以从大规模的轨迹数据中提取有价值的航道边界，是一种有效的航道提取方法。     

无人机摄影测量点云道路自适应提取

在无人机摄影测量中, 针对传统的地面点云提取方法对图像点云数据中的道路提取适应性较差的问题, 本文提出了一种无人机摄影测量点云道路自适应提取方法. 首先, 根据点云的空间几何特征将点云划分为3个类别; 然后, 针对非道路的点云类别采取相应的方法进行剔除; 最后, 对经过自适应提取方法得到的点云数据进行滤波平滑和基于颜色的区域生长分割处理. 实验结果表明, 该方法提取的道路点云的I类误差为4.97%, II类误差为1.14%. 该方法能够有效地提取目标道路路面, 提高了无人机摄影测量工程应用中点云数据处理的效率.