改进的利用门限的分水岭图像分割算法

分水岭变换的一些优秀的性质使它在许多不同的图像分割应用中非常常用:它简单并且具有直观性,可以并行实现,并且总是产生完整的图像轮廓.然而,它仍然有许多缺点(过度分割,对噪声敏感,难于检查出细结构物体或者低信噪比的结构).本文提出一种改进的使用门限的分水岭算法来在不同程度上克服分水岭的这些缺陷.我们把该算法应用在三类图片上,一种具有复杂结构,一种具有低对比度,一种有低的信噪比.本文展示了该算法的分割结果,展示了该算法在这几类图片上出色表现.     

自适应FCM算法在图像分割中的应用研究

针对目前还没有较好的方法确定模糊C均值FCM聚类中C值和各个初始聚类中心这一问题,提出一种先用进化聚类快速确定初始聚类中心和聚类个数C,后用模糊C均值FCM聚类的算法,算法时间复杂度和空间复杂度与C均值FCM基本相当。应用该算法在人物图像和遥感图像中进行了分割实验验证,算法在分割的准确性和模糊边界的分隔上取得令人满意的效果。     

无人机飞行过程中图像定位算法研究

针对在GPS(全球定位系统)失效的环境中无人旋翼直升机定位问题,提出基于视觉的迭代定位算法。采用改进的SIFT(尺度不变特征转换)图像匹配算法得到匹配点坐标,再经过坐标变换解算得到无人机三维坐标信息。改进SIFT算法中的关键点特征描述符由128维降低到64维,K-means聚类算法的应用减少了关键点的数目,从而减少了匹配时间而且去除了不必要的点,提高了匹配精度。算法实现阶段匹配点的选择利用了一幅图像匹配两次的思想,前后两次匹配结果中找到相同的特征点用于下一步的位置解算,使得算法能自动从大量特征点中找到所需要的点。仿真实验计算出无人机位置相对误差不超过4%,验证了定位算法的有效性和可靠性。     

基于距离变换的改进分水岭算法在白细胞图像分割中的应用

在白细胞图像中,由于白细胞细胞核的存在,直接应用分水岭算法时,往往达不到较好的效果。本文提出一种结合EM聚类的改进分水岭算法。通过将EM聚类获得的图像中细胞核区域替换,然后使用基于距离变换的分水岭分割,确定白细胞区域。对距离变换后的图像采用形态学处理减少了细胞分割中的过分割现象。同时使用细胞核位置的先验条件,合并分水岭分割区域,进一步减小过分割的影响。本文方法提供一种新的将分水岭算法应用于白细胞分割的思路。同时实验证明,方法在分割精度上有着良好的表现。     

一种CT医学图像分割新算法

针对临床辅助诊断的需要,提出了一种结合传统分水岭算法和新型核聚类算法的CT医学图像分割新算法。首先,通过分水岭变换,CT图被分割成不同的小区域。然后,根据改进的KFCM算法,利用Mercer核将各个小区域的平均灰度值映射到高维特征空间,使得原来在分水岭算法分割图中未显示出来的特征显现出来。通过此方法,相较于传统核聚类(KFCM)算法,我们可实现更准确的聚类,并有效解决分水岭算法分割CT医学图像的过分割问题,因此能取得更好的分割效果。实验结果显示,本文方法能够很好分割腹腔CT图,获得更清晰的分割图像。     

基于FFCM和分水岭算法的图像分割方法

提出了一种将FFCM算法与分水岭算法相结合的图像分割方法。针对均值聚类算法没有考虑图像空间信息的欠缺,本文将分水岭分割方法与均值聚类法相结合。由于分水岭分割后的图像灰度分布较为集中,故采用了快速模糊C均值聚类,并根据实验过程中得出的数据,分析了FFCM与FCM计算量的差别。最后将本文所采用的算法编程实现,得出了较为满意的分割结果。     

改进的分水岭算法在医学图像分割中的应用

分水岭算法是一种常用的图像分割方法,由于分水岭算法是基于的图像灰度梯度,对噪声很敏感,直接运用分水岭算法分割图像,很容易产生过分割。为了去除过度分割,为此本文提出了一种改进的分水岭分割方法,首先利用中值滤波消除噪声,再用形态学基本运算得到梯度图像,然后利用形态学开、闭操作重建梯度图像,最后通过实验证明,基于数学形态学的分水岭算法分割医学图像效果优于传统的分水岭算法。     

基于分水岭和改进的模糊聚类图像分割*

针对模糊C-均值聚类算法需预先给出初始聚类中心、未考虑邻城信息、计算复杂度高等缺点,提出了一种基于分水岭和改进的模糊聚类图像分割方法.该方法首先利用分水岭分割方法对原图像进行预分割,然后利用粒子群的全局寻优能力从预分割的小区域中搜索出较为准确的初始聚类中心;最后,在对小区域进行模糊聚类时,建立了包含邻域信息的聚类目标函...     

医学图像分割算法综述与探索

医学图像分割是图像分割技术的重要应用领域,是医学图像处理的基本技术.本文对集中典型使用的分割算法进行分类和综述,简要讨论了每种算法的研究现状.     

基于视觉显著性的无人车图像检测及分割方法

障碍物检测与分割是地面无人车辆环境感知领域中一项重要的任务。针对传统障碍物检测与分割算法的计算量大、分割精度较差等问题,提出了一种基于显著性分析的障碍物检测、分割优化算法。首先,利用基于频率调谐的方法生成场景图像的显著图;然后,通过单目摄像机与激光雷达的联合标定将雷达反射点映射到显著图上;最后,结合单目摄像机和激光雷达两种传感器信息,通过改进的图像区域分割算法,实现障碍物的检测与分割。为了验证所提出算法有效性,采集多幅包含障碍物的典型越野场景图像,对该算法进行实验与仿真验证,结果证明了该算法的有效性。     

基于某微型飞行器的2种图像导航算法性能比较

导航系统是微型飞行器中必不可少的重要部分,在城市、建筑物内部或强电磁干扰等环境下,要实现导航必须采用全新的技术。图像导航是其有效技术之一。根据微型飞行器导航系统实时性和算法精准性的要求,研究了2种图像导航算法：互相关匹配法和局部熵差法。为了降低计算量,使其易于工程实现,采用了分层搜索等技术,并对2种算法进行了改进。仿真结果表明：“互相关匹配法”更适合微型飞行器的图像导航。     

基于自适应算法的车载无人机的疲劳寿命分析

根据基本的疲劳分析理论和解非线性方程及方程组的数值分析的算法,设计了一种自适应算法对无人机在路面激励下的疲劳寿命进行预测。并应用该算法对一种车载无人机在典型任务剖面下的疲劳寿命进行了预测。     

农作物病虫害图像识别技术的研究综述

农作物病虫害的爆发往往意味着大规模的减产减质,造成不可挽回的经济损失。传统的病虫害识别方法速度慢、主观性强、误判率高,已不能满足农业生产的需要。基于图像处理技术的农作物病虫害识别具有快速、精确、实时等特点,能够协助农耕人员及时采取有效的防治措施。本文从图像分割、特征值提取和分类识别三个方面,分别阐述图像处理技术应用于农作物病虫害识别的研究现状和进展,并对今后的研究趋势和方向作了展望。     

无人机感知-规避系统安全区域动态决策方法

为了解决无人机在空域交通中的感知-规避安全性需求问题,根据无人机的感知能力定义空域交通的安全边界,采用微分对策和生存能力理论对感知-规避问题进行描述和分析,提出一个理论框架和解决方案,给出了安全区域对无人机飞行策略和制导律的影响。只要无人机与冲突航线内的其他飞行器保持必要的间隔,所提出的方法就可采取有效的策略减小冲突航线上的不确定边界,并选择相应的规避决策调整航线,避免飞行冲突。     

遥感图像林区自动阈值分割算法及性能比较

选取了几种经典的自动阈值选取算法对高分辨率遥感图像林区目标进行分割实验,并引入错分类误差、形状测度、均匀测度、最终测量精度和运算速度作为算法评判准则,客观、定量地比较了各种算法对高分辨率遥感图像林区目标的分割性能,所得结论对林区目标分割方法的选取具有一定的指导作用。     

基于IMOSFLA的有人/无人战斗机协同空战火力分配方法

针对有人/无人战斗机协同空战中的火力分配问题,建立了以目标总存活概率最小和武器消耗数量最少的火力分配多目标优化模型,并提出一种改进的多目标蛙跳算法用于求解问题的Pareto最优解集.该改进算法充分利用混洗蛙跳算法收敛速度快、收敛精度高的算法优势进行全局寻优,利用自适应网格法对非劣解进行维护和更新,并在青蛙种群的全局进化过程中引入Tent混沌变异以避免算法早熟收敛.为便于从求解得到的Pareto最优解集中选择出最优火力分配方案,提出了一种最优火力分配方案的自主选择规则.最后通过仿真实验验证了所提方法的可行性和有效性.实验结果表明,所提方法能有效求解有人/无人战斗机协同空战中的火力分配问题.     

An enhanced 3D model and generative adversarial network for automated generation of horizontal building mask images and cloudless aerial photographs

Information extracted from aerial photographs is widely used in the fields of urban planning and design. An effective method for detecting buildings in aerial photographs is to use deep learning to understand the current state of a target region. However, the building mask images used to train the deep learning model must be manually generated in many cases. To overcome this challenge, a method has been proposed for automatically generating mask images by using textured three-dimensional (3D) virtual models with aerial photographs. Some aerial photographs include clouds, which degrade image quality. These clouds can be removed by using a generative adversarial network (GAN), which leads to improvements in training quality. Therefore, the objective of this research was to propose a method for automatically generating building mask images by using 3D virtual models with textured aerial photographs. In this study, using GAN to remove clouds in aerial photographs improved training quality. A model trained on datasets generated by the proposed method was able to detect buildings in aerial photographs with IoU = 0.651.