基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。     

凝胶图像重叠蛋白质点分割算法研究

针对双向凝胶图像中的重叠蛋白质点检测,提出一种角点检测与多边形近似相结合的重叠蛋白质点分割方法。首先利用Harris角点检测法得到重叠蛋白质点的角点,然后利用角点对蛋白质点进行多边形近似并判断多边形顶点的凹凸性获得凹角点,最后通过凹点选取与匹配原则从凹角点中选取凹点并构造分离线完成对重叠蛋白质点的分割。实验结果表明该方法能准确快速地实现重叠蛋白质点的分割,尤其适用于重度重叠的蛋白质点。     

基于凹点搜寻的棒材计数方法研究

针对现有的成捆棒材计数方法存在计算速度低、色差偏差大、计算量大、易受边缘模糊及残缺影响的问题,提出了一种通过对成捆棒材中的黏连棒材进行分割,然后统计连通区域,从而达到棒材计数目的的新方法。该方法首先对成捆棒材的图像进行预处理,利用Canny边缘检测获得黏连棒材的边缘轮廓,然后在此轮廓上扫描凹区域,将临近的凹点作为一个凹点群,取其中最突出的点作为此处凹点;再利用凹点匹配条件进行匹配,以匹配成功的凹点对作为界限来分割图像,最后统计分割后的连通区域,即达到计数的目的。实验结果表明,该方法对于黏连棒材的分割特别准确,分割后的图像边缘与成捆棒材的实际边缘很贴近,在无互相遮挡的情况下,直径为12 mm以上的钢筋的分割准确率达到99.99%以上,直径为10~12 mm的钢筋的分割准确率在99.80%以上,达到了企业认可的标准。     

基于凹点方向线的粘连药品图像分割方法

在利用视觉技术进行药品检测的过程中, 药品相互粘连的图像会给后续的特征提取工作带来很大的困难, 针对此问题提出了一种基于凹点方向线的粘连图像分割方法。首先依据颜色距离对药品图像进行预分割; 然后对不同颜色的预分割图像进行4链码运算, 寻找所有的凹点, 并对所有的凹点进行标记; 最后根据每一个凹点得到方向线, 根据方向线进行配对, 将配对凹点的连线作为分割线。实验结果表明, 该算法具备良好的准确性和通用性。     

图像分割算法研究

图像分割技术是数字图像处理非常重要的研究领域之一,分割结果的好坏直接影响随后的图像分析、识别等过程的质量。因此本文介绍了常用的数字图像分割方法以及数字图像分割算法的评价方法,最后总结出数字图像分割方法的发展趋势。     

医学图像分割算法研究

医学图像分割是医学领域不可或缺的组成部分,对于诊断和治疗具有重要意义。在MATLAB软件环境中设计了医学图像分割算法。从医学影像库中选取2张不同诊断图像,采用图像处理算法进行分割,并对处理结果进行研究和探讨。分割算法以阈值分割法和边缘检测法为主要研究对象,其中阈值分割法以大津（Otsu）算法分割为主,边缘检测法采用索贝尔（Sobel）算子、高斯拉普拉斯算子（Laplacian of Gaussian,LoG）算子、Canny算子3种算子进行对比分析。选出一种更普适的分割算法,有效提高医学图像的分割精度和效率。     

基于边缘检测算法的图像分割技术研究

基于边缘检测算法的图像分割技术是图像分析基础算法之一,在讨论边缘检测算法基本原理的基础上,在Matlab中实现了边缘检测算法,并对Sobel算子、Prewitt算子和Roberts算子在边缘检测中的效果进行了对比分析。     

基于自动多种子点的图像分割技术

在水面图像区域分割中,分别选用了自适应直方图阈值、边缘检测和区域生长的方法对倒影区域进行了分割,分析了3种方法的局限性,并结合直方图阈值和区域生长给出了一种自动多种子点区域生长方法。实验结果表明,该方法算法实现简单,能有效提高分割质量,达到了预期效果。     

基于边缘检测与分裂合并的图像分割算法

针对传统分裂合并算法容易产生方块效应与过分割的缺点,提出了一种结合边缘检测和分裂合并的图像分割算法.该算法直接利用图像的边缘信息进行分裂,不断将图像分裂为一些不规则形状的一致性区域,然后根据一定规则将相似的区域合并.实验表明,该算法能大幅减少分裂次数,并有效克服方块效应和过分割等缺点,图像分割效果较好.     

结合图像分割和点云分割的障碍物检测算法

针对单目图像检测障碍物的低可靠性和当前双目视觉检测障碍物的局限性的问题,提出一种结合图像分割和点云分割技术的双目视觉障碍物检测方法。通过设定检测深度范围,分割障碍物点云与道路点云;采用将分割出的障碍物点云对应的视差图与图像分割得到的子图进行比较的策略,有效解决对不同深度、倾斜面和不规则障碍物检测效果差的问题。通过实验验证了在获得稀疏三维点云的情况下,该方法对障碍物的检测具有较好的鲁棒性。     

一种基于兴趣点匹配的图像拼接方法

针对基于图像特征点的配准方法中对应特征对难以准确提取的问题,提出一种基于兴趣点匹配的图像自动拼接方法。该方法首先利用Harris角检测器提取两幅图像中的兴趣点,并在此基础上采用比较最大值法提取出对应兴趣点特征对,最后利用这些匹配特征对来实现图像的拼接。实验结果表明,这种方法能有效地去除伪匹配特征对的干扰,同时降低了误匹配的概率,对于全景图的拼接具有良好的效果。     

基于直线特征的图像配准算法

为实现高效率、高精度的图像配准,提出了一种利用图像边缘直线特征的图像配准算法。首先利用LoG算子提取参考图像和待配准图像的边缘信息,利用Hough变换提取图像边缘信息中的主要直线;然后以直线特征定义了参考图像和待配准图像的相似性度量,以此度量估计旋转角度,找出直线组的对应关系;最后在这些直线组中选取配准控制直线,计算配准参数,对图像配准。经过实验,验证了该算法的有效性。     

一种鲁棒的匹配点检测算法

控制点的快速有效检测与匹配是遥感图像应用中的一项关键技术。通过对现有的特征点检测算法的分析与比较,提出了一种控制点的检测与匹配算法。仿真结果表明,该算法不仅可以实现控制点的自动检测与匹配,而且速度快、精度高。     

基于图像分割的立体匹配算法

针对在立体匹配中弱纹理及纯色区域匹配不准确和图像分割算法耗时较多的问题,提出一种融合图像分割的立体匹配算法。首先,将初始图像进行高斯滤波和Sobel平滑的处理,获取图像的边缘特征图;然后,将原图的红、绿、蓝三个通道值采用最大类间方差法进行二分类,再融合得到分割模板图;最后,将所得到的灰度图、边缘特征图和分割模板图用于视差计算和视差优化的过程,计算得到视差图。相比绝对差值和(SAD)算法,所提算法在精度上平均提升了14.23个百分点,时间开销上平均每万个像素点只多消耗了7.16 ms。实验结果表明,该算法在纯色及弱纹理区域和视差不连续区域取得了更加平滑的匹配结果,在图像分割上能够自动计算阈值且能够较快地对图像进行分割。     

基于图像分割的立体匹配算法

基于马尔可夫随机场（MRF）的立体匹配算法利用MRF模型来对匹配取值进行连续性约束。然而,MRF模型是产生式模型,图像自身特征难以得到准确描述。提出了一种基于图像分割的立体匹配算法SGC。SGC算法预先对图像进行分割,基于图像分割信息建立立体匹配的MRF模型,从而连续性（平滑）约束可以保留视差图中分割的边缘信息;并针对图像的深度连续性约束,定义了一个反映图像自身特征的新能量函数,应用于图割算法,提高了视差计算精度。实验结果表明,与以往算法相比,SGC算法更准确地反映了图像中深度信息,避免了平滑约束所引入的误差,有效提高了视差计算精度。     

针对重复模式图像的成对特征点匹配

目的 含有重复模式的图像会对局部特征描述符产生歧义,因此基于局部特征的匹配算法在此类图像的匹配过程中极易产生误匹配.同时,通过研究现有的引入全局特征描述符的匹配算法,发现全局特征同样依赖于计算局部信息所得到的特征点主方向,所以此类方法在含有重复模式的图像中也不容易得到令人满意的匹配效果.为了解决这一问题,提出一种基于成对特征点的图像匹配算法.方法 该方法利用成对特征点的方向向量作为特征点对的主方向,为特征描述提供了正确的方向信息,同时引入DAISY描述符与改进后的全局上下文(globalcontext)特征描述符,提高了匹配能力.结果 分别在模拟图像与实际图像上面进行了对比匹配实验,本文算法平均的匹配正确率能达到88％以上,比其他经典的匹配算法提高了26％以上.结论 实验结果表明,本文算法克服了现有算法在特征描述与主方向分配上的缺陷,进一步提升了匹配正确率,能够有效地解决重复模式图像的匹配问题.     

基于重要边缘点的时间序列异常模式检测算法

在分析边缘算子的思想和现有时间序列模式表示方法基础上,将边缘点方法和重要点方法相结合,提出了基于重要边缘点的时间序列模式表示算法。算法按各观测点的边缘化程度,提取重要的边缘点将时间序列分成多个子线段,通过分析直线段之间的相似性,发现异常的序列模式。从理论和实验两方面对算法进行了分析和验证,结果表明,算法复杂度较低,模式表示误差小,能够满足大规模时间序列数据模式表示的要求。     

基于边缘检测的Retinex图像增强算法

针对消除背景光照对图像的影响时出现的细节弱化、色彩失真的问题,提出了一种基于边缘检测的Retinex彩色图像增强算法。根据人类视觉特性从图像中提取亮度分量并检测边缘信息,在平滑点和边缘点处采用不同的模板估计背景光照,以避免强边缘处的光晕现象;通过调整图像中的背景光照比例提升局部对比度,并根据反射图像直方图自适应调整全局对比度;利用R、G、B通道及亮度分量的等价变换进行色彩恢复,以保证增强前后图像色调一致。实验结果表明,增强后的图像标准差提升了19.34%,信息熵增大了13.18%。     

图像识别中的兴趣点匹配方法研究

针对图像检索识别的需求,提出了一种基于兴趣点的匹配算法,利用小波变换对图像进行降维和去噪,提取其SIFT点特征,同时进行PCA降维,最后采用基于K-d树的最近邻法进行快速匹配。通过对各种图像大量的实验,结果表明,该方法具有很强的匹配性和鲁棒性,是一种较好的图像匹配算法,可以广泛应用于图像的检索和识别中。