基于颜色和形态学的交通标志检测技术的研究

通过利用交通标志的颜色特征,采用基于RGB空间的彩色分割方法进行图像分割.对分割出的图像进行灰度增强处理,比较和分析了不同边缘检测算子和阈值分割的方法,使用固定阈值分割方法对图像进行二值化,使目标区域突显.利用数学形态学腐蚀算法对图像进行轮廓提取,并通过形状特征对交通标志进行形态学分析.通过MATLAB软件仿真实验,说明算法具有一定实用性.     

基于数学形态学的包覆层表面缺陷检测方法

包覆层表面缺陷的检测是保证发动机装药质量的重要手段。针对采集的包覆层表面缺陷图像,利用数学形态学的顶帽与低帽变换相结合的方法进行了缺陷特征增强,采用高低阈值的方法实现了缺陷图像的分割,得到了二值化图像,并通过中心半径标定,得出了有效检测区域,计算出了缺陷的大小和位置,检测结果表明,该方法的位置检测精度小于0.4 mm,检测分辨率可达到Ф0.5 mm,尺寸检测精度小于0.2 mm。     

一种改进的运动目标检测算法

提出一种改进的运动目标检测算法,首先将视频序列中的一整幅画面进行分割,对分割产生的每块图像进行连续检测,一旦检测到有变化,即提取运动目标。接着将连续2帧差图像和背景差图像直接相乘,再将相乘的结果进行二值化处理得到运动检测结果,从而将运动目标从背景图像中分离出来,最终得到视频序列图像中运动存在与否的一个二值运动模板,由此提高运动目标检测的效果。     

基于小波变换的活动轮廓分割技术

图像分割是图像处理中的一项重要工作．活动围道分割方法在实际工作中得到了广泛应用。根据几何活动围道模型的特点结合小波技术．提出了一种复杂物体边缘定位算法．能对具有尖角特征的物体轮廓进行快速、准确地提取。对多种图像的分割实验证明了文中方法的有效性。     

基于特征点和区域生长的目标图像分割方法

成像探测的运动目标图像中背景复杂并且含有大量的噪声,针对传统的目标的检测和分割方法精确定位困难、且不能完整分割等问题,提出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的绝对值差分图像得到大概的运动区域,利用基于LK光流的角点检测方法提取差值图像中的特征点,采用非最大值抑制对特征点的优劣性进行评估,对好的特征点进行区域生长,最终达到运动目标的分割目的。仿真结果表明:该方法能够对复杂图像序列中的运动目标进行精确定位,得到较好的目标分割结果,并且计算量小,具有较高的鲁棒性。     

基于分形维数的SAR图像纹理特征的提取

提出了一种基于分数布朗运动模型提取SAR图像分形特征的方法,即沿不同方向,对功率谱密度运用线性拟合的方法计算方向分形维数,提取拟合线的斜率和截距信息,并将它们与图像的灰度信息结合起来构成一个多维特征向量组,然后利用FCM对SAR图像进行模糊聚类分割。实验结果表明,该方法能够较好地描述SAR图像的特征,具有良好的分割效果。     

一种快速、稳健的图像分割方法

文中的目的在于寻求一种高效、快速的图像分割方法。在分析MeanShift算法的基础上提出差值模型和优选模型．并将这两种模型运用于MeanShift算法的图像分割。差值模型增加了MeanShift算法的步长．优选模型提高了图像分割的准确性。试验结果表明．两种模型的应用使MeanShift算法在图像分割方面的效能得到明显的提高。     

基于图像灰度等高线及灰度变化加速度的菌落图像分割

一种基于图像灰度等高线及灰度变化加速度进行图像分割的方法,在二维图像中提取出灰度等高线,综合考虑菌落图像的三维信息,最后利用边界变化加速度信息进行分割.该方法不同于直接利用相邻像素间灰度值的相似性进行图像分割,而是利用灰度直方图进行等高线化分,并利用曲线附近灰度变化特性确定图像分割.     

基于数学形态学的snake模型图像分割

基于数学形态学的snake模型图像分割算法,先用数学形态学得到形态学图像的梯度,再对其进行二值化处理得到snake算法的初始轮廓,然后用Greedy algorithm进行图像分割.试验证明该方法可提高图像分割的运行效率,又可取得较好的图像分割质量.     

一种新的前视红外图像分割方法

为实现复杂背景下的前视红外图像分割,针对图像特点,综合利用背景抑制、互信息及数学形态学的方法和理论,提出了一种新的图像分割方法.首先,采用中值滤波对图像进行背景抑制;然后,将图像配准的方法用于图像分割,利用互信息量确定最佳分割阈值;最后,对得到的二值图像进行形态学变换,得到精确的目标分割区域.实验结果表明,该方法能有效分割出复杂背景下的目标区域,有利于下一步的目标识别与跟踪.