基于Viola-Jones方法的探地雷达管线目标识别

在城市地下管线的探测上,辨别探地雷达图像中的双曲线特征是管线探测的关键,但是实际情况中,城市的地下管线数量众多,专业人员短缺,自动化的探测识别手段的开发变得十分迫切。针对这一现状,对基于Viola-Jones方法的探地雷达目标识别手段进行了研究。在预处理过程中运用BMS(Background matrix subtraction)的方法生成背景矩阵,去除横向杂波干扰,然后采用Viola-Jones物体检测框架初步获取目标区域,最后使用C3(Column Connection Cluster)算法对目标区域二值化分割并筛选双曲线目标,得到的双曲线聚类,可用于管线的管径、深度获取。     

基于最大熵法的雷达图像分割

介绍了雷达扫描的视频图像中的目标提取方法.首先需要在雷达扫描图像中将回波目标从信号的背景噪声中分割出来,笔者认为基于阈值分割的方法是一种适合文中提到的雷达扫描视频图像分割的方法,并且简单易于工程实现.文中利用最大熵的阈值分割法将目标从雷达图像中分割出来,这种方法较其它阈值分割法更适合于应用在文中提到的雷达扫描视频图像中.     

基于分水岭和欧拉数原理的智能计数方法

分水岭图像分割方法是图像分割领域中一种经典有效的方法,它以快速,有效、准确的分割结果越来越得到人们的重视,在基于分水岭变换的模拟浸水原理基础上提出了一种新的快速、有效、准确的图像分割算法,可以有效地分割图片中的目标物体,并且数据处理量小,算法复杂度低。同时将该算法和欧拉数计算公式相结合,应用于图像中目标物体的计数方面,使得对目标图像中的物体分割和计数变得简单、快捷。这是一种切实可行的目标图像的分割和计数方法。     

基于改进分水岭算法的红外图像分割

研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.     

基于F-K偏移及最小熵技术的探地雷达成像法

地下目标位置和形状的确定是探地雷达实际工程应用中需要解决的主要问题之一,地震信号处理技术中的偏移方法是比较有效的地下目标图像归位方法,介质中的波速度是影响目标图像归位精度的最主要因素。该文在利用图像最小熵方法对介质中波速度进行估计基础上,借助于频率-波数域偏移技术对探地雷达图像进行了处理。分别通过数值模拟图像和探地雷达系统实际探测图像验证了该文方法的有效性。     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．     

基于Stolt偏移的探地雷达合成孔径成像研究

对探地雷达数据进行合成孔径处理可提高探地雷达图像的分辨力,有利于对地下目标的探测及精确定位.文中提出了一种新的stolt偏移插值实现方法,用于探地雷达合成孔径成像,它能克服传统方法中偏移能量不集中的缺点并保持处理速度快的优点,通过对实测数据进行处理,其结果表明该方法取得了很好的效果.     

基于标记的Watershed图像分割新算法

为了防止Watershed算法过分割问题,文中提出一种新改进的基于标记的Watershed自动图像分割方法.文中设计出一种有效的标记自动提取方法,用来从梯度图像的低频成分中提取与图像中的物体相关的极小值, 用这些极小值构成二值标记图像.根据二值标记图像,形态学的极小值标定技术被用来将这些提取的标记强制作为原始梯度图像的极小值,而屏蔽原有梯度图像的所有极小值.最后,watershed算法在修改过的梯度图像上进行图像分割.利用本文提出的图像分割算法可以获得较为理想的图像分割结果.通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且均一的分割区域,以及较为准确、连续、一个像素大小的物体边界.与其它的Watershed改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低Watershed算法的过分割问题.     

一个有效的彩色图像分割方法

提出了一种基于二叉树结构的彩色图像分割方法,首先对待分割图像采用最优周值化方法获取R,G,B三个颜色空问的最佳阈值,然后通过构造自适用二叉树进行一次粗分割提取目标区域,最后采用C均值聚类算法对二叉树的每个叶子节点进行精确分割,实验表明,该算法可以在保留原图像中大部分的信息的基础上,对目标物体进行有效的分割.     

一种深度学习辅助的探地雷达定位方法

在恶劣条件下,例如在雨、雪、沙尘、强光以及黑夜等环境下,自动驾驶方案中常用的视觉和激光传感器因为无法准确感知外界环境而面临失效问题。因此,该文提出一种通过深度学习辅助的探地雷达感知地下目标特征用于车辆定位的方法。所提方法分为离线建图和在线定位两个阶段。在离线建图阶段,首先利用探地雷达采集地下目标的回波数据,然后使用深度卷积神经网络(DCNN)提取采集的地下回波数据中的目标特征,同时存储提取的目标特征和当前地理位置信息,形成地下目标特征指纹地图。在定位阶段,首先利用DCNN提取探地雷达采集到的当前地下回波数据中的目标特征。然后基于粒子群优化方法搜索特征指纹地图中与当前提取的目标特征最相似的特征,并输出该特征的地理位置信息,作为探地雷达定位车辆的结果。最后利用卡尔曼滤波融合探地雷达定位结果和测距轮测量的里程信息,得到高精度的定位结果。实验选取地下目标丰富的场景和实际城市道路场景来测试所提方法的定位性能。实验结果表明,与单一使用探地雷达原始回波数据地图的定位方法相比,深度学习辅助的探地雷达定位方法能避免直接计算原始雷达回波数据间的相似度,减少数据计算量以及数据传输量,具有实时定位能力,同时特征指纹地图对回波数据的变化有鲁棒性,因此所提方法的平均定位误差减少约70%。深度学习辅助的探地雷达定位方法可作为未来自动驾驶车辆在恶劣环境下感知定位方法的补充。     

一种基于相对模糊连通度的交互式序列图像快速分割算法

在基于相对模糊连通度的交互式图像分割方法的基础上提出了一种序列图像分割的快速算法。对于单幅图像,新算法在保持分割精度的同时,运行速度提高了3倍。作为该算法的扩展,一方面将原算法中单目标分割推广到多目标分割,另一方面将单帧图像的分割推广到序列图像的分割,实现了复杂背景下多目标的图像分割和图像序列的批处理分割。并进行了分割结果的后处理,提取出目标的单像素宽度的光滑边缘。用人造图像和实际的医学图像和图像序列所做的测试实验取得了令人满意的分割结果。     

一种用于图像编码的区域分割新方法

为了适应图像分割编码的需要,提高编码性能和效率,本文研究了一种图像区域分割新方法.源于人眼成像原理和视神经网络的知觉分割特性,首先提出一种具有脉冲耦合和梯度锐化能力的神经元网络模型.然后通过构造一个拟合函数对相邻神经元的相似刺激输入进行平滑处理,而对具有不连续变化特性的刺激输入进行锐化,使得神经元比较容易地感知到均匀亮度区域和目标边缘的准确位置.最后通过实验验证了该算法的有效性.本文算法能够准确、有效地的分割出均匀区域,并且与原始图像具有很好的对应关系.在将本文算法应用到图像区域分割编码中,能够大大提高编码的效率,并得到高质量的重建图像.     

基于Mean Shift算法提取彩色图像有意义区域

提取彩色图像有意义区域是目标检测和模式识别的基础。文中基于Mean Shift算法,选择合适的空间窗和色彩窗,将彩色图像聚成不同的类别,然后通过特征提取的方法将各个类别分开,最终提取出有意义区域。实验结果表明：该算法能有效地制噪声,很好地分割出感兴趣区域;与经典的Kmeans算法相比,该算法速度得到了较大的提高,分割的结果也更有意义。     

一种基于图像平滑的阈值分割方法

阈值分割是图像分割技术中一类广泛使用的方法,Otsu法是其典型代表。针对Otsu法不能准确分割低对比度或低信噪比的图像的缺点,提出了一种新的动态阈值分割方法：先用平滑滤波器平滑得到原始图像的动态背景图像,原始图像与动态背景图像相减得到差图像,在差图像上通过设定阈值来实现原始图像的分割。仿真实验表明,该方法具有较低的算法...     

基于信息熵和改进粒子群算法的医学图像分割方法研究

针对传统的医学图像分割算法存在组织边缘模糊、灰度不均匀和图像噪声高的问题,将信息熵和改进的粒子群算法相结合,提出了一种基于信息熵和改进的粒子群算法的医学图像分割方法,在确保信息熵最大的条件下,实现医学图像的最佳阈值分割.将信息熵最大化作为适应度函数,通过改进的粒子群算法优化获得最佳分割门限,实现医学图像的最佳阈值分割.选择不合噪声和含噪声的脑部图像为研究对象,通过直观分析、客观分析和分割速度分析发现,提出的新方法在很大程度上克服了传统医学图像分割算法存在的缺陷,分割速度和精度得到显著提升;与此同时,新的算法具有很强的鲁棒性和抗噪声能力.     

基于SRG的快速图像分割算法研究与实现

针对传统的SRG算法实时性和准确性不足,提出了一种模拟自然界生态中病毒感染过程的智能快速图像分割算法,并在VC＋＋6平台上实现。该算法基于传统SRG图像分割原理,一方面可以自动探测生长点,并且可根据背景的亮暗动态更新参数,对光线不均匀的图像也可进行分割;另一方面仅通过一次对图像的全局遍历搜索,便可逐一将目标从背景中分割并且作标记。实验结果表明,与传统阈值算法相比,该算法在提高图像分割速度的同时,在不同背景中分割图像的准确性更高。     

基于梯度的低对比度X线图像分割方法

在医学骨折诊断领域,X线图像是骨折诊断的重要手段,X线图像中骨骼组织的精确分割为后续的诊断提供了重要依据。为此,文中首先利用Sobel边缘检测算子得到X线图像的梯度图,然后利用灰度图像单目标跟踪算法,提出了一种基于梯度的多目标分割算法,经过三轮跟踪获得了骨骼组织的精确定位,实现了医学骨科X线图像的骨骼分割。最后,将分割结果与边缘检测和阈值方法的分割结果进行了比较。试验结果表明,该方法对低对比度图像能够得到好的分割效果,比较适合医学骨科X线图像的骨骼分割。     

一种基于帧内图像分区的视频对象自动分割算法

视频运动对象的自动分割是实现新一代对象基视频编码标准MPEG-4的重要技术,本文提出了一种基于帧内图像分区的运动对象自动分割算法.首先以时域运动信息为依据利用高斯检验方法得到二值运动掩模图像,并建立MRF随机场模型进一步检验,然后提出了一种结合非线性变换的改进分水岭算法进行帧内图像分区,以划定对象区域与背景区域的界线,最后对时域分割和帧内分区结果进行比重运算,得到最终运动对象.针对MPEG-4标准测试序列和自采集手指视频序列的实验结果说明了算法的有效性.     

基于Tsallis熵的红外偏振热像分割算法

传统红外热像存在对比度低、边缘模糊等不足而使目标区域分割困难,红外偏振热像能够凸显边缘和轮廓特征,因此在环境监测、军事侦察、工业无损检测等领域得到广泛的应用,但如何进行红外偏振热像分割目前研究较少.为此,本文提出了一种基于Tsallis熵的红外偏振热像分割算法.首先通过Tsallis阈值对偏振方位角热像进行初分割,然后以最小化初分割热像交集与并集误差率优化Tsallis指数,再利用指数优化后的Tsallis阈值对偏振方位角热像进行优化分割并通过连通域检测去除误分割得到二次分割图,最后以二次分割图交集区域为种子区域、并集区域为边界,通过区域生长法得到最终分割热像.实验结果显示,本文算法相对最小Tsallis交叉熵法、Otsu法和模糊聚类法错分区域小,在主观视觉效果和区域间对比度、形状测度评价指标上有较大的改善,能够更准确地分割出目标.     

基于遗传算法的图像分割的研究

遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。