旋转骨架法在二值图像分形维数计算中的应用

目的 计盒法是一种计算二值图像分形维数的常用方法,传统方法如BCM（box-counting method）对无旋转的图像结构具有较理想的计算结果,但是对具有旋转的图像结构的拟合结果偏差较大,导致同一物体在不同旋转角度下的图像的计算结果存在较大差异。为了减小图像旋转对盒维数的影响,本文提出了一种计算二值位图分形维数的新方法——旋转骨架法。方法 将二值图像提取骨架,使位图转换为矢量图,利用遗传算法计算图像中物体的最小包容矩形和旋转角度,然后将矢量图进行旋转使其变为一个无旋转的图形,接下来采用多尺度的盒子覆盖矢量图形得到多个拟合点,最后按最小二乘法对拟合点进行拟合得到盒维数。与BCM方法相比,其核心工作与关键改进为骨架的提取、最小包容体的计算、矢量图的分形维数计算等过程。结果 对3种类型的图像进行了分析,在自相似的分形图像中,相比BCM方法,3幅图的平均误差分别降低了0.725 2%、3.060 5%和2.298 5%,变化幅度分别降低了0.057 3、0.088 3和0.085 9;在文字扫描图像中,相比BCM方法,变化幅度降低了0.012 75,平均拟合误差降低了0.001 28;在植物图像中,与BCM方法相比,分形维数的变化幅度降低了0.017 04,平均拟合误差降低了0.000 5。结论 该方法充分利用了位图易旋转、无厚度的特点,减小了图像旋转对盒维数的影响,评价结果优于BCM方法。     

一种有效的二值图像细化算法

基于对图像中目标边缘的分析，提出了一种行之有效的二值图像细化算法。实验证明，采用该算法细化后所得的图像骨架不仅对称性好，而且为单像素宽，并能够完整地保持原图像的连通性。     

鲁棒的二值图像并行细化算法

通过分析两种典型的并行细化算法,提出一种新的增强并行细化算法（Enhanced Parallel Thinning Algorithm,EPTA）．经过大量对比实验表明,新算法能很好解决斜线信息丢失、冗余像素和多余枝杈问题,且效率高、鲁棒性强．     

基于大津法的图像分块二值化算法

本文对灰度图像二值化的方法进行研究,提出了一种新的以大津法为基础的图像分块二值化方法.通过对采集到的火车轮字符进行实验,结果表明了这种新的二值化方法在不均匀光照、图像模糊的情况下能很好地对图像目标(字符)进行分割,该方法的思想可以推广到对一般灰度图像的二值化中去.     

基于大津法的图像分块二值化算法

本文对灰度图像二值化的方法进行研究,提出了一种新的以大津法为基础的图像分块二值化方法。通过对采集到的火车轮字符进行实验,结果表明了这种新的二值化方法在不均匀光照、图像模糊的情况下能很好地对图像目标(字符)进行分割,该方法的思想可以推广到对一般灰度图像的二值化中去。     

人体骨架模型的建立

人体运动分析在计算机视觉研究领域中具有广泛的应用前景。人体骨架包含了很多的人体运动信息,且简单明了,所以对人体骨架提取具有很重要的意义。本文提出了一种人体骨架模型的建立方法,该方法在骨架提取方面有较强的去噪和抗干扰能力,有很好的鲁棒性,可提取更加有效的骨架图像,进一步结合人体解剖学的基础,建立了人体骨架模型,为人体特征识别(HID)和运动人体的实时追踪打下了坚实的基础。     

基于区域生长法提取二值图像中的连通区域

标记二值图像连通区域是图像处理过程的基本算法,机器视觉和模式识别中常用此方法提取目标和分析目标几何特征。文章以人机交互方式获得初始种子点,增强种子点的可靠性,通过区域生长法提取二值图像中的连通区域。     

机动车牌照图像二值化提取的研究

为了能自动识别机动车牌照,除了车牌区域定位以外,还有一个非常重要的步骤就是要得到一个满意的二值化图像以便字符的分割和识别。文章比较了多种灰度转换算法,归纳出适合我国机动车牌照颜色及搭配特点的算法,在分析全局阈值法和局部阈值法优缺点的基础上,提出了两种方法相结合的图像二值化算法。该算法不仅能较好地保留图像的细节,还能有效地消除伪影的干扰。     

基于全尺度融合侧输出残差网络的骨架提取算法

图像骨架是一种紧凑、直观的图像表示方法。目前,现有基于深度学习的二值像素图像骨架提取算法存在骨架断裂问题。提出了一种基于全尺度融合侧输出残差Unet网络（FFSR-Unet）的骨架提取算法,该算法通过融合编码器和解码器不同层级间的特征,实现了前景对象不同形状尺度的特征交互,同时采用阶梯式残差块以增强网络对深层与浅层语义的提取能力。该算法在Pixel SkelNetOn Challenge数据集上的F1-score可以达到0.854 8,能够超越现有算法的提取结果。     

二值图像的游程法压缩及其改进算法

依据游程压缩算法的基本原理，实现了对二值图像的无损压缩，并针对点阵汉字库本身的特点，对算法作了进一步改进，压缩比有了较大提高。该算法实现简单，对计算时间空间的要求低，适合嵌入式应用环境。     

基于二值掩码图像的图像合成方法及其应用

提出一种图像合成算法.首先将源样本纹理根据其纹元的特点分成前景和背景,并生成相应的二值掩码图像;再将源样本纹理及其掩码图像通过变形方法生成多个相似的样本纹理,应用前景提取法将这些相似纹理中的前景提取出来,采用随机动态、交互合成或轨迹自动跟踪生成图像等方法输出到背景图像上;根据合成图像的动态二值掩码图像控制合成图像纹元前景的密度和轨迹合成方向.与其他算法相比,该算法仅用少量甚至一个样本纹理即能生成纹元形状略有不同的各种合成输出图像,实现了大自然中常见的纹元前景之间的相互遮挡效果.最后给出了若干实例.采用文中算法得到的输出图像具有生成速度快、真实感强,能按预定轨迹生成图案等特点,适用于自然场景、随机纹理或人造图案的生成.     

二值图像快速边缘提取的算法

边缘提取属于图像理解的低层处理阶段,就是提取被选定物体区域的外边缘轮廓.主要介绍了一种边缘提取的新思想,是通过探测后一边缘像素来预测前一边缘像素的思想.这样就避免了每个像素都要搜索的过程.通过实验,新算法与传统算法相结合可以有效地提高边缘提取的速度.     

图像二值化时图像特征的保留

讨论了在进行图像二值化时如何保留图像的边界特征,基于图像的边界信息和微分算子,提出了一个局部阈值和整体阈植相结合的新的自动选择阈值算法,实验表明,这个基于边界特征检测算子的算法能很好地保留原图的边界特征,并能处理低质量的图像。     

基于二值图像的指纹细节点提取

指纹细节点提取是自动指纹识别研究的关键问题之一,尽管已有很多基于细化图像分析的方法和基于原始灰度图像分析的方法,但该问题还没有得到很好的解决。因此提出了一种从二值图像上提取细节点的方法。首先通过行程匹配得到二值指纹图像中的图段,然后根据图段的结构形式和图段之间的连接关系进行细节点的判定,细节点的方向通过直线试探法获得。实验结果表明：与基于细化图像的方法相比不仅具有较高的效率,而且能使指纹匹配达到较高的精度。     

一种实用的二值图像细化算法

本文提出了一种有效的求物体骨架的图像代数求解方法。该方法通过仔细分析数字图像的连通性,提出了一套完整的“中与丢”变换的结构基元,并给出了基于该基元的旋转序列细化法的实现流程。     

地质图件的多阈值动态自适应二值化法及改进的二值图像细化算法

在油田科研生产中，地质图件是极其重要的一种数据资源，它反映了地质研究人员对地下构造的认识，是开展下一步研究生产工作的必要前提。地质图件内容复杂、图素种类繁多。目前没有有效的手段对其进行管理。因此。有必要对地质图件进行分析，研究其特点。找出适合地质图件管理保存的方法。使之计算机化。本文研究地质图件的二值化法，发展了一种多阈值动态自适应二值化算法，及对二值图像的细化算法进行了改进，解决了地质图像数据量大和处理速度之间的矛盾。     

具有鲁棒性的图像骨架提取方法

基于最大正方形的中轴变换,提出了一种二值图像的骨架提取算法。首先通过计算目标像素邻域内最大正方形的所有像素的个数来进行中轴变换,判断骨架点,并提取骨架。如果通过设定一个阈值,再提取骨架,就可以滤除背景中的噪声。实验结果表明:该方法提取的骨架效果好,通过与基于传统中轴变换和形态学提取骨架方法进行比较,该方法抗干扰能力强。     

基于Level Set模型的彩色脑血管图像骨架提取算法

骨架提取是计算机视觉理论与应用中极具挑战性的课题,具有重要的应用价值.在分析医学彩色脑血管图像特性的基础上,引入一种基于颜色梯度信息和贝叶斯分类的水平集速度函数,提出了HSV空间高速模型,并基于该模型提出了用于彩色脑血管图像的骨架提取算法.该算法使用了两个新的中间函数,它的全部参数均由分析得到,避免了人工干涉.实验证明,该算法对颜色渐变和边界噪声不敏感,具有很好的有效性和鲁棒性.     

一种新的二值图像信息隐藏与提取算法

在各种形式的数字图像分析中,二值图像信息隐藏及提取的研究相对滞后。提出一种新的信息隐藏与提取算法,可以成功地检测基于分块嵌入的二值图像隐藏信息。结合图像边缘和失真度量两种方法的优点,在考虑块的失真度量的基础上只在图像的外边缘嵌入隐藏信息。实验结果表明,不但可以准确嵌入隐藏信息,嵌入和提取信息的时间短,而且图像失真度相对于两种方法都要大大减少。     

二值图像数字水印技术综述

计算机网络通信时代,二值数字图像作为一种广为使用的传输媒介,对其进行版权保护和完整性认证具有重要意义。对用于二值图像版权保护和完整性认证的数字水印技术进行详细的综述,介绍了现有的各种水印算法,分析了各自的优缺点,并指出下一步的研究方向。