一种实时高速的八连通区域填充算法

区域填充是一个将指定不规则区域内部像素填充为填充色的过程,在计算机辅助设计和图像处理等领域有广泛应用。现有算法存在着只适用于四连通区域或者算法速度不高等缺点。提出了一种可以运用在八连通区域上的扫描线种子填充算法,同时在算法的实现上摒弃函数调用方式,以线性空间来模拟栈结构。通过对数十万个不规则区域的测试统计,此算法不但适用于八连通区域的填充,速度上也有7%~33%不同程度的提高。     

一种改进的扫描线多边形填充算法

典型的多边形填充算法主要包括扫描线填充算法和轮廓标志域填充算法,适用于矢量多边形文件的填充算法为扫描线填充算法。论文对原有的多边形扫描线填充算法中的最常用的活性边表和传统扫描线算法进行了分析,结合活性边表和传统的扫描线填充算法的特点,针对复杂的大数据量的多边形填充时间效率较低的问题,提出了一种改进的扫描线多边形填充算法—混合填充算法。该算法采用链表和数组结合的数据结构,形成连续的填充轨迹,有效地提高了时间效率。     

一种用于视图合成的空洞填充算法*

针对较小的空洞提出了一种新的空洞填充算法。该算法总是先填充那些4邻域像素集中不空的像素大于等于本轮域值的空洞点,并且每填完一遍空洞点之后都重新搜索4邻域像素集中所有像素都不空的空洞点以开始下一轮填充。实验表明,该算法能较好地填充较小的空洞,特别是对纹理单一区域中的空洞能产生良好的填充效果。该算法适用于经过平滑深度图处理后剩余空洞的填充。     

基于三角面网格细化策略的改进种子填充算法

区域填充染色的一般解决方法并不适用于空间曲面.为解决该问题,提出一种适用于空间三角面网格的种子填充算法.通过改变种子点的判定方法,将平面种子填充算法扩展到空间三角面网格上,在细分三角面网格结构时,使用以轮廓线为引导的细分策略,并利用凸包的一些特殊性质对轮廓点进行筛选.实验结果表明,该算法可以较好地完成三角面网格的区域填充染色,在效率和填充效果方面都可以满足实际应用.     

整体变分算法在图像修补中的应用研究

对如何将整体变分模型用于图像修补进行了讨论．主要研究整体变分算法在待修补区为长条形空白区域的图像修补，并根据待修补区为长条形的特点，通过引入权值，对整体变分模型的离散化算法作了改进，使该算法利用邻域信息仅对待修补空白区域进行填充，而不改变待修补区邻域的像素值．实验表明，文中算法对窄长条状或线状空白区域的图像修补是有效的。     

使用线段表实现线段编码与种子填充快速算法

在图像处理中常用水平线段集表示区域,提出了一种采用线段表结构来表示区域,并给出使用线段表改进传统像素标记与种子填充算法的快速算法。该算法中,线段表的每个表项对应一条水平线段,它包含L、xL、xR、y和F 5个参数,即表示上下线段连通关系的标记,左、右端点的x坐标,线段的y坐标与表示线段特征或类型的标志。具有相同标记的线段表表项构成连通区域。以线段表为基础,水平与垂直方向的连通检测可分别进行,水平方向可通过行程编码实现,垂直方向则通过比较上下线段的端点坐标来确定。线段编码是像素标记的改进,由行程编码、线段标记、统一标记与标记排序4个步骤组成。采用线段表结构后,线段编码中利用桶排序,种子填充新算法中,利用队列结构并避免重复扫描来提高效率,与轮廓填充算法相比较效率都可提高近一倍。     

基于非脊点下降算子的多尺度骨架化算法

骨架是目标表示的一种重要方式.提出了一种基于区域标记直接从灰度图像中提取的骨架的新算法.算法对脊点概念作了补充撰述,组合利用了目标的轮廓与区域信息,采用了层次化的处理策略,适用于稳健地提取规则和不规则目标完整的多尺度骨架.所提取的骨架彼此连通、单像素宽并与原始图像拓扑一致.将算法应用于实际图像,检测到了与人视觉感知相一致的目标骨架.     

文本页面图像的图文分割与分类算法

为了能对包含不规则图片区和表格的倾斜文本页面图像进行图文分割与分类，提出了一种新的图文分割和分类算法。该算法先采用数学形态学和分级霍夫变换来进行文本倾斜的检测和校正；然后为了使算法能够对包含不规则图片区的文本页面图像进行处理，提出在传统的投影轮廓切割算法中，引入中点切割的过程，以便利用一系列的矩形来近似地逼近不规则的图片区。对于分割后的图像，则提出利用黑白像素比(Rbw)和近邻像素间的交叉相关性(Rcc)两个特征来作为分类的判据。实验结果证明，算法速度快、可靠性高。该算法只适用于二值图像。     

机械设计图像主轮廓提取算法研究

针对传统的轮廓提取方法在机械设计图像上无法获取令人满意结果的问题,提出基于区域填充和标引消除的主轮廓提取方法.根据机械图孔洞分布的特点,提出一种能自动选择种子点的种子填充算法实现图像内部孔洞填充,并结合图像形态学和轮廓跟踪算法实现图像中标引的消除,从而得到图像主轮廓.实验结果表明,该方法能够对机械设计图准确而高效地进行填充,且能够准确提取出机械设计图像的主轮廓.     

服装人台建模中的视觉图像人体轮廓细化提取

在个性化的服装人体三维图像测量技术中,人体边界识别需要得到准确的单像素级细化轮廓。在综合采用多尺度小波变换进行图像灰度的阶跃型突变点检测基础上,对小波模极大值的直方图均化处理以自适应地选取双阈值,通过抑制非极大值点对边缘线细化,并利用双阈值跟踪连接边缘点,从而得到单像素级的人体轮廓图像。对人台图像的实验证明了算法的可行性和有效性。     

显微细胞图像的自动分割

由于细胞组织本身的复杂特性以及显微镜的影响,细胞图像的分割成为图像分割中的一大难题,考虑到边缘检测可以准确的为分割提供边缘点,提出了基于区域一致性测度的边缘检测算法,针对细胞图像的特点,实现其初始轮廓的自动获取,运用活动轮廓模型对初始轮廓进行优化,从而达到在大样本条件下直接对彩色细胞图像自动分割的目的。     

图像配准中的一种特定区域轮廓提取算法

多模态医学图像的配准在医学诊断和治疗计划中起着重要的作用,特定区域轮廓提取是图像配准的重要基础,常规的轮廓提取算法不能满足多模态图像配准的要求。提出了一种用于多模态医学图像处理的特定区域轮廓提取算法。该方法首先对图像进行预处理,去除噪音,对图像进行平滑,采用Canny算子进行边缘提取之后,提出了延伸权的概念,并采用一种新的基于延伸权概念的边缘连接算法对边缘结果进行连接,最后采用填充算法获得特定的辅助区域并在该区域的基础上向外或者向内获取特定区域的轮廓。实验结果表明,该方法能够满足多模态图像配准的要求。     

Analyzing the Mallat Wavelet Transform to Delineate Contour and Textural Features

Analyzing natural scenes is made difficult when both contour and textural features are present. The problem of building suitable contour models from such images is compounded given texture region segmentation results in poor edge localization and multiscale edge representations cannot always separate salient contour features from irrelevant textural clutter. To overcome these problems, a novel algorithm is presented which first creates a multiscale edge representation using the Mallat wavelet transform and then recombines the edge map at each scale to create a single contour map where textural clutter has been minimized. This algorithm is then applied to natural and synthetic images containing contour features at different spatial scales and texture of varying spatial frequency and orientation. The results show that contour and textural features can be discriminated at each scale and the resulting contour map serves as a more effective representation on which subsequent localization and recognition tasks are based.     

扫描图象曲线轮廊关键点的提取及其处理

针对工程图样中线段的识别和提取问题,提出了一种提取扫描图象曲线轮廊关键点的算法和相应的提取条件准则,该算法可自动逐行检测扫描行中的黑游程,当相继行中的黑游程满足一定的条件准则时,即可提取出相应的黑游程边界点,并形成关键点,依据这些关键点,利用B样条曲线理论来拟合曲线,最终即可实现对图象曲线的提取,该算法不仅速度快,抗噪声性能强,且提取识别也到得了满意的效果。     

Multiple Contour Finding and Perceptual Grouping using Minimal Paths

We address the problem of finding a set of contour curves in an image. We consider the problem of perceptual grouping and contour completion, where the data is a set of points in the image. A new method to find complete curves from a set of contours or edge points is presented. Our approach is based on a previous work on finding contours as minimal paths between two end points using the fast marching algorithm (L. D Cohen and R. Kimmel, International Journal of Computer Vision, Vol. 24, No. 1, pp. 57–78, 1997). Given a set of key points, we find the pairs of points that have to be linked and the paths that join them. We use the saddle points of the minimal action map. The paths are obtained by backpropagation from the saddle points to both points of each pair.In a second part, we propose a scheme that does not need key points for initialization. A set of key points is automatically selected from a larger set of admissible points. At the same time, saddle points between pairs of key points are extracted. Next, paths are drawn on the image and give the minimal paths between selected pairs of points. The set of minimal paths completes the initial set of contours and allows to close them. We illustrate the capability of our approach to close contours with examples on various images of sets of edge points of shapes with missing contours.     

基于改进Snake模型的图像分割方法

Snake（主动轮廓线）模型即能量最小化运动曲线模型,最初由Kass在1987年提出,具有良好的获取特定区域内目标边缘的能力,是一种极为有效的图像分割方法。针对传统Snake模型对初始轮廓的依赖性问题,利用围绕目标形心的圆环间平均灰度差异来确定初始轮廓点,对噪声的干扰有一定的抑制作用,并减少了人工选取的工作量。通过离散Snake算法与分段DP算法的有效结合来获取图像的特征边缘点,以提高Snake算法的收敛速度。最后利用单调性原则对边缘点进行分区,在各个单调区间内采用曲线拟合的方法来获得连续的图像边缘。实验结果表明,基于改进Snake模型的图像分割方法可以从图像中提取连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来。     

描述蝴蝶兰图像外轮廓信息的对称8链码编码算法

外轮廓信息是评价蝴蝶兰生长态势的重要特征参数,主要通过轮廓提取和链码编码两个步骤获得。蝴蝶兰图像的边缘轮廓最适合利用数学形态学算法提取,但所得轮廓并非单像素宽度,而利用传统8链码算法编码会错误地表达其外轮廓信息,因此结合轮廓特点重新定义了起始链码方向,提出了对称8链码编码算法。在编码过程中,该算法能够通过变换点判断出当前轮廓走向,从而自适应地选择起始链码方向。验证性实验证明,该算法能够准确描述蝴蝶兰图像的外轮廓信息,保证外轮廓信息较低的误判率;通用性实验证明,该算法同样适用于其他已较好提取出目标的封闭图像。     

基于张量投票的主动轮廓边缘提取

提出一种基于张量投票的主动轮廓边缘提取算法。该算法对图像进行张量编码,将其转化为二阶对称的半正定张量,每个输入张量通过预定的投票域对邻近数据进行稀疏投票,投票后每个输入点收集自身获得的选票,再进行稠密投票,以获得轮廓的显要特征,从而实现主动轮廓的边缘提取。实验结果表明,该算法能有效提取图像轮廓边缘,得到较好的物体主动轮廓模型。     

一种由内向外的Active Contour模型图像分割算法

针对主动轮廓模型图像分割,提出一种改进算法。该算法首先选取边界内部点为轮廓初始点,再根据能量与面积的关系,将传统算法中初始点向边界点收缩改进为由初始点向边界点膨胀。算法的实现采用原始模型和改进模型相互交替的贪婪算法,保证了模型的稳定性特点。实验结果表明：这种由内向外的分割算法比传统模型分割效果好及适用范围广;避免了传统模型对凹陷区域分割效果不理想及边界外部复杂环境对分割效果的影响。     

基于马尔可夫随机场的嘴唇特征提取方法*

讨论了基于马尔可夫随机场(MRF)模型的融合颜色和边缘信息的嘴唇特征提取方法.首先进行嘴唇区域检测,再结合嘴唇形状特点建立了基于MRF的嘴唇图像分割模型,构造相应的能量函数,并采用改进的最高置信度优先(HCF)算法求解能量函数的最优解,得到图像标记场,进而提取出嘴唇轮廓.结合人脸结构信息,提出了融合鼻孔角度信息的嘴唇特征点提取方法.实验结果表明,此算法具有良好的鲁棒性.