基于改进CV模型的绝缘子精确定位研究

在进行绝缘子污秽处理研究时,对绝缘子进行匹配识别后不可避免的要对绝缘子进行精确定位分割,针对运用普通的Chan-Vese(CV)模型对绝缘子图像分割时存在无法完整分割目标,甚至错误分割的问题,提出应用改进的CV模型对绝缘子图像进行精确定位。首先为抑制图像过渡部分的突变,利用中值滤波增强原始图像的平滑性;其次通过分析目标图像RGB各分量特点对目标图像进行粗定位,得到绝缘子的位置点,同时运用Hough变换确定绝缘子倾斜角度;然后提出应用绝缘子的位置点与倾斜角度对绝缘子进行精确定位,并构造绝缘子的CV模型初始轮廓,最终完成绝缘子的分割处理。实验结果表明:通过改进CV模型对任意位置的绝缘子进行精确定位的方法可准确、快速地分割绝缘子图像,具有较强的自适应性。     

基于模糊集理论的复杂背景下字符图像的分割

针对复杂背景字符图像的特点,根据模糊逻辑和阈值分割方法将图像分为目标区域,背景区域以及模糊区域。结合邻域的区域隶属信息和灰度信息将灰度域转换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中能够对复杂背景的彩色印刷图像可以得到较好的分割效果,在时间复杂度不高于传统的阈值分割算法,并且在分割的精确度上要优于传统的阚值分割算法。     

视盘自动分割算法

针对多数视盘提取算法因不均匀光照导致检测精度不高的问题,提出了1种基于阴影校正的视盘自动分割算法。首先,利用Otsu方法分割视网膜红色分量眼底图像,提取和填充最大连通区域,均值滤波后得到视网膜掩膜图像,并与视网膜红色分量眼底图像卷积;其次,运用特定形式的均值滤波器平滑视网膜图像边界点,创建视网膜阴影图像;最后,将卷积图像减去阴影图像,再次利用Otsu方法进行分割,提取最大连通域并填充,应用"圆盘形"结构元素进行形态学"开"运算提取最终的视盘图像。将所提出的算法在视网膜眼底图像有1 200张的MESSIDOR数据库和40张的本地数据库分别进行验证。实验结果显示,所提出的算法平均重叠率分别为0.895和0.91,高于目前相关视盘分割算法,表明即使在非均匀光照条件下也能获得满意的分割结果,基本能够满足临床应用对稳定性和精度的要求。     

基于kNN的鞋印花纹的图像分割算法应用检验

图像分割是一种基本的计算机视觉技术,通过分割有利于图像特征的提取。本文针对传统图像分割的弱点,比如语义的二义性、难以达到理想的效果等,加之图像光照不均、干扰噪声复杂等问题,提出了一种基于kNN的鞋印花纹的图像分割算法,利用kNN的分类策略,提高鞋印花纹的提取精度,从而达到理想化的分割效果。     

基于分水岭算法的绝缘子串红外图像分割方法

为解决500 kV瓷绝缘子串红外图像分割问题,提出了一种基于分水岭算法的图像分割方法。通过调整红外图像G分量消除云雾干扰,图像预处理后采用灰度拉伸法进行图像增强;然后利用Otsu算法将灰度图像二值化,通过Hough变换确定绝缘子串基准线,并据此使用Floodfill算法提取绝缘子串目标区域;角度校正后做欧式距离变换,以局部最小值为标记符避免过分割,再采用分水岭算法进行绝缘子片分割。据此对湖南省某座500 kV变电站700张红外图像进行分析,结果表明,本文所提方法具有良好的自适应性和实用性,可显著提高绝缘子红外图像智能分割准确率。     

基于微粒群优化算法的图像阈值分割

本文简要介绍了微粒群优化算法、图像阈值分割原理和方法,将微粒群优化算法应用到图像阈值分割问题中,对最优分割阈值进行全局寻优,并与基于迭代法、Otsu法的阈值图像分割结果进行对比,结果表明微粒群算法优化的分割阈值分割效果更好。将本方法应用到犯罪现场灰尘加层足迹图像的处理中,取得了较好的图像分割效果,为公安技术人员对犯罪现场物证信息后期处理提供了一种新的方法。     

粘连玉米粒群的分水岭分割与粒形的多尺度小波校正算法研究

为实现玉米粒群图像的自动分割和形态校正,在传统分水岭分割算法的基础上提出了一种新的粘连籽粒分离与形态校正算法。首先采用维纳滤波与数学形态学运算对玉米粒群图像进行滤波及背景均匀化处理;然后通过多种边缘检测算子相结合的检测方法,确定玉米籽粒的粘连边界,作为算法的分水岭;利用腐蚀算法与极值化处理确定了粒群图像的蓄水盆地,并以构建的分水岭和蓄水盆底完成对粒群图像的分水岭分割运算;最后利用多尺度小波分析的方法对籽粒图像进行正形。试验结果表明,该算法对玉米粒群图像的有效分割率和正形率分别为94%和95.6%,有效解决了传统分水岭分割方法易出现的过分割和泄露等问题,较传统算法在时间和准确率等方面均有很大提升。     

一种结合区域选择和SIFT算法的遥感图像配准方法

针对SIFT算法存在提取特征点数目大、运算速度慢、匹配点正确率不高的问题,提出一种基于区域选择和SIFT的遥感图像配准方法。首先对遥感图像进行粗配准,按照粗配准系数获得图像系列的重叠区。分割重叠区域,利用二维小波变换对分割图像进行变换得到其三个方向的高频分量,计算其高频能量总和,选取能量值最大的图像块代替原图像按照SIFT算法进行配准。改进后的方法不仅能够避免传统SIFT配准提取冗余干扰特征点,且能够加快匹配速度,提高匹配点正确率,尤其适用于大幅遥感图像配准。实验结果表明,该改进算法能够获得较高的配准精度且配准效率高。     

基于水平集的局部自适应图像分割方法

针对传统水平集图像分割模型无法准确分割灰度不均匀及多目标图像的问题,提出了1种改进的基于水平集的局部自适应图像分割模型。该模型在CV模型(Chan和Vese提出的模型)和LAW(local adaptive weighting)模型水平集演化方程的基础上,重新定义了1个局部自适应权重函数来表示像素点所在邻域的偏差信息,并约束该偏差信息与图像的局部灰度不均匀信息之间的差异为最小,以得到精确分割结果。将模型应用于多相位水平集中,实现了对多目标图像的分割。实验结果表明,该模型对灰度不均匀图像及多目标图像分割更准确,且对初始轮廓的位置更鲁棒。     

基于PCNN模型的区域生长图像分割

提出了一种结合区域生长算法和脉冲耦合神经网络进行图像分割的方法.该方法将待分割图像的像素点映射为PCNN模型中的神经元,把改进的脉冲耦合神经网络模型的点火频率同区域生长的理论结合起来进行图像分割.实验表明该方法分割的图像与传统的分割法相比具有边缘信息更加完整,区域划分更加准确,分割效果更能符合人眼视觉的识别特征.