结构光截面轮廓测量中激光条纹的处理

在结构光测量系统中需要对采集到的激光条纹图像进行有效处理。该文提出了一种基于差图像的阈值分割方法,应用该方法对采集到的激光条纹图像进行阈值分割从而得到二值激光条纹图像,利用神经网络对二值激光条纹图像进行细化处理,处理过的细化条纹图像满足0.5％的精度要求,图像二值化处理时间不到1s,细化过程的时间小于2s,相对传统的图像处理时间有所增加,已经成功地应用在物体三维重建时特征参数匹配的预处理中。     

基于颜色和形态的标准人像分割方法

本文提出了一种利用颜色和形态的人像分割方法。首先把彩色图像从RGB转换到YIQ颜色空间,提取与人像相关的Ⅰ分量图像,通过对整幅Ⅰ分量图像进行扫描,确定人像的位置和边缘,然后对Ⅰ分量图像进行阈值化处理,提取Ⅰ分量图像中的人像区域。最后,利用形态运算得到完整的人像区域二值化图,从而实现人像与背景的完全分割。实验证明,该方法能有效地分割彩色图像中的人像匹配。     

基于形态学的小鼠舌头切片图像分割与实现

针对生物切片图像颜色相近、边缘复杂、细节模糊等问题,提出一种基于形态学的图像分割方法.将彩色图像转换到HSV颜色空间后进行二值化,经形态学填充、去噪、膨胀得到图像分割模板,运用到原图各分量上,实现目标的批量分割.将该方法应用于2组小鼠舌头切片图像的目标分割中,实验结果验证了该方法的有效性和鲁棒性.     

基于IC芯片的彩色图像分割方法研究与实现

以IC芯片彩色图像为研究对象,分析了迭代阈值法,松弛迭代算法,颜色空间聚类算法在此类图像分割中的不足,并改进迭代阈值法,对原始图像进行颜色空间转换,由RGB空间转化到CIE Lab空间;同时利用八叉树算法对图像进行8位量化,对得到的灰度图像进行迭代阈值分割得到最佳阈值,从而提出了专门针对彩色图像背景分割的彩色迭代阙值法.最后基于Visual Studio6.0平台实现上述4种方法,并通过对比实验证明本文所采用的方法的可行性和实用性.     

HE染色病理切片最优二值化算法研究

基于阈值的图像区域分割难点在于阈值的选择。目的:为HE染色病理切片区域分割提供通用稳定的算法,对感兴趣区域进行二值化。方法:选择前景色和背景色作为种子点,求取种子点的RGB值欧氏距离作为阈值,对图像二值化分割,与颜色深度的最大类间方差法、颜色深度迭代法等多种自适应获取的阈值二值化图像分割效果进行比较。结果:基于背景色和前景色种子点选择的颜色欧氏距离对图像二值化分割稳定性和准确性最好。结论:在区域划分合理的情况下,以种子点颜色深度的欧氏距离阈值进行二值化,可以提取到感兴趣区域。     

阈值标记的分水岭彩色图像分割

目的 针对传统分水岭算法中产生的过分割问题,提出一种基于阈值标记的分水岭彩色图像分割算法。方法 该方法将分水岭算法直接应用到原始梯度图像上而不是简化之后的图像,这样做的目的是可以保护边缘信息不受损失;利用不同尺寸结构元求取彩色图像形态学梯度,解决了关于保护边缘和图像简化之间的矛盾。同时算法设计一种阈值自动选取与标记提取方法,从梯度的低频成分中提取与物体相关的局部极小值,用这些极小值构成的二值图像强制标定原始梯度图像,在修改后的梯度上进行分水岭分割。结果 在仿真实验中,利用本文算法针对不同RGB彩色图像进行分割,获得准确、连续封闭的分割边界,与其他同类方法相比,得到符合人类视觉的最小分割区域数,同时在运行效率上也有很大提高。结论 该方法可以自适应提取标记而不需要先验知识,有效解决了分水岭算法的过分割问题,相对于传统的算法,提高了分割性能,有较好的适用性和鲁棒性,可将其应用于机器视觉、生物医学以及高光谱遥感图像分割领域。     

薄壁焊缝X射线图像缺陷的自动提取与分割

根据薄壁焊缝X射线图像的特点,针对基于数学形态法的图像分割技术进行了改进。首先利用数学形态学选取适当的结构元素模拟图像背景,然后利用数字剪影法提取缺陷目标。文章将使用较好的几种阈值化方法进行分析,比较各种方法的基本思想、优缺点及使用范围,最终提出选择迭代分割方法得到图像最佳阈值将图像二值化。实验结果表明,针对不同的缺陷均能得到轮廓清晰的分割效果,为缺陷特征参数的提取和识别的实现打下坚实的基础。     

基于K-L变换和模糊集理论的彩色字符图像分割

根据彩色印刷字符图像的特点,在Lab颜色空间下提取a分量,将彩色图像转换为灰度图像。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。用K-L变换组合邻域的区域隶属信息和灰度信息,将灰度域换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中对复杂背景的彩色印刷图像可以得到较好的分割效果,其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阈值分割算法。     

结合新颜色空间与OTSU的分水岭彩色图像分割算法

鉴于传统分水岭算法存在过分割的缺点,并且考虑到反射亮光对图像的干扰,提出一种基于新颜色空间的改进分水岭彩色图像分割算法。该方法通过计算得到彩色图像在新颜色空间下不受反射亮光干扰的分量梯度,接着叠加融合在不同尺寸结构元下开闭重建的梯度图像,得到最终梯度图。同时,对最终梯度图采用最大类间方差算法自动获取阈值,用获得的二值标记图像对原始梯度图进行强制标定,对修正后的梯度图像用分水岭分割。实验结果表明：该方法得到了准确、连续的目标轮廓,达到了符合人类视觉的最小分割区域数。相比同类算法,该方法可以抑制反射亮光产生的无意义的区域,不需要人工设定阈值,较好的保持了物体的边缘信息,提高了鲁棒性和适用性。     

一种基于HSV颜色空间的车辆牌照提取方法

给出了一种根据车牌底的彩色信息，利用HSV颜色空间对输入的含有汽车牌照的彩色图像直接进行处理，从而快速提取车牌照的方法。该方法的主要思想是通过选取合适的彩色空间将输入的彩色图像直接转换为二值图像，再用空问聚类技术进行滤波消噪，最后利用二值图像的水平垂直投影来分割提取车牌区域。     

基于线结构光的亚像素精度焊缝提取方法研究

对于激光视觉焊缝跟踪系统,基于线性结构光快速、高精度地提取焊缝特征点是系统搭建的关键。现有算法多是采取像素级别的提取特征,现提出改进的亚像素精度算法用以提取焊缝特征点。与以往算法不同的是,算法不需要进行阈值的选取,提取条纹中心线和检测特征点的过程,都采用了先计算出亚像素位置,再对图像进行处理,显著地提高了算法的精度。并且目前图像处理多采用深度学习,但都为对像素的离散点实现,难以做到亚像素精度。实验结果表明,该算法能够满足生产实际要求,能够实时、精确地实现焊缝提取。     

Weld seam profile detection and feature point extraction for multi-pass route planning based on visual attention model

Automatic multi-pass route planning is one of key technologies for thick plate in robotic metal active gas (MAG) arc welding. In this research, a scheme for the extracting feature points of the weld seam profile to implement automatic multi-pass route planning, and guidance of the initial welding position in each layer during MAG arc welding, is presented. It consists of two steps: first a vision sensor based on structured light is employed to capture laser stripes and molten pools simultaneously within the same frame, and the laser stripe, forming the weld seam profile is detected by a visual attention model based on saliency. Then a methodology of polynomial fitting plus derivatives for feature point extraction of the weld seam profile is suggested. With respect to the effectiveness of highlighting the laser stripe, the proposed model is much better than the classic ones in this field, whereas the feature point extraction methodology in this paper outperforms typical template matching. Finally, the performance of the proposed scheme is demonstrated on different weld seam images captured in different layers and different welding experiments.     

基于粗定位与组件树的MAG焊图像熔池边缘提取算法

为了得到清晰、可靠的熔池边缘, 提出了一种新的基于组件树模型的MAG焊图像熔池边缘提取算法。对获取的焊缝区域图像, 使用区域粗定位方法获得关注的熔池区域, 输出标准的梯度级图像后, 使用组件树模型提取出熔池边缘。实验证明, 借助该模型不仅能够实现MAG焊图像熔池边缘提取, 并且与Sobel变换等方法相比, 有效提高了熔池边缘提取的精度。     

基于Snake和外观模板的组合式图像对象分割

针对目前图像对象分割方法对图像的特征提取和抽象度不够,导致的分割精度低的问题,提出了基于Snake模型和外观模板的组合式图像对象分割研究方法,该方法将改进的外观模板图像对象分割算法得到的分割结果经过预处理作为改进的Snake模型的图像分割算法的输入初始轮廓进行精确处理。该算法在提升对象分割精度的有效性上达到了96%以上。     

基于色彩空间分块匹配的三维动画融合技术

为了提高影视动画制作的三维图像成像质量,需要进行动画图像的动态信息融合处理,提出一种基于二维色彩空间分块匹配的三维动画图像的动态信息融合处理技术,采用虚拟视景重构技术进行三维动画图像采集和特征投影处理,对三维动画图像进行二值拟合和边缘轮廓检测,采用RGB分解技术进行三维动画图像的颜色分量提取,采用颜色模板空间投影算法进行三维动画图像的分块融合处理,提高三维动画图像的边缘像素点的特征配对性能,结合三维动画图像的色彩空间分块融合结果进行像素特征优化配置,计算匹配窗口相关系数,实现三维动画图像的动态信息融合处理。仿真结果表明,采用该方法进行三维动画图像的动态信息融合处理,能提高图像输出峰值信噪比,提高动态成像质量。     

基于植被似然建模与阴影的建筑物提取

提出了一种基于植被似然建模与阴影的彩色遥感影像建筑物提取方法.采用三原色(RGB)色彩空间中的高斯混合模型(GMM)对植被进行离线色彩特征建模,剔除植被信息的影响;采用Mean-Shift分割算法对图像进行过分割,在此基础上提取出建筑物阴影区域,然后对提取结果进行适当的后处理;通过计算阴影区域像素距离确定候选区域,并采用二次判别分析(QDA)分类器对图像进行分类,实现建筑物的提取.实验证明:方法能有效提高建筑物提取的精度.     

低尺度血管检测在视网膜血管分割中的应用

视网膜图像分析成为目前诊断多种疾病非侵入的主要方式,其中血管的提取是最重要的一步。监督学习的方法在血管提取上有很好的效果,为了进一步提高检测的精度,提出了低尺度血管检测(LVD)算法。该网络除了有一个提取输入原尺度下特征的子网络外,还增加了两个低尺度下的特征提取子网络,并将低尺度下的单一输出融合原尺寸下的特征,降维后得到最后的输出结果。考虑到眼底血管结构特性,在LVD中设计了具有较深层数和较少参数的非对称固定深度子网络(ADS)。在公共的数据库DRIVE中进行测试,仅采用彩色眼底图像的绿色分量和B-COSFIRE滤波响应作为特征输入,其敏感性、特异性、准确率以及AUC指标分别为0.819 2、0.984 2、0.969 5、0.978 2,达到了先进水平。     

基于运动信息与马尔可夫彩色聚类的运动目标分割

针对视频序列图像中的运动目标分割,论文提出了将运动检测和马尔可夫彩色聚类相结合的运动目标分割算法。该算法首先利用基于统计模型的运动检测算法,通过后处理,得到运动目标的初始模板。然后,利用区域生长算法进行彩色图像的初始分割,在初始分割的基础上应用马尔可夫随机场模型进行彩色聚类,得到具有精确边缘的分割区域。最后,将运动目标的初始模板和彩色精确分割结合起来提取出具有精确边缘的运动目标。实验结果表明该算法能有效地分割和提取出视频序列中的运动目标。     

面向农业应用的无人机遥感影像地块边界提取

针对无人机（UAV）影像农田场景地块边界提取过程中由于大幅面、高分辨率和地块尺寸大小不一致等带来的过分割问题，提出了一种基于多尺度分割的地块边界自动化提取流程。该流程采用分块分割策略，在多尺度组合聚合（MCG）分割方法框架下，通过对比实验研究并选取最佳地面采样距离和分析边界提取准确率关于尺度变化曲线选择最优分割尺度，进而实现了地块边界自动提取。以湖北省仙桃市为数据源进行的实验结果表明：面向地块边界提取的最佳地面采样距离为30 cm，最优分割尺度为[0.2，0.4]，整场景总体地块边界提取准确率可达90%以上。该方法不仅能准确提取大幅面的农业地块边界，也可为后期农业无人机航拍规划提供参考依据。     

回归—聚类联合框架下的手写文本行提取

目的 手写文本行提取是文档图像处理中的重要基础步骤,对于无约束手写文本图像,文本行都会有不同程度的倾斜、弯曲、交叉、粘连等问题。利用传统的几何分割或聚类的方法往往无法保证文本行边缘的精确分割。针对这些问题提出一种基于文本行回归-聚类联合框架的手写文本行提取方法。方法 首先,采用各向异性高斯滤波器组对图像进行多尺度、多方向分析,利用拖尾效应检测脊形结构提取文本行主体区域,并对其骨架化得到文本行回归模型。然后,以连通域为基本图像单元建立超像素表示,为实现超像素的聚类,建立了像素-超像素-文本行关联层级随机场模型,利用能量函数优化的方法实现超像素的聚类与所属文本行标注。在此基础上,检测出所有的行间粘连字符块,采用基于回归线的k-means聚类算法由回归模型引导粘连字符像素聚类,实现粘连字符分割与所属文本行标注。最后,利用文本行标签开关实现了文本行像素的操控显示与定向提取,而不再需要几何分割。结果 在HIT-MW脱机手写中文文档数据集上进行文本行提取测试,检测率DR为99.83%,识别准确率RA为99.92%。结论 实验表明,提出的文本行回归-聚类联合分析框架相比于传统的分段投影分析、最小生成树聚类、Seam Carving等方法提高了文本行边缘的可控性与分割精度。在高效手写文本行提取的同时,最大程度地避免了相邻文本行的干扰,具有较高的准确率和鲁棒性。