医学图像中组织轮廓提取方法的改进

在医学图像分割技术的研究中,针对提取图像的清晰度和快速性问题,常用轮廓跟踪算法来提取组织轮廓线,花费的时间较长且分割效果不好.为了提高组织轮廓线的提取速度和分割效果,利用医学图像中组织对称性和灰度特征,提出了双向轮廓跟踪算法.根据分割目标确定相应的检测阈值,采用边缘检测,确定边缘起始点,对组织边缘进行双向跟踪.在检测过程中,设置相应的检测矩阵,减少检测次数.算法能同时沿两个不同的方向进行边缘检测,节省了时间.仿真结果表明,改进的轮廓提取方法对有较好的连续性和对称性的组织轮廓线能进行快速准确地提取,可得到清晰的分割结果,缩短轮廓线的生成时间.     

机载激光雷达点云多层次建筑物的三维重建

针对城市区域中常见的多层次建筑物,提出一种基于机载LiDAR点云的三维重建方法。使用优化的随机抽样一致性算法对建筑物LiDAR点云进行面片分割,在面片分割的基础上使用delaunay三角剖分进行轮廓点的检测,对检测出的轮廓点使用新的关键点检测算法提取轮廓线关键点,最后连接关键点并进行规则化处理,完成多层次建筑物的三维重建。实验表明,该方法能有效重建多层次建筑物模型,改进的RANSAC算法能更高效地分割屋顶面片,新的轮廓线关键点提取算法能够较好地提取建筑物的关键点,并能抑制错误轮廓点的干扰,减少伪关键点的生成。     

复杂异型建筑立面测绘轮廓提取方法设计

为解决点云数据密度异常时复杂异型建筑立面测绘轮廓提取精度变差的问题,提出基于局部点云密度的复杂异型建筑立面测绘轮廓提取方法。引入基于平面投影和双边滤波的测绘点云数据平滑方法,对测绘数据进行去噪和平滑处理,并通过点云分割方法提取目标点云区域。通过基于改进Alpha Shapes算法的立面测绘轮廓提取方法,以边界网格筛选的方式,去除目标点云区域冗余点云数据后,使用滚动圆半径自适应调节方法提取轮廓数据。试验结果表明,所提取轮廓匹配度高达95.08%,具有良好的精度和可行性。该方法可在有效平滑点云数据、分割获取目标点云区域的同时,高精度提取复杂异型建筑立面测绘轮廓。     

机载LiDAR点云中精细建筑物顶面的渐进提取

由LiDAR点云数据准确提取建筑物顶面是实现三维建筑模型自动重建的关键步骤.在分析现有顶面提取方法的基础上,提出一种渐进地提取LiDAR点云数据中精细建筑物顶面的方法.先以法向阈值和曲率阈值为约束,借助区域生长算法对原始点云进行初步分割,并得到面积较大、边界特征较明显的初始顶面;再借助主元分析法估算每个初始顶面的平面方程,并以点到平面的距离为约束,利用基于距离的区域生长算法提取其对应的精确顶面;最后通过随机抽样一致性算法(RANSAC)迭代地提取剩余点云中的小顶面.实验表明,通过动态调整阈值和迭代步骤,能够从LiDAR数据中精确地提取出复杂建筑物的顶面.     

基于虚拟格网的建筑物点云轮廓线自动提取

在分析现有轮廓线提取方法不足的基础上，提出基于虚拟格网的建筑物轮廓线自动提取方法。该方法利用建筑物点云生成虚拟格网并进行二值填充；采用邻域分析方法进行边界格网的标记与追踪；为了避免边界追踪错误，设计了基于方向的单边缘格网抑制方法及基于距离的连接关系调整方法以改善提取结果质量；根据格网追踪结果，从原始建筑物点云中提取真实轮廓点以保持原始建筑物轮廓形态；采用随机抽样一致性估计及最小二乘拟合方法进行轮廓线规则化处理，实现建筑物轮廓线的自动提取。实验结果表明，该方法能快速从建筑物点云中提取轮廓线，可为建筑物轮廓线的自动提取提供一种可行的解决方案。     

头部MRI图像外轮廓提取算法的实现与比较

为精确提取头部MRI图像外部轮廓,提供后期三维重建数据,根据对边缘检测、迭代阈值、自适应阈值法和半阈值分割法在MRI断层图像分割效果的比较,提出一种改进的头部MRI图像轮廓提取方法。该方法在对图像进行预处理后,通过直方图统计结果对图像进行半阈值分割后得到二值图像,由二值图像梯度信息得到边界点集,通过八邻域搜索提取得到包含多条轮廓的轮廓数据集,并根据长度、面积等判定条件准确提取出断层截面的外轮廓。实验结果表明:该方法能提取出更为准确和连续的轮廓,较其他方法拥有更高的成功率。     

基于曲线演化的CT颅骨外轮廓提取

准确有效地提取颅骨区域的单层外轮廓线是基于轮廓线颅骨三维模型重建的关键问题之一。针对颅骨复杂外形单层外轮廓提取困难,提出了一种基于曲线演化的方法。首先对图像进行阈值分割获得颅骨区域,然后初始化一条包括该区域的单层闭合曲线,对该曲线应用一种新的微分方程进行演化,最终获得颅骨区域的外轮廓线。实验结果表明,该方法可自动处理颅骨CT图像,准确获得颅骨的单层外轮廓,有效解决了颅骨单层外轮廓提取问题。     

高精度连续人脸轮廓提取

提取连续且高精度的人脸轮廓线是很多图像应用重要的基础步骤.然而很多现有的轮廓提取方法并不能很好地应用在人脸轮廓上.为此提出一种快速可靠的人脸轮廓提取方法,能够在关键点提供初始化后提取到高精度连续人脸轮廓线.其主要步骤是先拟合关键点形成一条初始化曲线,沿其密集采样重叠的矩形区域,将整个人脸轮廓区域划分成很多小的区域;然后在每个局部的矩形区域提取出一条抛物线引导基于梯度的局部人脸轮廓线;最后从很多局部人脸轮廓线中,通过全局融合找到最终的人脸轮廓线.这种交叉验证的机制保证了最后结果的正确性.最后在LFPW和HELEN人脸数据集上进行了实验,结果表明文中方法能有效地提高人脸轮廓提取的精度.     

数字城市中矩形建筑物区域的自动获取

为了缩小基于视频的数字城市三雏重建中建筑物特征点的提取匹配的搜索范围,需要对目标建筑物区域进行快速提取.以矩形建筑物为例,首先对预处理后的图像做Hough变换,获取直线段集合;然后,在分析建筑物轮廓线的相互位置关系时,利用提出的点密度和Hough空间中计数嚣的数值,筛选出直线段集合中能表现建筑物轮廓信息的直线段.实验结果表明,运用点密度能去除干扰线段,算法对建筑物上下轮廓和左右轮廓采用不同的提取策略,在由于拍摄角度而造成的建筑物畸变的情况下,能快速准确地提取出矩形建筑物区域.     

局部矩不变量轮廓图像角点检测

为解决图像轮廓特征点问题,提出了基于轮廓局部矩不变量的轮廓角点检测方法,通过计算轮廓线支撑区域内中心点两侧轮廓点的不变矩特征,从而提取轮廓曲率函数.实验结果验证了该方法具有抗干扰性好、定位准等优点.     

可变半径Alpha Shapes提取机载LiDAR点云建筑物轮廓

目的 机载激光雷达（light detection and ranging,LiDAR）能够快速获取建筑物表面的3维点云,为提取建筑物轮廓提供重要的数据支撑,但由于激光脚点的随机性和点云自身的离散性,常规固定半径Alpha Shapes（A-Shapes）算法难以兼顾轮廓提取的精细度和完整度,且在点数量较大情况下计算效率较低。因此,提出一种基于网格的可变半径Alpha Shapes方法用于提取机载LiDAR点云建筑物轮廓。方法 对3维点云进行投影降维,对投影后2维离散点的范围构建规则格网,接着根据网格内点云填充情况筛选出边界网格,计算边界网格的平滑度并加权不同的滚动圆半径,再以边界网格为中心生成3×3邻域网格检测窗口,利用滚动圆原理提取窗口内点集的边界点,迭代检测直到所有边界网格遍历完成,最后获取点云的完整轮廓。结果 在精度评价实验中,与固定半径A-Shapes方法和可变半径Alpha Shapes（variable radius Alpha Shapes,VA-Shapes）方法相比,若建筑物以直线特征为主且边缘点云参差不齐,则本文方法的提取效果不理想;若建筑物含有较多拐角特征,则本文方法的提取效果较好。在效率评价实验中,与A-Shapes方法、VA-Shapse方法以及包裹圆方法相比,若点云数据量较小,则4种方法的耗时差距不大;若数据量较大,则本文方法和包裹圆方法的耗时远小于固定半径A-Shapes方法。实验结果表明,本文提出的轮廓提取方法适用于多种形状的建筑物点云。从轮廓完整性、几何精度以及计算效率等几方面综合考虑,本文方法提取建筑物点云轮廓效果较好。结论 本文提出的基于网格的可变半径Alpha Shapes建筑物点云轮廓提取方法结合了网格划分和滚动圆检测的优点,能够有效提取机载LiDAR建筑物点云顶部轮廓,具有较高的提取效率和良好的鲁棒性,提取的轮廓精度较高。     

一种新的轮廓提取方法及其在MR-CT配准中的应用

提出一种新的轮廓提取算法,并将这种算法应用到刚体配准.这种新的轮廓提取算法通过属性的大小自动获得属性算法中的属性阚值及其对应的灰度阚值,对灰度阙值对应的层集进行属性运算后再应用梯度算子得到轮廓.该算法具有强抗噪性而且轮廓边缘保持完好.本文还提出该算法的性质并证明.这种算法提取的脑MR-CT图像的轮廓非常相似,即将多模态配准转化为单模态配准.实验证明配准精度大大提高.     

Extracting eyebrow contour and chin contour for face recognition

This paper proposes a novel method for extraction of eyebrow contour and chin contour. We first segment rough eyebrow regions using spatial constrained sub-area K-means clustering. Then eyebrow contours are extracted by Snake method with effective image force. For chin contour extraction, we first estimate several possible chin locations which are used to build a number of curves as chin contour candidates. Based on the chin like edges extracted by proposed chin edge detector, the curve with the largest likeliness to be the actual chin contour is selected. Finally, the credible extracted eyebrow contour and the estimated chin contours are used as geometric features for face recognition. Experimental results show that the proposed algorithms can extract eyebrow contours and chin contours with good accuracy and the extracted features are effective for improving face recognition rates.     

利用灰度体元模型的机载LiDAR 3D道路提取

面向机载LiDAR数据的道路提取算法的常用数据结构存在局限: 2D格网及TIN表达多次回波数据时存在的信息损失会影响提取结果的完整性且提取结果为2D形式; 点云的空间结构及拓扑信息难以利用, 由此导致算法设计的困难.为此, 提出了一种基于灰度体元模型的3D道路提取算法.算法首先将LiDAR数据规则化为灰度体元模型(灰度为体元内LiDAR点的平均强度值的量化表示); 然后选取道路种子体元进而搜寻并标记种子及其3D连通区域为道路体元; 最后利用数学形态学优化提取结果.基于ISPRS提供的包含不同复杂程度的城区路网LiDAR数据测试"邻域尺度"和"灰度差阈值"参数的敏感性及提出的算法的精度.实验结果表明: 56邻域为最佳邻域尺度、2为最佳灰度差阈值; 道路提取的平均质量、完整度及正确率分别为70%、86.77%及81.13%;对相对平坦的单层路网及起伏较大的复杂路网均可成功提取.     

从LiDAR数据中提取建筑物平面目标的新方法

提出一种从机载LiDAR点云数据中自动提取建筑物平面的方法。给出了基于边长约束的三角形生长算法对建筑物初始区域进行提取,针对提取出的建筑物脚点,利用自适应Mean Shift方法在特征空间中对其进行聚类分析,并提取出平面目标,最后利用Alpha-Shape算法生成建筑物平面的轮廓线。通过实验证实了方法的有效性。     

等高线树构建及高保真DEM构建

研究正负地貌等高线（含未闭合等高线）的空间关系。首先将未闭合等高线分为完全开放等高线和贴边等高线,分别进行自动闭合处理。然后使用多边形叠加分析的方法判断闭合等高线之间的关系,构建等高线树。通过对等高线树结构的遍历,获取格网点高程值的上下界,将上下界输入到高精度曲面建模区域优化控制方法进行约束优化控制模拟,能保证模拟结果的回放等高线与原始等高线的最大距离不超过一个栅格的宽度。最后对高斯合成曲面和扫描矢量化等高线两个实例进行论证。     

基于轮廓与特征点的医学图像弹性配准方法

针对单一特征引导图像配准的准确度有限性,提出了一种同时使用轮廓与特征点的医学图像弹性配准方法。半自动的特征点提取方法既可以保证提取的精确性又能够避免繁琐的特征点对应关系建立过程。对于提取的轮廓,在保证外形的基础之上,通过轮廓直线化操作减少提取轮廓中关键点的数量,以提高计算效率。以两幅待配准图像中的特征点对间距离与轮廓对间距离累加和作为图像配准测度函数,选择ICP算法框架迭代地求解最优配准变换函数。通过与其他测度函数进行比较和真实图像实验结果对比,其结果表明,该算法由于采用轮廓与特征点同时引导图像配准,其配准效果好于单独使用特征点或者轮廓的图像配准算法。该算法既能匹配图像的整体结构信息(轮廓)又能对齐图像中感兴趣的生理解剖位置(特征点),更加准确地反映图像间差异情况,是一种快速、精确的医学图像配准方法。     

基于无人机遥感影像的建筑物轮廓目标检测系统设计

使用?CCD成像元件系统和基于动态扫描检测系统受到噪声影响,导致轮廓检测不完整,为解决这一问题,提出了基于无人机遥感影像的建筑物轮廓目标检测系统设计。依据系统总体架构可确定系统分为数据采集模块和处理模块。选择TLC2543A/D转换芯片,使控制字从数据输入终端连续输入。使用半导体激光传感器测量位置信息,在雪崩光电二极管上成像。采用MCS-51单片机内部数据存储器,将正常运行程序传送到高层,以便?CPU读取程序。选择371-4615型号CPU板,协调控制整机。设计轮廓目标检测流程,采用激光三角法测量方法计算待测建筑物轮廓目标距离,避免检测背景噪声影响。提取建筑物斑块,拐角点定位,完成建筑物轮廓目标检测。由实验结果可知,该系统不会受到噪声影响,能够确定建筑物轮廓和拐角,对建筑物轮廓目标识别具有一定参考意义。     

新颖的物体轮廓提取：基于双边滤波的多级边缘检测*

提出了一种新颖的物体轮廓提取方法,即通过多级边缘检测来提取物体的主要边界。双边滤波器用来建立多级,同时Canny边缘算子相应地产生边缘图,组合边缘图构造出一幅多级图。次段被定义为边缘像素的连接结构,提取并连接这些次段可以构成闭合轮廓。最终图像中最相关的闭合轮廓被判定为真实的物体轮廓。实验结果表明,该物体轮廓提取方法具有较高的可靠性并且受噪声影响较小。     

由等高线重构曲面的HASMOC方法应用研究

HASM优化控制方法（High Accuracy Surface Modeling-Optimal Control,HASMOC）是在高精度曲面建模（HASM）方法的基础上,增加更多约束条件方程后形成的一种方法。通过对等高线间格网点高程范围的约束优化控制,最小化HASM基本方程的模,HASMOC方法既能保证地形曲面的整体光滑性,又保证地形曲面对于原始等高线数据的忠实性。实际案例表明,HASMOC方法得到的地形曲面结果优于TIN方法的地形曲面模拟结果;比较分析地形曲面的回放等高线、地形光滑程度和地形曲面的高程分布频率等,可以看出,HASMOC方法能较好地克服TIN的缺点。