基于距离变换的A*搜索骨架提取方法

针对部分传统骨架提取方法提取骨架位置偏离中轴的问题,提出了一种基于距离变换的A*搜索骨架的提取方法.根据距离变换和形态学分水岭算法获得包含物体骨架的骨架潜在图,通过主动轮廓线模型确定骨架关键点,通过A*算法对骨架线进行搜索,得到骨架.实验证明,该方法获得的骨架具有连通性、单像素性、多尺度性及位置准确等优点.     

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。     

引入平滑迭代的骨架提取改进算法

在使用ZS细化算法对目标图像细化时,会出现二像素宽度斜线结构细化畸变、2×2正方形结构丢失,以及大量斜线冗余像素存在的弊端,同时主流骨架提取算法无法解决不平滑轮廓带来的边缘分叉问题。针对四类问题,在ZS细化算法基础上引入了平滑迭代流程以及后续的扫描过程,并在其中加入保留模板和删除模板条件的判定。实验数据表明,改进算法在保留目标图像的骨架信息和拓扑性质的基础上,能保持二像素宽度斜线和正方形结构不丢失,并完全删除冗余像素,其细化率相比ZS、IEPTA、MZS细化算法提高了0.05%~0.25%不等。同时平滑迭代次数的增加,能进一步提高细化程度,减少大量的边缘分叉并提高整体轮廓的平滑程度。     

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。     

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。     

基于渗透算法和改进型OPTA的裂纹检测算法

针对低压电流互感器表面裂纹的提取与判定,提出基于渗透算法和改进型OPTA（One-Pass Thinning Algorithm）的互感器表面裂纹检测算法。首先获取互感器表面的灰度图像;其次根据裂纹区域像素值、亮度变化,通过设定种子像素点、亮度阈值,利用渗透算法渗透得到二值图;再次从裂纹连通性入手,利用改进型OPTA提取ROI（Region of Interest）的骨架,骨架由单像素点组成;最后利用裂纹具有分叉性的特点,像素点的邻域点个数超过2的即可判定为裂纹。实验表明,渗透算法能够有效地从图像中提取出ROI,并保持了ROI的线性特征,改进型OPTA使ROI完全细化为单像素图像,提出的邻域点判别法检测效率在97%以上,相较于所提其他检测方法有明显提高。     

一种模板匹配与高适应性的裂缝骨架提取算法

在对裂缝图像骨架进行提取时,已有的算法通常存在细化后骨架主体信息缺失、毛刺去除效果随图像规模增大而快速下降等问题。针对上述问题,该算法提出一种模板匹配与高适应性的裂缝骨架提取算法。首先,结合模板匹配对Rosenfeld细化算法进行改进,以保留骨架主体结构;然后提出一种高适应性毛刺去除算法,以分支像素点数量与细化后骨架图像目标像素点数量之比作为判断标准,可以高效适应不同目标像素点密度和规模的裂缝图像。实验结果表明,该算法能够有效实现单一像素宽度骨架并尽可能去除骨架毛刺,有一定的可行性及优越性。     

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.     

基于模板的全并行细化算法研究及其在3D物体骨架提取中的应用

二值图像细化的基本思想是"层层剥夺",它是一个不断重复的过程,即从物体的最外层向最内层一层一层的侵蚀,在不断删除边界点的同时保持物体的拓扑结构和几何特征不变,直到提取出一个像素宽的三维物体的骨架。理想的三维物体的骨架保持和原物体相同的连通性、形状特征和拓扑结构,可以给后续的研究处理提供极大的便利。本文主要工作是对基于删除模板的全并行三维细化算法的研究,细化算法包含一系列的删除条件,即四类基本删除模板A,B,C,D及每一类基本删除模板添加限定条件后形成的扩充模板,其用于逐层删除值为1的目标点,即将值由1变为0(背景点)。实验表明:本文的基于删除模板的全并行三维细化算法可以较为有效的提取出三维物体的骨架。     

形态学细化算法在印制电路板(PCB)定位中的应用

在印制电路板(PCB)的自动检测过程中，已经注意到准确的定位在生产过程中对自动安置电子器件是非常重要的。骨架是图像几何形态的一种重要拓扑描述，利用骨架表示原始图像，在保持图像拓扑特征的前提下，减少了冗余信息。本文通过介绍一种通用的细化算法，进而引入数学形态学的改进细化算法，利用提取的骨架对电路板进行定位。经比较，运用形态学方法的细化结果有着较好的定位效果。     

关联规则的快速更新算法

针对基于支持度变化的最大频繁项集维护问题、频繁项集与最大频繁项集互转换时的维护问题,提出3种相应算法。在挖掘最大频繁项集的过程中不断调节支持度大小,以实现其快速更新。基于最大频繁项集子集的支持计数,将现有最大频繁项集转换为频繁项集。     

基于矢状面和神经网络的三维人体骨架提取

不同姿态的人体模型易对骨架提取算法产生干扰。为此,提出一种新的骨架提取算法。该算法通过将人体模型矢状面深度信息和改进Hopfield神经网络相结合的方式,引入一种网络输入输出函数,对传统的人体骨架提取算法进行改进,使网络收敛速度明显加快。通过特征点的深度信息决定点对差异的方式,使网络成功地避免局部极小点,同时减少网络的运行时间。实验结果表明,该算法在定位骨架特征点处的误差明显小于传统算法,且缩短了算法的运行时间。该算法对人体骨架提取的效果更好。     

改进的主曲线算法在指纹骨架提取中的应用

在指纹识别系统中,指纹骨架的提取是一个重要而困难的环节,传统的细化算法得到的骨架很容易受到噪声的干扰。因此,在研究指纹数据特点和Kégl的主曲线算法的基础上,提出了一种改进的主曲线算法。实验结果表明：改进算法与传统算法相比有着更好的效率和效果,它所提取的指纹骨架包含更多的信息且具有更高的准确性、可靠性和抗噪声性。     

尺度不变特征转换算法的多源SAR影像匹配

鉴于直接利用SIFT算法进行SAR影响间的匹配不能得到很好的效果,考虑SIFT算法在应对噪声以及对镜像影像进行匹配的局限性,提出了针对SAR影像之间匹配的SIFT算法预处理。首先利用影像与影像之间的空间信息进行匹配,之后利用SIFT算法进行局部特征点匹配,通过采用RANSAC进行错配点的去除,实现SAR影像的高精度配准。实验结果表明,该文提出的预处理以及错配点的去除给利用SIFT算法进行SAR影像的匹配提供了可能。     

一种改进的基于特征点求解的骨架提取算法

基于特征点求解和Reeb图思想,实现了一种新的骨架提取算法。首先求取模型特征点集,以特征点为计算依据,根据三角网格中每个顶点与特征点的不同对应关系得到网格分支点,聚合成一系列骨架点,依据骨架点携带的拓扑信息,连接拓扑相邻的骨架点得到模型骨架。采用了改进的特征点提取算法,其时间复杂度由O（n^3）提高到了O（n^2log（n））,实验表明算法能够快速提取骨架,针对一般模型的骨架提取效果令人满意。     

基于骨架特征的人数统计

针对视频监控中行人在运动中将出现部分或严重遮挡的问题,提出了一种基于人体骨架特征的人数统计算法。首先,利用形态学骨架提取算法提取初始人体骨架图;然后,剔除骨架孤立点和骨架伪分支,得到最优人体骨架特征;最后,通过分析骨架的人头区域特征,建立人头检测响应规则,检测行人人头个数实现人数统计。实验结果表明,该算法能够解决视频监控人物相互之间部分遮挡和严重遮挡问题,针对相对稀疏的场景该算法人数统计准确率为95%左右。     

基于改进自适应k均值聚类的三维点云骨架提取的研究

针对三维点云中心骨架提取问题, 提出一种基于改进的自适应k均值聚类预分割引导的点云骨架提取算法. 首先, 将输入点云体素化, 利用八叉树算法覆盖输入点云并下采样实现点云化简; 其次, 在采样点中自适应选取初始聚类中心对点云进行区域划分, 并颜色标记; 最后, 在区域分割的引导下应用L₁-中值骨架提取算法实现点云骨架的提取. 该算法主要针对L₁-中值算法可重复性差、易丢失细节等缺点进行了改进, 并且对输入点云的质量以及形状的几何或拓扑信息, 都没有严格的先验要求, 可以直接应用到未经任何预处理、含有噪声或离群点的初始扫描点云上. 展示了从多种不规则点云提取的骨架结果, 包括矮小植物、人体动作等. 与传统算法相比, 该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.     

基于骨架的网格模型变形

现有骨架驱动变形算法多以单一骨架驱动变形,且骨架预设十分复杂。为此,提出一种基于骨架的网格模型变形算法。结合多分辨率Reeb图方法提取模型的骨架结构,确定各骨架点对应的局部区域,将骨架点插值构造二次Bézier曲线,通过交互式拖动任意骨架点,计算与其相连多骨架点的动态变化情况,实现模型局部区域的自然形变。实验结果表明,该算法能获得较为自然平滑的变形结果。     

基于主曲线的书法字动态重现算法

如何高效逼真地动态重现书法作品的创作过程日益成为亟需解决的问题,因此文中提出基于主曲线的书法字动态重现方法,解决当前细化算法在提取骨架时存在的无效分支较多、不能保证笔画的连续性和准确性的问题.结合书法字自身结构对主曲线算法进行改进和优化.对书法图像进行骨架提取、骨架追踪、笔顺获取等处理,结合骨架信息和二值图像实现笔画宽度复原,针对笔画宽度存在的“肿瘤”问题,提出“角点剔除法”进行修正,结合HTML5的Canvas绘图技术进行书法字动态书写过程.在模拟数据集上的实验表明,文中算法的书法动态重现取得较好效果.     

An improved contraction-based method for mesh skeleton extraction

Contraction-based skeleton extraction methods have the feature that during skeleton extraction process, the correspondence between skeleton and mesh regions can be obtained, which makes this class of algorithm attractive. Besides, among all mesh skeleton extraction methods, contraction-based methods possesses the merits of robustness to noise, rotation invariant and no requirement on additional boundary conditions. However, contraction-based methods still suffer some flaws such as not promising homotopy or centeredness, or not capable of processing non-closed meshes, etc. In this paper, an improved contraction-based skeleton extraction method is proposed which covers the failure of existing methods at non-closed part of a model and increases the rationality of the centeredness correction of the skeleton: First, non-closed models are virtually closed by a preprocessing stage such that models with boundaries can be contracted in the same way as the closed ones. Second, to improve the centeredness of the skeleton, we present a simpler and more effective one-ring area sequence weighting scheme by which the displacements measuring the shift of skeleton nodes can be calculated. Experimental results show the effectiveness of our work.