噪声环境下基于不确定性度量的随机HT直线检测

含噪图像中直线的自动检测是机器视觉和图像处理中的热点问题之一。基于Hough变换的直线检测算法中采用硬投票方案,在噪声环境下检测精度下降且占用内存大。为了提高检测算法的抗噪性和降低算法的计算复杂性,提出了一种新的将边缘点不确定性度量和随机Hough变换相结合的直线检测算法。该算法在所建立的点属于某直线上不确定性度量概率模型基础上,根据随机选择的两点间直线参数,按照Bayesian法则用基于不确定度量的参数空间软投票提高了检测算法的抗噪能力。实验结果表明,算法在较高的噪声（方差大于0.03）时,检测误差小于1‰,检测时间是单纯不确定度量直线检测方法的1/2,比传统Hough变换算法快10-15倍。     

一种基于多尺度局部分形维轮廓不规熙特征提取算法

黑色素瘤的早期鉴别是计算机辅助诊断研究的热点之一,其中轮廓结构不规则性是黑色素瘤早期诊断的重要特征。提取黑色素瘤轮廓不规则特征值的传统方法为全局分形维。由于此方法仅描述了黑色素瘤轮廓粗糙度的整体特征,且没有剔除轮廓的纹理不规则性,鉴别正确率不高。本文提出了利用多尺度高斯滤波去除轮廓纹理不规则部分,定义了具有重要诊断意义的结构不规则性度量,并在不同尺度下提出了新的基于局部分形维分布的轮廓不规则性特征。试验表明本文提取的特征较全局分形维和基于轮廓空间不规则性度量的方法在多层次上具有显著的不规则性信息,提高了基于轮廓不规则性鉴别黑色素瘤的能力。     

一种基于多尺度局部分形维轮廓不规则特征提取算法

黑色素瘤的早期鉴别是计算机辅助诊断研究的热点之一,其中轮廓结构不规则性是黑色素瘤早期诊断的重要特征。提取黑色素瘤轮廓不规则特征值的传统方法为全局分形维。由于此方法仅描述了黑色素瘤轮廓粗糙度的整体特征,且没有剔除轮廓的纹理不规则性,鉴别正确率不高。本文提出了利用多尺度高斯滤波去除轮廓纹理不规则部分,定义了具有重要诊断意义的结构不规则性度量,并在不同尺度下提出了新的基于局部分形维分布的轮廓不规则性特征。试验表明本文提取的特征较全局分形维和基于轮廓空间不规则性度量的方法在多层次上具有显著的不规则性信息,提高了基     

噪声环境下基于局部不确定性度量的多直线检测算法

针对噪声环境下复杂工件多直线测量中存在的检测精度下降问题,提出了一种基于局部不确定性度量的直线检测算法。该算法首先将目标区域分块,在每个子块内,建立点属于某直线不确定性度量概率模型,按照两点组合原理和Bayesian法则,计算任两点所确定的直线的累积不确定度量,通过对参数空间软投票检测直线。算法具有较强的抗噪能力和快速性。实验结果表明,该算法在较高噪声（方差为0.06）时,检测精度误差小于1‰,检测正确率仍可以达到90%以上,且其检测时间是单纯不确定度量直线检测方法的1/2, 比传统Hough变换算法快4~5倍。