基于改进LK光流法的车流量检测

为了实现基于交通监控视频的车辆检测,提出了一种基于LK光流法与分水岭算法相结合的车辆检测方法,利用LK光流法生成车辆光流数据,对光流数据进行处理生成车辆前景图像,对前景中产生的车辆粘连的情况采用改进分水岭算法完成分割.实验结果表明,该方法一定程度上避免了LK光流法因车辆粘连而造成的误判断情况,较现有方法有所提升,有较好的识别效果.     

改进分水岭算法与K-means方法结合的图像分割

针对分水岭分割算法存在的过分割及对噪声敏感问题,提出一种基于K-means聚类算法与改进分水岭算法结合的图像分割算法,首先,利用K-means聚类算法进行初始聚类分割,提取感兴趣的目标;然后,提出基于4-邻域相似度的改进分水岭算法,对K-means初始聚类图像应用改进分水岭算法分割目标区域。从100幅人骨医学图像提取人骨区域,实验结果表明所提出算法可解决分水岭算法的过分割问题,且有效分割了图像目标。     

一种应用于药品泡罩包装检测的改进分水岭算法研究

针对分水岭算法存在的过分割问题以及泡罩包装药品图像的特点,提出一种改进的分水岭分割算法对泡罩包装的药品进行分割。该方法将形态学重建运算与使用控制标记符的方法相结合,首先对原图像进行开闭重建,根据邻域像素连通性提取重建后图像的局部极大值作为标记,从而抑制其他的局部极小值,然后依据标记对原始的梯度图像进行修正,最后对修改后的梯度图像进行分水岭分割。试验表明,该方法在缺陷药品检测中,可以有效的抑制传统分水岭的过分割,分割效果良好。     

SEM材料图像目标区域分割

由SEM获取的纤维材料图像,目标孔洞粘联明显、重叠严重,特征参数提取困难。本文首先利用提取目标特征凹点的方法,实现了目标区域分割,但在分割精度上存在着不足,且算法较为复杂。对此,采用了一种基于距离变换的分水岭算法,通过对不同区域设置标记,循环标记的最终结果形成分水岭,并通过抑制过分割实现了对目标区域更为精确的分割。实验结果表明该算法具有良好的特性。     

基于非下采样Contourlet变换和分水岭算法的图像分割方法

图像分割技术在数字图像处理中占有非常重要的地位。提出基于非下采样Contourlet变换的图像分割方法,有效地将非下采样Contourlet变换与数学形态学中的分水岭算法结合起来,既减少了分水岭变换的过分割现象,又有效地保持了图像中的边缘信息。实验结果表明,此方法是可行的,并能得到良好的分割效果。     

非均匀光照金刚石切割线颗粒提取方法

针对常用的金刚石切割线人工检测抽检误检率高，检测精度低，而且由于实际环境中成像条件的限制，图像的背景光照不均匀，金刚石颗粒粘连在一起，给金刚石颗粒提取带来困难的现状。课题组提出了基于机器视觉的非均匀光照金刚石切割线颗粒提取方法，利用同态滤波去除噪声与光照不均匀度，最大间方差法对采集的图像进行二值化处理，引入形态学与分水岭分割融合的算法对粘连颗粒进行分割，根据八连通域标记方法统计出颗粒数。课题组对6种不同样本进行对比试验，结果表明课题组所提出的方法准确度较高，提高了计算速度。     

基于质心侧偏角计算的自动转向控制

为改善车辆高速行驶时质心侧偏角对车辆横向控制的影响,基于车辆动力学分析与辨识提出了一种基于无迹卡尔曼滤波理论的精确计算质心侧偏角的方法,并将其应用于车辆的自动转向控制系统。为验证算法的有效性,进行了相关的仿真分析。仿真结果表明:在实时计算质心侧偏角的基础上进行车辆的性能控制,可提高车辆的瞬态控制精度,有效改善车辆的舒适性。     

基于控制标记符分水岭的重叠细胞分割

医学上存在细胞之间有重叠的现象，可以利用图像处理的方法解决。由于传统的图像处理法一分水岭算法容易产生过分割和对噪声敏感的问题，所以，本文首先对图像计算梯度，然后对目标和背景进行标记，最后根据被标记的二值图像进行修正，通过分水岭算分进行分割。实验证明，该方法能很好地分割重叠细胞，并给出其MATLAB程序。     

一种新的形状描述与识别方法

在形状上下文基础上,提出一种新的形状描述符。该形状描述符以形状质心为参考坐标原点建立对数极坐标,并由质心与边界样本点之间的距离及其内角两维构成,其中内角采用质心与边界点连线与轮廓切线之间的切角。这种新的形状描述子计算简单,能较好地区分不同的形状,且具有平移、缩放和旋转不变性,适合使用神经网络来作为识别分类器。最后以神经网络算法作为分类器,在MNIST手写数字数据库和Kimia图像数据库进行了实验验证。实验结果显示:该方法在单目标形状图像检索中取得了较好的检索效果,同时显著地减少了检索所需的时间,适用于较大型图像数据库的检索任务。     

一种基于改进遗传算法的图像分割方法

基于改进遗传算法的图像分割方法是在传统阈值分割的基础之上,加入线性分割以及遗传算法.为提高分割效果,分割之前首先对图像进行拉伸,增强图像的明暗对比度;然后再进行改进的遗传算法操作,通过不断迭代进化确定出图像分割的最优阈值;最后利用遗传算法确定的最优阈值进行阈值分割.实验证明,基于改进遗传算法的图像分割算法可以大大提高图片分割的精确度和准确率,取得了较好的分割效果.     

基于改进窄带法的快速医学图像分割方法

基于曲线演化的水平集算法近来已被广泛应用于医学图像分割中,根据分割医学图像的鲁棒性实时性的要求,提出一种新的基于改进窄带法的图像分割方法INBM(Improved narrow band method)。INBM首先将均匀采样的图像映射到对数极坐标系中,由视网膜空间分辨率机制可知,注视点都在图像兴趣区,由此形成初始轮廓,然后用改进的窄带水平集(Level Set)方法演化曲线得到最终分割结果.改进窄带法是通过降低窄带区域内的水平集函数求解个数,来减少计算时间。实验结果表明,该方法能够快速、准确地得到医学图像的结果。     

流形距离的自动免疫克隆聚类图像分割算法

聚类算法在对图像进行分割的过程中要面对如何自动确定聚类类别数、如何克服图像特征点分布复杂的流形结构、如何减少算法的运行时间。针对这些问题,提出了流形距离的自动免疫克隆聚类图像分割算法。自动免疫克隆聚类算法可以自动确定聚类个数,不需要人为事先给定,并且确保全局收敛;使用流形距离可以反映空间分布复杂的流形数据;使用超像素而非像素来降低图像分割的时间等问题。通过对4组人工数据集和4幅自然图像进行实验,对比k-means算法、GCUK算法,结果表明该方法优势比较明显,具有一定的实用性和先进性。     

基于FPGA的平板式数粒机检测系统

针对目前国内药品检测数粒机大多是多通道数粒机,存在稳定性差、检测精度低等缺陷,课题组提出了基于FPGA的平板式数粒机检测系统。采用现场可编程门阵列（FPGA）作为控制系统的核心,对面阵图像传感器进行参数配置、图像数据采集,并对原始图像进行增强预处理。再由FPGA运用Canny算法获取图像采集单元的药粒目标轮廓信息,运用质心法获取质心位置坐标,采用检测线目标位置预测计数方法实现药品的高速在线检测计数。实验结果表明,基于FPGA的面阵图像传感器数粒机系统可以实现高速度、高精度的在线计数。     

基于Mean Shift方法的视频车辆检测与分割

提出了一种基于Mean Shift方法的视频车辆检测和分割方法.首先将交通场景图像与路面区域所对应的二值掩模图像进行“与”运算以排除无关背景干扰,并对所得的结果图像用Mean Shift聚类方法进行分割以得到原始的分割图像.然后根据区域的面积、分布以及颜色的均匀性和相似性等特征有效过滤出路面区域.进一步基于颜色的不相似度量,将路面区域置“黑”,所有其他区域置“白”,对路面区域图像进行二值化.最后通过特定的后处理过程可把路面区域中所存在的动、静态车辆检测出来.     

细胞图像分割的新方法

细胞图像分割是细胞图像识别过程中最困难也是最重要的步骤之一。本文针对临床使用的宫颈巴氏染色涂片细胞图像的特点,提出了二种新方法:自适应窗和去粘连法。在自适应窗内只有单个细胞存在,然后在窗内采用最大方差阀值法对该细胞进行分割;去粘连法避免了通常使用的腐蚀、膨胀次数难以确定的缺点,使粘连的细胞互相分离。经过病理学家对1100个细胞的测试,证明这二个方法对提高分割效果很有效。     

基于视频的交叉路口车辆排队长度检测方法研究

为获取城市交叉路口车流量情况,实现路口红绿灯的优化控制以提高交叉路口通行效率,探讨了一种基于视频图像的交叉路口车辆排队长度检测方法。论述了基于图像处理的车辆识别技术,讨论了车辆排队检测方法,借助灭点原理的参数标定方法获取了摄像机内外参数,基于成像原理分析了图像坐标与世界坐标中的转换关系,从而获得从像素距离到物理距离的转换关系。以典型车辆排队视频为例进行实际测量,结果表明:排队长度与计算所得结果误差均在允许范围之内,说明提出的检测方法是合理与可行的。     

边缘检测算法在牌照定位中的应用分析

定位是模式识别的难点和关键.利用边缘检测法定位是基于边界的图像分割算法最基本的处理方法.不同的边缘检测算法可以得到不同的检测结果,比较和分析这些算子的作用和处理图像结果的优劣,并从中选出最合适的方法,在车辆牌照自动识别系统的应用上有积极的意义.     

基于梯度矢量流snake与多尺度分析的血管内超声图像轮廓提取

提取血管内超声(IVUS)图像的血管内腔轮廓对冠状动脉疾病的诊断有积极意义。本文提出了一种基于梯度矢量流(GVF)snake与多尺度分析的轮廓提取新方法。针对传统GVF snake的轮廓初始化、抑制噪声和伪像干扰两个难点,本文方法在如下两个方面进行了改进:第一,利用序列图像的特性产生时间方差图并得到初始轮廓,从而实现轮廓提取过程的全自动化;第二,引入多尺度分析,使GVF snake在离散小波变换得到的多尺度图中形变,从而增强了算法的鲁棒性。对仿真图像和实际IVUS图像的实验表明,该方法在轮廓提取的精度方面优于传统的GVF snake方法。     

基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合，是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率，提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制；然后通过塔形分解来缩减聚类样本集；最后利用加权FCM聚类算法进行分类。仿真结果表明，该方法的效率明显优于标准的FCM算法。此外，为确定分割的最优类别数c，还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度，实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。     

肝脏CT图像三维分割研究

针对肝脏CT图像的特征,提出了一种将种子区域生长算法和改进Snake模型相结合的策略,实现了肝脏的三维分割提取。该方法先从CT图像序列中筛选出肝脏有明显成像边缘的一张切片,在其肝脏区域内选择若干个种子点,利用种子区域生长算法得到初始边缘,再利用改进的Snake模型对初始边缘进行优化,然后,将此切片的边缘轮廓作为与其相邻切片上的初始边缘,重复该过程,直到分割完所有切片。实验表明该算法具有较高效率,分割结果精确,所产生的分割结果可以作为三维重建合适的数据集。