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。     

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。     

基于改进分水岭算法的粘连车辆图像分割

为解决基于光流法的交通监控视频车流量检测过程中出现的车辆前景粘连情况,本文提出一种基于欧氏距离的分水岭粘连车辆分割算法.算法通过计算车辆前景中像素点距离背景的最小欧式距离,对阈值筛选后的区域进行质心的选取;以质心为起点构建分水岭算法的集水盆地,生成分水岭轮廓;将分水岭轮廓与原粘连图像结合完成粘连车辆的分割.本文进行各种类型车辆粘连图像分割实验,结果表明,本文提出的算法对于车辆粘连情况分割成功率高,获得了良好的车辆识别效果.     

基于形态学的微目标的图像分割

提出了一种适于高分辨率可见微目标图像的分割算法,首先通过形态学运算强化微目标区域,利用阈值化分割并提取这些感兴趣区域;然后运用小波多尺度算子检测这些区域的边缘;最后再次采用形态学运算以获取目标区域边缘。仿真结果表明该方法能有效地将图像中的具有特定结构的微目标区域分割开来。     

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。     

基于分形的快速最大熵红外图像特征检测

文章针对红外图像目标检测问题,提出一种基于分形的快速最大熵的红外图像特征检测算法.该算法利用DBC方法计算分维数,根据人造物和自然背景分形维差异,确定目标区域;最后,通过二维最大熵原则确定最佳阈值,实现对单目标或者多目标图像分割.该算法能够较好实现红外图像特征检测,有效抑制背景和噪声.     

改进的SLIC算法在彩色图像分割中的应用

针对简单线性迭代聚类(SLIC),仅考虑颜色和空间特征导致分割不准确的问题,提出了一种改进的SLIC分割方法。首先使用双边滤波执行图像增强,可以消除图像中的噪声且保护边缘特征;然后使用结合自适应多阈值LBP纹理特征的SLIC算法将彩色图像分割为超像素块;最后把超像素块通过DBSCAN算法进行聚类合并,以获得分割后的结果图。实验结果表明:所提方法对测试库中的图像分割是快速可靠的,能准确地分割图像边界并提取目标区域。与现有的其他图像分割方法相比,该方法分割的准确度和效率得到了显著提高。     

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。     

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。     

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.     

基于细胞逻辑、形态特征图像分割新算法

在MATLAB软件中结合细胞逻辑形态特征提出了一种图像分割和计数的新算法这种算法的主要思想是通过逻辑运算拉氏变换和数学形态学运算的处理首先提取细胞图像中的逻辑信息再根据细胞特有的圆形椭圆形形态特征将细胞从整个背景中进行分割处理并根据逻辑信息形态特征实现了血细胞图像的简单计数实现了特定血细胞的单独分割其算法简单可靠     

基于颜色特征的筒纱分拣机器人识别定位方法

针对筒纱分拣机器人作业目标的表面纹理复杂、位置随机摆放等干扰因素的问题,课题组提出了基于颜色特征的筒纱识别定位方法。构建了具有视觉感知的4自由度DOBOT筒纱分拣机器人系统,通过视觉系统获取筒纱多目标的图像,采用对图像进行预处理的算法来提高分拣目标的对比度;将作业目标由RGB空间转换到HSV颜色空间,提取各分量的颜色特征,采用区域生长法对不同颜色的多目标区域进行提取;建立基于图像信息的形心坐标,对各目标区域的连通域进行定位。实验结果表明：该方法能够实现对不同颜色的作业目标的识别与定位,并在分拣机器人的手眼标定的基础上,实现了对不同颜色的作业目标进行分拣。     

海面目标快速分割算法的研究

在计算机视觉的分析方法指导下，研究以海面上的军舰为目标的快速分割算法。该算法基于区域分裂和合并的方法，充分利用了区域像素在空间上的连续性和区域的边缘特征，对多个实验图像序列，均有较好的分割效果，且运算量小，便于并行处理，能达到实时的要求。     

融合区域和边界信息的水平集SAR图像分割方法

提出了一种基于区域和边界信息的水平集SAR图像分割方法。该方法根据SAR图像的区域统计特征和边界梯度信息,建立SAR图像分割能量泛函模型;通过最小化能量泛函得到曲线演化偏微分方程;采用水平集方法求解演化方程,实现了SAR图像的分割。分别采用模拟和真实SAR图像对该方法进行了仿真。实验结果表明,该方法能充分利用SAR图像特征,不需要去除相干斑噪声的预处理过程,实现了对图像中目标与背景的正确分割。     

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。     

线性预测盲源提取算法应用于阵列雷达的分析

通过深入分析阵列雷达的杂波/干扰抑制问题,提出应用基于线性预测的有噪盲源提取算法来提取阵列雷达的回波信号,实现杂波/干扰的同时抑制,最终提高阵列雷达的目标探测能力。在建立逼真的阵列雷达接收信号模型的基础上,通过仿真分析了该算法提取阵列雷达回波的能力和改善阵列雷达的目标探测能力。结果表明,该算法提取雷达回波信号的效果理想,平均相关系数大于0.93;当运动目标的归一化多谱勒频率大于±0.1Hz时,阵列雷达的检测概率接近1,验证了该算法的可行性和有效性。     

基于几何特性的电气化铁路支撑装置管帽定位算法研究

针对接触网支撑装置图像(4C)中出现频率最高的管帽缺失故障,提出了一种基于几何特性的定位算法,实现了管帽区域的准确定位。首先对现场图像进行预处理;然后利用搜索阈值法二值化实现对支撑装置银色镀锌区域的提取;利用区域中心算法和最近像素定位法实现腕臂直线提取;最后根据支撑装置几何特性实现管帽区域的定位。实验表明,提出的定位算法能在复杂的接触网支撑装置图片中准确定位管帽区域。定位结果不受旋转、尺度、光照、支撑装置正反定位及图像中支撑装置主体结构是否完整等因素的影响,具有较高的实用价值和研究意义。     

一种动态场景下的视频前景目标分割方法

视频中运动前景目标的分割是计算机视觉领域的一项关键问题,在视频监控、检索、事件检测等多个方面具有重要应用价值。现有视频前景目标分割技术主要针对静态场景,在动态场景下难以获取良好效果。该文提出一种高斯混合模型与光流残差相结合的前景目标分割方法。该方法使用高斯混合模型建模,提取初步的前景区域;利用光流残差进一步滤除其中动态纹理背景干扰;采用形态学处理获得前景目标。实验显示,与现有方法相比,该方法可更准确地从动态场景中分割出前景目标轮廓。     

堆叠筒子纱机器人无序分拣方法

针对筒子纱分拣机器人对作业目标堆叠时识别不准确、抓取位置不稳定的问题，课题组提出了一种堆叠筒子纱的机器人无序分拣方法。构建了具有3D视觉感知的筒子纱分拣机器人系统，利用Kinect V2相机获取堆叠筒子纱的图像信息，对采集到的筒子纱点云进行处理；通过M估计抽样一致性算法（MSAC）和直通滤波算法对原始点云进行裁剪，采用改进E R分割算法和ICP算法完成点云的分割和配准，得到筒子纱的位姿信息；最后使用机器人进行抓取实验。实验结果表明：该方法能够实现对堆叠场景下的作业目标的识别定位，系统的抓取成功率达到86%，可以满足筒子纱分拣的实际生产需求。