沥青混合料CT图像分割技术及其效果分析

在最大类间方差法(OTSU法)的基础上,设计了环状分块方法,用以解决在处理路面芯样CT图像灰度图无明显双峰,目标集料颗粒与沥青胶浆背景分割的技术难题,并着重从图像分割效果方面设计试验,开展了评价研究.结果表明:采用环状分块和OTSU法相结合的改进算法,图像的分割质量明显提高.进一步与最佳阈值法(手动)相比较,采用粗集料...     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

基于头脑风暴优化的PCNN路面裂缝分割算法

为提升裂缝检测的分割精度和鲁棒性,基于头脑风暴优化（brainstorming optimization,BSO）和脉冲耦合神经网络（pulse coupled neural network,PCNN）,提出了一种路面裂缝图像分割算法（BSO-PCNN）. 该算法采用最大熵准则作为BSO算法的适应度函数,并依据适应度值决定参与次轮迭代的个体;BSO具有强收敛性,可快速确定最优个体解;结合图像特征,获得PCNN模型的最优参数,将其代入PCNN模型实现对裂缝图像的分割. 试验结果表明:算法可在20次迭代内取得不同类型路面裂缝图像的最大适应值,从而确定最佳分割参数;与Sobel边缘检测算法、PCNN图像分割算法、基于最大熵的遗传算法（genetic algorithm based on the maximun entropy of the histogram,GA-KSW）、基于遗传算法参数优化的PCNN分割算法（genetic algorithm based on the pulse coupled neural network,GA-PCNN）相比,BSO-PCNN算法取得了0.9924的区域一致性与0.0900的区域对比度.      

基于引导滤波和积分投影算法的轨道扣件定位

精确定位是实现轨道扣件缺陷计算机自动检测的基础,为此提出了一种改进引导滤波去噪和灰度积分投影结合模板匹配算法的轨道扣件定位方法.首先,通过具有良好边缘保持能力的改进引导滤波算法对轨道扣件图像进行去噪;其次,利用改进Canny算法在Opencv平台对扣件图像进行边缘检测,实现轨道扣件图像边缘检测的自适应性;再次,采用灰度积分投影算法结合先验知识粗定位扣件区域;最后,通过模板匹配算法精确定位轨道扣件.仿真实验表明:所采用的算法具有较好的定位能力,可以准确地定位轨道扣件区域,为进一步的扣件识别提供了可靠的基础.     

图像分块下的隧道裂缝识别方法

针对隧道衬砌表面不均匀光照、渗水和噪声等强视觉干扰,设计了基于图像分块的隧道衬砌裂缝检测算法;根据中国西部地区的地理特征和隧道衬砌的外观病害,研制开发出一种快速、自动化的非接触式智能隧道结构物外观检测系统; 以非均匀光照下隧道图像数据集为研究对象,在图像分块的基础上提出一种适用于隧道裂缝特征提取的图像识别算法;研究了电子元件产生的噪声,并分析和总结了隧道衬砌的灾害特征;根据裂缝特征和分辨率将图像矩阵划分为适当数量的区域块,根据区域块的灰度特征将原始图像划分为目标背景区、目标病害区、病害背景区和其他区域,通过最大类间方差法和局部阈值法分割得到了隧道裂缝的粗图像,在此基础上进行了粗图像裂缝特征提取;对原始图像的每个区域块进行了对比度受限的自适应直方图均衡操作和局部阈值分割,得到了细节图像;将细节图像和粗图像的重叠区域设为理想裂缝二值化图像;结合隧道结构物外观检测系统对不同方向的裂缝图像进行了二值化试验,并通过隧道裂缝定位和投影法得到了隧道衬砌图像中裂缝的位置信息和方向。研究结果表明:提出的算法对隧道裂缝识别的准确值、召回率和F值可分别达90.34%、98.78%和94.37%,既可以保证隧道裂缝的完整性,也可以在非均匀光照下最大程度地保留目标裂缝的细节,可用于处理一般灰度图像的二值化问题。      

基于类间和类内方差的快速二维阈值分割法

为了提高二维阈值分割法的处理速度,提出二维类间方差最大法的快速实现方法.首先,将二维最佳阈值（s*,t*）的求解拆分成两个一维最佳阈值s*和t*的求解,并引入类内距离的定义,提出新的最佳阈值判别式.其次,将原二维直方图分成M×M个区域,合并每个区域为一点,并构建新的二维直方图,在其上应用本文改进的阈值判别式D（s*,t*）求解,得到分割阈值所在的区域编号.最后,在该区域内再次使用D（s*,t*）求解得到原始图像的最佳分割阈值.理论分析及针对不同信噪比的多幅图像的实验结果表明,本文方法的分割错误率低于原始二维Otsu法,且将原算法的时间复杂度由O（L4）降为O（L1/2）,空间复杂度由S（L2）降为S（2L）.      

一种基于遗传算法的最优阈值图像分割算法

为了提高图像分割效率,提出一种基于遗传算法的最优阈值搜索方法OTSGA.OTSGA算法对图像的灰度级进行二进制编码,生成初始种群,求出每个个体的二维最大熵,然后根据设定的寻优准则进行相应的遗传操作以搜索阈值最优解.为了避免在求解过程中出现早熟现象,OTSGA算法将交叉操作得到的个体群与上一代种群混合,得到新的种群进行遗传操作,避免了个别个体在遗传运算的最初迭代时就在种群中占据主导地位,导致求解过程的过早收敛.实验结果表明,OTSGA最优阈值搜索方法不仅降低了运算开销,而且获得了满意的图像分割效果.     

����ͼ��ֱ��ͼ�ij���ͼ���ֵ�������о�

在基于数字图像处理的车牌识别技术的研究过程中,因为车牌定位和字符分割一般都是基于车牌区域的二值化结果进行的,因此对图像的二值化是非常关键的一步,二值化的效果直接影响到后面的车牌定位以及字符分割。二值化最主要的是阈值的确定,文章对比了几种常规的车牌图像全局阈值二值化处理算法,并重点分析了最大类间方差法和KSW 最大熵法的基本原理和微机仿真结果,发现用于车辆图片是这些方法不够理想,然后提出一种新的方法—基于图像直方图波形分析的车牌图像二值化处理算法,经过大量试验证明该算法在进行车牌图像二值化处理时效果非常理想。     

基于自适应阈值的车辆边缘提取算法研究

实际道路视频图像背景复杂多变,给车辆边缘检测带来困难.提出用最大类间方差法求边缘检测算子的阈值,并给出具体迭代求解过程,得到的阈值能随图像背景的变化而变化,具有自适应性.实验结果表明了算法的可行性和有效性.     

遗传算法在图像分割中的应用

图像分割是图像分析的预处理阶段,被认为是计算机视觉中的一个瓶颈.基于扩展的Otsu最优阈值图像分割方法,提出用一种改进遗传算法进行图像分割的方法,并给出了遗传算法中参数的设定.仿真结果表明,改进算法的计算速度不仅明显优于传统的Otsu方法,而且算法的分割效果也很好.     

模糊航空图像中的道路自动检测方法

为了在模糊航空图像中精确地检测道路,通过分析图像中道路特性,提出了一种道路自动检测方法。通过多尺度Retinex算法增强模糊图像,用改进的Canny边缘检测算法检测图像中的主要路段,使用交叉熵理论和贝叶斯决策理论自动获取梯度图像中的高低阈值,从而将灰度图像转化为二值图像,并将图像中所有线性目标进行骨架提取。根据线性目标的形状与尺寸参数进行噪声滤除,并根据端点的方向与端点间的距离进行道路间隙缝合,并结合边缘和原始图像信息调节和修正已检测出的道路。将道路自动检测方法与几种常用的图像分割算法进行比较,包括大津阈值分割算法,Canny边缘检测算法与图论最小割算法,并使用道路自动检测方法对模糊图像中的单条道路、交叉道路和多条道路进行检测。检测结果表明:对模糊或光照不均的航空道路图像,Retinex算法增强图像后可以清晰显示主干道路,而常规的图像分割算法无法将主干道提取出来,使用改进的Canny边缘检测算法并附以图像后处理功能较好地提取主干道路。使用道路自动检测方法能够清晰地检测模糊航空图像中单条道路、交叉道路和多条道路,与人工识别的效果接近。     

基于分形特征的医用图像边缘增强和检测

由曼德勃罗特（BenoitB.Mandelbrot）的分形理论可知,建立在分形布朗运动模型之上的医用图像总可以计算得到一分形维数。本文在建立于分形布朗运动模型之上的分形维数的估算进行了讨论。通过将整个医用图像中每个像素的分形值,转化为相应象素的灰度值,得到了边缘增强和检测图。结果显示,基于分形的医用图像转化算法较之传统的图像边缘增强算法有利于减少噪声。     

基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法

针对传统2维Otsu法由于计算量大而无法实时对路面裂缝图像进行分割的问题,将粒子群算法和遗传算法相结合,提出了一种基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法。实验结果表明:与标准粒子群优化的2维Otsu阈值分割法相比,文中方法可以完整分割出图像中的裂缝目标;与传统2维Otsu法相比,文中方法减少了算法运行的时间,提高了路面裂缝图像的分割效率。     

自然背景下交通标志牌的检测方法研究

根据交通标志牌的颜色特性,文章提出一种基于二维高斯HSV颜色模型的交通标志牌检测方法。采取限制对比度自适应直方图均衡化对采集到的图像进行预处理,增强图像的对比度;建立二维高斯HSV颜色模型对预处理后的图像进行分割,并进行形态学操作和边缘检测,从而实现交通标志牌的准确定位。     

基于图像的铁路货车车号定位与识别

针对铁路货车车号特征,提出一种基于图像处理的车号定位与识别方法.该方法首先对车号区域图像进行预处理并粗定位出车号区域,然后采用改进的Soble算子边缘检测技术与投影法和铁路货车车号先验知识相结合对车号区域进行精确定位,最后通过对字符进行分割和归一化处理,在粗网格特征提取字符特征的基础上采用模板匹配法快速实现了车号识别.实验结果表明,该方法对铁路货车各种车型车号区域定位和识别具有较高的准确率.     

低照度边缘增强的语义分割模型研究

为提高对低照度图像的语义分割精度,提出了一种基于RPN的边缘增强语义分割模型(EESN)。在该模型中,首先利用深度残差网络提取图像的高阶语义特征,并通过RPN快速生成待分割目标候选区域;然后,利用设计的融合算法对候选区域进行融合,并剔除重复的候选区域;最后,对融合的目标候选区域做低照度边缘搜索,并利用失真代价较小的局部增强算法对低照度边缘进行特征增强。将EESN用于Pascal VOC12和Cityscapes两个数据集的语义分割中,分别获得了81.2%和67.6%的mIoU,该结果证明了EESN对具有低照度边缘的图像具有较好的分割性能。     

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

基于互信息最佳阈值迭代的图像分割方法研究

阈值分割是一种重要的图像分割方法,是图像检测与识别的重要预处理步骤之一.依据分割图像与原图像之间的内在联系,提出一种互信息和阈值迭代相结合的番茄图像自动优化分割方法(MI-OPT).分割实验表明:对成熟期果实与背景的颜色差异不大或表面色彩不一致的番茄图像,MI-OPT分割方法效果较好.     

基于改进主动轮廓模型的钢轨表面缺陷分割

针对钢轨表面图像灰度分布不均匀、目标缺陷轮廓边缘模糊的问题,提出了以C-V模型和LBF模型为基础的主动轮廓模型分割算法.首先,结合C-V模型和LBF模型建立最小化能量泛函模型,并对模型进行凸优化处理;然后,通过对局部子块进行卷积得到演化曲线内外局部灰度均值;最后,采用Split Bregman迭代算法进行模型求解,解决了C-V模型和LBF模型收敛速度慢、对初始轮廓位置敏感和容易陷入局部最小等问题.使用该模型对含有掉块、钢轨接缝或裂纹缺陷三类常见的钢轨表面图像进行分割,仿真实验结果表明,该模型在初始轮廓位置的选择及分割性能上明显优于单一的C-V模型和LBF模型.     

智能图像处理技术在车型识别中的应用研究

提出了一种应用于视频车型识别系统中的图像预处理方法．该方法对采集到的车辆图像去模糊恢复，然后采用快速的梯度算法得到背景与车辆的边缘图像，用两幅边缘图像相减分割出车辆图像，再对图像二值化，并进行直线拟合、填充处理，最后用轮廓跟踪的方法得到完整的车辆轮廓图，从而有效提取特征参数．