分形维-最大熵阈值的弱边缘工业CT图像分割算法

含有弱边缘的工业CT图像在分割时易产生过分割现象,对此提出了一种分形维定位和最大熵阈值分割的图像分割算法.首先,采用中值滤波和高斯平滑对图像进行预处理;其次,对预处理后的图像进行分块,并求取每个分块的分形维;再次,根据背景和缺陷处分形维的差异对缺陷进行粗定位,并根据连通域分析精确定位缺陷区域;最后,利用最大熵阈值法对精确定位后的局部区域进行分割.仿真实验表明:所提算法具有良好的分割能力,可以准确地分割出含有弱边缘的缺陷目标,并有效排除轮廓背景对分割的干扰,避免了过分割.     

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...     

基于四叉树孤立分割和屏幕误差的地形LOD算法

为解决静态和动态细节层次模型存在的数据冗余度大、精度判断标准单一和层次切换跳跃感强的问题,提出了基于四叉树孤立分割和屏幕误差的地形LOD(level of detail)算法.采用该算法,针对于规则格网,通过地形瓦片分割和数据预处理减少实时阶段计算量,利用四叉树孤立分割消除结点间依赖关系,并构建保守性屏幕误差评价标准以弱化视觉跳跃感,最后采用添加拆分点和高程平均值法消除相邻瓦片和结点间裂隙.实验结果表明:该算法能较好解决常规方法中存在的问题;可满足大规模地形实时三维显示的要求;实时显示计算量小,帧速可保持在0.03 s以内.      

基于适应性阈值和遗传算法的图像分割

图像分割是自动目标识别的关键和首要步骤，其目的是将目标和背景分离，为计算机视觉的后续处理提供依据。提出了一种基于适应性阈值和遗传算法进行图像分割的方法，对图像的不同区域分别作灰度值的评价标准，把图像分割问题定义为一个多区域的独立优化问题，利用遗传算法的寻优高效性，搜索到能使分割质量达到最优的图像分割阈值。试验表明，使用该方法可使图像分割获得满意的效果。     

基于改进模糊算子和形态学的舌体分割方法

舌诊是中医望诊中的重要内容,为了自动分析舌体的各项指标,必须将舌体从背景区域中分割出来.由于舌体与脸部等背景区域颜色较为接近,提出一种基于改进模糊算子和形态学的舌体分割方法,该方法根据由大津法确定的阈值定义隶属函数,取得了令人满意的分割效果.     

基于球面图像的三角网格模型分割

为了从局部形状的角度实现对三角网格模型的管理和重用,提出了一种基于球面图像的三角网格模型分割方法.通过球面参数化及球面划分,将三角网格模型的表面属性信息映射到球面图像中;利用成熟的区域生长、区域合并图像分割算法对球面图像进行分割;将球面图像的分割结果转换为三角网格模型的分割结果.实验结果表明:该分割方法可以对不均匀的低分辨率三角网格模型进行有效分割,降低了几何属性估算对分割结果的影响,不会发生过分割现象,不需要进行分割的后续处理.     

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.     

基于序列图像运动分割的车辆边界轮廓提取算法

为了准确获得图像感兴趣区中运动车辆的形状特征,提出了一种新的车辆边界轮廓提取算法.利用连续3帧图像,对包含同一运动车辆的图像感兴趣区进行光流场分割,以获取目标运动区域,通过平移运动区域的左、右边界获得正确的车辆区域及其封闭边界轮廓,通过放大运动矢量计算公式的阈值来提高其运行效率.试验结果表明:该算法可从具有复杂自然场景的图像序列中检测出完整的运动车辆边界轮廓,检测正确率在95%以上.     

车辆牌照自动识别系统中的字符分割技术

车辆牌照定位以后,需要进行字符分割,以便系统自动识别。介绍了一种基于阈值化与投影法的分割技术,详细阐述了车牌图像归一化、域值化和字符分割的具体过程,算法简单实用,经过实验验证,可以满足实时自动识别系统的要求。     

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。     

桥梁下部结构裂缝提取的改进C-V模型算法(英文)

应用改进C-V模型,进行桥梁下部结构裂缝图像分割,通过裂缝截取、图像填充和旋转变换精确提取裂缝宽度。对不同光照条件下拍摄的在役混凝土桥梁结构裂缝图像,分别利用改进C-V模型算法、自适应阈值法、形态学算法、C-V模型以及Canny算法进行试验对比。分析结果表明:改进C-V模型算法误分率和运算时间最小,分别为3.02%与89ms;1 000幅桥梁结构裂缝图像试验对比显示裂缝检测准确率大于90.8%,裂缝宽度平均误差小于0.03mm。可见,改进算法可有效提高检测准确率,减少运算时间。     

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）.      

顾及A公报影响的天文测量精度分析

地球定向参数是解算天文测量数据的重要参数，其精度直接影响最终的定位定向结果. 目前，没有一种技术手段可以实时获取高精度的EOP （earth orientation parameters）观测值，主要使用国际地球自转和参考系服务（International Earth Rotation and Reference Systems Service，IERS）发布的Bulletin A （简称A公报）预报值进行解算，但其对天文测量影响尚缺少系统的研究. 为此，研究了1998年—2018年每年1～365 d预报误差的长期变化情况及不同时间跨度的预报误差变化情况，并以某站数字天顶仪观测数据为例分析了预报误差对天文测量的影响. 分析结果表明:1年跨度的极移预报值对天文经度的影响小于0.03 as，纬度的影响小于0.09 as，天文方位角小于0.07 as，该指标远高于一等天文测量的精度要求；UT1?UTC （universal time1?universal time coordinated）的预报精度是限制A公报精度主要因素，其40 d以上的预报值无法满足一等天文测量的最低要求，预报精度仍有待于进一步提升.      

ʵʱ�����Ŷӳ���ͼ����ϵͳ��FPGAӲ��ʵ��

针对现有交通路口车辆排队长度检测系统处理速度低、无法适用于实际复杂路口环境的缺陷,设计了一种基于FPGA的实时车辆排队长度图像检测系统.通过形态学边缘处理检测车辆的存在,对检测出的车队轮廓进行水平投影并采用一种基于信息量的车辆度量方法从投影结果中提取了排队的队尾,同时在确定排队长度时通过对算法参数的自适应调整有效消除图像逆透视效果的干扰;整个图像处理过程完全利用FPGA硬件逻辑实现,采用五级并行流水设计保证图像采集、高斯滤波、Sobel边缘检测、阈值分割和形态学腐蚀处理同步执行且同时完成,实现了对分辨率为720×576的图像25帧/s的处理速度.实验结果表明,系统性能良好,工作稳定,算法简单实用,具有较好的应用前景.     

基于自适应阈值和连通域的隧道裂缝提取

为了解决传统人工隧道裂缝检测存在诸如效率低、主观性大、安全性差等弊端,利用裂缝具有方向性和连续性等特征,提出了一种基于自适应阈值和连通域标记的隧道裂缝提取方法. 首先,根据裂缝的方向性特征,设计了一种阿拉伯数字算法（Algorithmic）对裂缝进行粗提取,其中对于该算法公式中的阈值选取进行了自适应阈值化,利用改进的阈值迭代法完成系统自动获取最佳阈值,无需人工干预;然后,根据裂缝的连续性特征,采用数学形态中的连通域标记法对裂缝进行细提取,其中通过控制连通域面积大小,实现裂缝粗提取后的去噪处理,通过膨胀和腐蚀操作实现裂缝粗提取后的修复处理;最后,选取了共计165张不同类型的裂缝图像作为实验样本,在MATLAB上进行仿真实验. 从实验数据可以看出,自适应阈值和连通域标记的提取方法其提取精度可高达94.2%,平均运行时间仅35.4 s,误识率和拒识率已控制在2.7%和1.1%,相较于传统的图像处理方法有着显著的提高,充分展现出良好的应用前景.      

一种改进的SIFT图像立体匹配算法

针对SIFT算法复杂度高、计算时间长、影响立体匹配的实时性等问题,提出了一种改进的立体视觉特征点匹配算法该算法从两个方面对SIFT算法进行改进:首先利用24维特征描述符代替128维特征描述符,以降低计算复杂度;其次在图像对匹配过程中采用改进的BBF搜索算法,通过引入最小优先级队列的限制条件和匹配精度更高的马氏距离判断两幅图像特征点的匹配性.采用经典图像和未知的室外环境下拍摄的图像对本文算法进行实验验证,结果表明,本文提出的算法每100个特征点检测时间为0.01 s,正确匹配率平均为89.65%,相对于原算法,提高了匹配的准确度,并降低了匹配时间.      

基于云模糊理论的图像纹理分割

为了处理图像纹理的模糊性和随机性,基于云模糊理论提出了纹理特征矢量云模型,并成功地应用于纹理图像分割.该方法在对纹理统计描述符模糊化处理后,逆向生成纹理特征矢量云.矢量云模型的数字特征能够很好地表达纹理的模糊性和随机性,据此通过云距离计算及纹理特征矢量云生长,完成对图像纹理的分割.实验结果表明,该方法较经典的ISODATA算法和K-means簇算法的分割精度高,并且迭代收敛速度快.     

基于DenseNet结构的轨道暗光环境实时增强算法

车载视觉系统是未来城市轨道交通安全运行的重要保障，列车在封闭环境或夜间运行时所处的弱光照环境会严重影响车载视觉系统的检测效果. 为此，提出了一种针对铁路封闭环境或夜间行车环境下低照度图像的实时视觉增强算法. 该算法以密集连接网络（densely connected network，DenseNet）结构为骨干网建立特征尺寸不变网络，提取图像光照、颜色等信息输出光照增强率图，并基于非线性映射函数调整每个像素的光照强度，通过分级结构将低照度输入图像的曝光率由低层到高层不断增强. 建立的深度学习网络模型采用自监督的方式训练网络参数，利用低照度图像自身特征和先验知识构建损失函数，其由曝光损失、色彩恒定损失及光照平滑度损失3个分量组成. 多种场景下的低照度增强实验结果显示:本文算法能够对输入图像曝光值进行自适应，对低曝光以及高曝光区域动态调整曝光率从而改善低照度图像的可视化效果，处理速度能够达到160帧/s，满足实时性处理的要求；通过在低照度增强前后的轨道分割及行人检测算法性能对比实验证明:所提出的算法能够大大提高暗光环境下的视觉检测效果，在RSDS （railroad segmentation dataset）数据集中轨道分割F值提高5%以上，在轨道场景下行人检测误检率及漏检率均有效降低.      

基于机载LiDAR和Mean Shift算法提取森林密度

为获取森林密度信息,利用Mean Shift算法对森林点云进行单木分割提取森林密度信息.首先,以点云三维坐标和法向量作为特征向量,利用统计分析方法选择合适带宽及阈值,采用Mean Shift算法对点云进行初始分割;其次,对分割后的点云进行分析,加入灌木、杂草等过滤条件,得到树冠点云;然后,对树冠点云再次进行Mean Shift分割,并对每类树冠点云进行统计,以稳态点为粗略位置标记计算森林密度;最后,与地面实测数据进行验证.地面数据验证结果表明,平均计算精度达到90.0%以上,可满足林业应用需求;通过与分水岭法进行对比发现, Mean Shift方法获得的精度为92.5%,比分水岭方法70.0%高出22.5%,且避免了分水岭方法导致的过分割现象.