基于MATLAB的图像边缘分割算法研究

本文主要研究了图像边缘分割算法,利用MATLAB工具处理图像在计算机上完美重现,介绍了5种经典边缘提取算子,并使用MATLAB提取并检测一些图像边缘,根据数值求解几种算子,分析其优缺点,旨在为相关研究提供借鉴。     

应用启发式边缘生长的遥感影像分割

基于边缘的遥感影像分割方法有两个难点：边缘点检测和边缘线连接. 文中提出一种基于启发式边缘生长的分割方法. 首先对Canny 算子进行三方面的改进以准确提取边缘点：自适应小波去噪、最优双阈值计算、基于邻域全变分的边缘决策. 定义一个新的边缘连接异质性指标,包括空间异质性和光谱异质性. 在此基础上提出启发式的全局交互最优决策技术以正确连接断裂边缘线. 文中用快鸟影像和航空影像进行分割实验,并与eCognition 的分割结果进行定性和定量比较. 实验表明启发式边缘生长分割方法能正确地连接绝大多数边缘线,并提供准确的分割结果.     

基于边缘增强和特征金字塔的视网膜血管分割网络

U-Net在许多医学图像分割问题中具有先进的性能，因此提出了一种基于边缘增强和特征金字塔的U型分割网络并应用于视网膜血管分割。通过基于梯度算子的边缘增强模块获取额外的边缘先验，以无监督的方式增强边界特征和提高网络对细小血管的辨识能力，利用特征金字塔级联模块帮助网络提取更丰富的语义特征，并将传统卷积替换为Octave卷积方式以更好地提取特征。在公开的2个眼底图像数据集上进行实验，结果证明改进的方法具有更好的性能，有效地提高了分割结果中血管的完整性和连续性。     

表面贴装中QFP芯片图像的边缘提取技术

针对贴片机视觉检测系统中QFP芯片图像的边缘检测问题,提出一种基于灰度直方图确定阈值的新方法.采用图像分割→图像去噪→边缘提取等图像处理步骤有效完成了QFP芯片针脚边缘轮廓的完整提取.实验证明,整个边缘提取过程快速有效,效果良好,满足了贴片机视觉检测系统高速、高精度的要求.     

用Normalized Cut法自动提取乳腺超声图像中的肿瘤边缘

提出一种带权重邻域灰度信息的normalized cut(Ncut)方法,该方法能够全自动提取乳腺超声图像的肿瘤边缘.通过Ncut分块乳腺超声图像中的各块灰度及空间分布特征来识别待检测肿瘤的轮廓.对于少数分割不精确的结果,可用结合局部能量项的动态轮廓模型对所提取的初始边缘进行修正,使其更接近真实目标轮廓.对包含112幅乳腺肿瘤超声图像的数据库进行边缘提取,结果表明:该方法无需人工干预,能够准确有效地实现肿瘤分割,且计算量小,有望提高计算机辅助诊断的自动化程度.     

一种改进的细胞图像分割迭代算法

图像分割是图像轮廓提取,纹理特征提取和形状特征提取等图像分析的重要基础。它也直接影响着图像更高级别的处理质量。提出一种改进的图像分割迭代算法,通过在一般的迭代算法中添加第二门限,以达到更精确的将各像素划分到所属区域降低误判概率的目的。在分析的基础上,给出了该算法与一般迭代分割算法的对比图像。为了观察分割效果,还给出了应用分割图提取边缘与Canny算子的对比图像。其结果均表明,噪声干扰下,改进算法的分割过程更为准确。     

离散轮廓点集法提取超声图像前列腺边缘

提出一种基于离散轮廓点集的超声图像前列腺边缘提取方法,将经直肠超声图像中的腺体准确分割出来. 该方法根据前列腺的轮廓特征对候选轮廓点进行多级筛选,再除去由于各种干扰产生的非边缘点,得到位于实际边缘的离散轮廓点集,由此确定粗糙的腺体边缘. 随后利用一种快速水平集的曲线演化方法对初始边缘进行小 范围调整,使其更接近实际的腺体轮廓. 对临床应用中的经直肠超声图像进行边缘提取实验,结果表明该方法能克服腺体外部和内部区域灰度不均一以及边缘模糊等问题,提取的前列腺边缘位置准确,轮廓完整.     

植物三维点云分割

针对植物点云具有形状不规则、密度不均匀的特点,提出一种适用于植物的三维点云分割方法。将烟草、玉米、黄瓜这3种植物作为样本数据,以滤波等预处理方法去除离群点与背景点,以欧氏聚类算法分割植物群体,并用区域增长算法、边缘提取算法、超体素聚类算法以及基于凹凸性的方法来分割叶片器官。将所提出的方法用于分割烟草、玉米的三维点云,其覆盖率分别为87.5%、96.9%,从而验证了该方法的可行性与有效性,为自动提取作物叶器官表型研究提供了线索。     

利用边缘密度特征提取高分辨率遥感影像中的居民区

居民区相对于其他区域具有更明显更丰富的边缘特征. 根据这一特点,提出一种利用边缘密度特征差异
进行高分辨率遥感影像居民区自动提取的方法. 该方法首先利用Mean Shift 算法平滑原始影像,然后检测平滑影
像上的边缘并拟合成直线段,最后利用影像中的边缘密度分布构建空间投票矩阵,并结合Ostu 阈值分割方法提取
居民区. 实验表明：该方法可用于提取场景比较复杂的影像中的居民区,且具有较高的准确率和鲁棒性.     

基于边缘和纹理结构实现叶片识别的应用研究

植物野外实习教学系统的主要功能是通过计算机图像处理技术对叶片边缘与纹理结构进行分析,自动提取叶片信息,确定叶片相关的理论知识.从图像预处理、叶片区域定位分割和叶片识别三方面实现植物野外实习教学系统的叶片识别模块,采用边缘和纹理结构实现叶片的定位分割与识别.实验结果表明,该方法能有效地识别出叶片并归类.     

LIDAR点云建筑物数据提取及三维模型建立

对原始LIDAR点云数据采用谢别德法进行内插生成规则格网的数据形式DSM,利用双次最小二乘法来进行滤波分离地面点云和非地面点云形成DTM,从而得到了规则化的DSM.采用区域增长法对规则化的DSM进行分割,去除非建筑物点云,获取建筑物点云信息.采用Canny算子来将分割后的影像进行建筑物边缘的提取,采用基于Hough变换检测直线来对提取出的建筑物边缘进行规则化操作使其光滑均匀,最后使用E3De 3.0软件进行建筑物三维模型的建立.     

面向对象信息提取中影像分割参数的选择

面向对象的影像分割技术是信息提取方法的核心之一,分割效果直接影响到信息提取的质量。本文对分割参数的选择进行了大量的实验研究,提出将纹理信息和边缘检测信息加入到分割过程中的新方法。实验表明,该方法有效避免了分割结果过于破碎的现象,有利于边缘点多且较为复杂的影像地物的分割。得到的分割结果边缘连续,很好地解决了"椒盐噪声"对信息提取结果的影响。     

基于红外图像序列的排球运动关键技术特征提取方法

针对现有运动技术特征提取方法中运动目标特征提取不准确的问题,提出了一种基于红外图像序列的排球运动关键技术特征提取方法 .首先,获取红外图像序列的排球运动图像,并对红外图像序列中的运动目标进行检测和提取,进一步用图像分割方法进行边缘分割.然后,基于视点跟踪切换方法进行阈值分析,实现对运动目标的准确跟踪和提取.实验表明,提出的方法准确性和效率均高于传统方法 .     

面向对象的机载LiDAR数据建筑物提取

基于LiDAR数据,提出一种由粗到细的面向对象的建筑物自动提取方法.首先通过机载LiDAR数据构建出归一化数字表面模型(normalized digital surface model, nDSM),利用首尾两次回波高程计算出归一化差值(normalized difference, ND),并采用形态学运算消除边缘特殊回波点.基于nDSM和ND数据,依据建筑物的高程及穿透性信息,用阈值分割法进行建筑物粗提取.结合nDSM和ND数据以及强度信息,对粗提取得到的备选建筑物采取多尺度分割,合并亮度值相差较小的邻近分割结果对象,达到对分割结果的优化处理.最后利用目标对象的亮度、形状、面积和空间关系等特征,完成建筑物的精提取.实验结果表明,该方法可得到较高精度的建筑物信息,是基于机载LiDAR数据提取建筑物的新思路.     

基于改进流域算法的粘连细胞图像分割技术研究

<正>在细胞显微图像处理过程中,经常会发生目标粘连的现象,如何将这些粘连的目标正确分割是后续分析成功与否的关键。流域算法(Watershed Algorithm)是最近兴起的一种基于区域和数学形态学的图像分割方法,它对灰度变化十分敏感,能够克服传统分割方法中易丢失微弱边缘的缺点,可以有效地检测出边缘。但由于普     

结合肤色和头发检测的人头区域检测方法

针对具有严重遮挡的密集人群检测,提出一种结合肤色检测和头发检测的人头区域检测方法. 首先采用多色彩空间肤色检测方法提取图像中的肤色区域;然后根据头发的发色和纹理边缘两个特征建立混合高斯模型,对发色区域进行分割和提取;最后融合以上两检测区域实现人头区域的检测. 实验结果表明,该方法可以得到比较准确而完整的目标区域,具有较高的实用性.     

面向对象的无人机影像地物分类

为了对农村用地进行有效分类,本文选取面向对象的分类方法,利用某农村的无人机航摄影像提取其土地类别信息。首先对无人机获取的原始影像进行预处理;然后对研究区反复进行分割实验,选取最优的分割尺度,在不同层次进行最优尺度地物分割;最后根据地物矢量、光谱、形状等特征差异,对最优分割尺度层上的地物进行最适宜的分类规则的建立,进而在每一层提取土地利用信息。利用单一尺度分割分类进行对比实验,选取734个样本进行精度验证,研究结果表明：多尺度多层次分割分类的总体分类精度可达84.20%,kappa系数为0.806 2;单一尺度分割分类总体精度仅为77.11%,kappa系数为0.721 4。由此可见,本文研究所采用的数据和区域内的类别的分类精度更高。     

基于主动轮廓模型的序列图像分割

提出一种改进的主动轮廓模型应用于医学序列图像的分割。一方面,对内部能量函数增加约束性条件,制约轮廓的长度,使其尽可能短来避免边缘轮廓收敛到中垂线上的其它组织的较强边缘点;另一方面,利用序列图像之间局部区域的信息相关性,重新构造外部能量函数来排除纹理特征的干扰,更好地捕捉到边缘上的拐角点。实验结果表明,提出的改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些伪边缘点,可达到良好的分割效果。     

基于改进的GAC模型的图像分割

利用各向同性非线性扩散的图像滤波,并改进了Li Chunming提出的GAC模型中的边缘函数和Heaviside函数,减少图像弱边缘泄露现象.采用改进后的GAC模型对肺部的CT图片,脑部的MR图片和脊椎的CT图像进行分割,取得了较好的分割效果.     

基于无人机多光谱的黄土高原植被提取分割分类研究

【目的】植被作为生态系统的主要组成部分,其种类和数量及其变化对生态系统有着重要影响。探究在我国黄土高原小流域进行植被提取分割时的最优分割尺度,有助于快速准确地提取植被信息,对于监测黄土高原生态系统状况和维持生态系统稳定具有重要意义。【方法】基于吴起县柴沟流域无人机多光谱影像和面向对象的方法,使用eCognition软件对影像进行多尺度分割研究。【结果】经分析,在分割尺度为240、形状权重为0.7、紧凑权重为0.1时影像的分割效果最好,基于该分割结果,选用纹理特征和光谱特征为分类指标,采用随机森林方法对影像进行分类,分类总体精度和Kappa系数分别为96.2%和0.951。【结论】研究结论可为柴沟流域植被结构优化及黄土高原生态环境保护和植被恢复治理提供技术参考。