农田图像导航线检测技术研究

为了检测到农田图像中的导航线,在RGB颜色空间中使用2g-r-b灰度化算子对农田图像进行灰度化,采用改进的自适应中值滤波算法进行农田图像滤波,采用Otsu阈值分割法方法对农田图像进行分割。改进了灰度垂直扫描算法,使该方法更适合用来检测农作物的列数和农作物列的边缘信息。在获取农作物的列数和农作物列的边缘信息的基础上,使用列的边缘信息来获取导航线的定位点。在对过已知点的直线检测算法深入研究的基础上,分析了该算法的不足之处,并对其进行改进,有效克服了原算法中存在的缺陷,使其能准确提取到图像中的导航线。     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法。在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别。通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航。     

室外多变光照条件下农田绿色作物的图像分割方法

针对室外农田绿色作物图像分割中存在的问题, 提出一种基于绿色作物G\|R颜色特征, 结合最大类间方差Otsu法和面积阈值分割的农田绿色作物图像分割方法, 解决了室外光照不均及复杂土壤背景环境下农田图像中绿色作物与背景不易分割的难题. 实验结果表明, 该方法不仅对作物、 土壤和光照变化不敏感, 且可以消除图像阴影部分的影响, 与颜色索引方法EXG-Otsu和RGB算法（G>R, G>B）相比, 该方法分割效果更理想.     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法.在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别.通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航.     

基于最小二乘法的曲线导航线提取算法

针对视觉导航中的曲线导航线提出了一种基于最小二乘法的导航线提取算法。首先通过图像分割将原始图像转化为二值图像,其中导航线对应像素点标记为1,再通过最小二乘法拟合这些导航线对应的像素点得到导航线方程。实验结果表明新算法不仅能较好的提取曲线导航线而且对直线导航线也能适用。     

基于最小二乘法的曲线导航线提取算法

针对视觉导航中的曲线导航线提出了一种基于最小二乘法的导航线提取算法。首先通过图像分割将原始图像转化为二值图像,其中导航线对应像素点标记为1,再通过最小二乘法拟合这些导航线对应的像素点得到导航线方程。实验结果表明新算法不仅能较好的提取曲线导航线而且对直线导航线也能适用。     

图像分割技术在医学图像处理中的应用研究

图像分割是图像处理、图像分析的关键步骤,而医学图像分割是图像分割的一个重要的应用领域,也是一个经典难题。从应用的特定角度,论述了医学图像处理中图像分割的几种算法,对近年来医学图像分割的新方法或改进算法进行了阐述,并简要介绍了每种算法的特点及应用。     

无人机视觉导航着陆标识检测与分割方法

为实现基于视觉导航无人机自主着陆任务,提出一种无人机视觉导航着陆标识检测与分割方法。在Tiny-YOLO网络基础上融入自下而上的特征增强结构,得到Mark-YOLO网络。针对无人机硬件平台计算能力不足的问题,对网络模型进行裁剪,减少网络模型的参数量;对目标检测算法提取到的无人机着陆标识进行图像分割处理,获取降落标识的轮廓信息。实验结果表明:本文提出的Mark-YOLO算法具有更高的准确率;裁剪后的网络模型具有更少的参数量与更小的权重,且检测到的着陆标识通过图像分割方法处理后,可取得良好的分割效果。     

基于改进分水岭算法的球团矿图像分割

针对传统图像分割算法不能对球团矿图像中粘连球团进行准确有效分割的问题,提出一种改进的分水岭分割算法。该算法将标记和分水岭算法结合起来,利用标记带来的先验知识限定图像分割区域的数目,并对分水岭算法的梯度图像进行修改,从而能够对球团边缘准确分割,同时避免产生过分割现象。实验结果表明,改进分水岭算法对图像中粘连球团的边缘有良好的分割效果。     

CASVFMM改进算法及其在景物分析中的应用

对图像分割中的CASVFMM算法进行了改进.通过对原有势函数的修正,增加了势函数对像素特征的依赖性,使算法既保持了分割的连续性,又增强了分割收敛的稳定性.由此新算法在对不同类别图像的分割处理中,分割结果与原图像区域对应的一致性有明显增强.另外,对势函数的结构作了一定的修正,加快了算法的收敛速度,增强了算法收敛时分割结果的合理性.通过在MIT标准图像集上的景物分析仿真实验,对比说明了新算法较之CASVFMM算法改进的有效性,为其他图像分析应用提供了一种有效的分割方法.     

基于多核协同表示分类的脑肿瘤分割算法

为了从脑核磁共振(MR)图像中分割出脑肿瘤区域,为疾病诊断和手术导航提供参考,该文在核方法框架下提出一种基于多核协同表示分类的脑肿瘤分割算法。首先对脑肿瘤图像进行多尺度超像素分割,并构造基于超像素区域的空间特征,在多核框架中利用多核协同表示分类方法,将原始光谱信息与所提取的多尺度空间特征融合并应用于脑肿瘤图像的分类,最后结合临床特征实现了脑肿瘤区域的分割。在MICCAI BraTS 2012和2013数据集上的测试结果表明,与现有脑肿瘤分割算法相比,该文方法能够更好地提取脑肿瘤区域,并具有较好的分割精度。     

局部C V主动轮廓模型快速图像分割算法

经典的C V模型分割算法在处理较大尺寸图像时存在需多次迭代、运算时间长的缺点。在分析图像尺寸和初始逼近图像与获得稳定解的迭代次数与运算时间的关系的基础上,提出了一种改进的基于阈值分割及快速连通域标记算法的局部C V图像分割算法,对大尺寸图像进行处理。采用OTSU算法对图像进行初步的阈值分割,再利用快速非递归连通域标记算法进行连通域的标记及图像的局部分片。对分片后的小块图像以其阈值分割的结果作为初始逼近图像采用C V算法进行分割处理。算法分析及仿真结果证实,与经典C V算法相比较,改进的算法能够以很少的迭代次数和很短的运算时间达到稳定解,能够对含有丰富轮廓细节的大尺寸图像进行快速有效的处理。     

基于时间序列NDVI的河套平原农田分类方法

河套平原是中国北方重要的农业基地,利用遥感影像开展河套灌区监测具有重要意义。该文利用时间序列NDVI,分析了不同作物在生长周期上的差异对其NDVI的影响。将多尺度分割和FCM分类算法相结合,发展了一种基于区域的农田遥感影像分类算法。利用本文的方法对五原县农田区域的时间序列NDVI进行分类实验。结果表明,该文的方法可以有效区分非农田、葵花和小麦。基于区域的遥感图像分类算法中,尺度参数的选取是非常重要的。     

基于颜色和纹理特征的道路图像分割

针对移动机器人的视觉导航需求,研究彩色道路图像的精确分割问题.为解决图像中的干扰因素对道路分割精度所带来的负面影响,首先对道路图像进行了基于颜色特征的过分割,对颜色过分割结果再进行基于小波纹理特征的区域融合.通过考察区域空间位置的相邻性以及小波纹理特征的相似性,该算法将过分割区域进行了再融合,实现了复杂环境下对道路区域及环境区域的精确分割.实验结果表明,所提出的区域分割算法快速、有效、实时性好,并对复杂环境具有良好的鲁棒性,可以满足移动机器人实际运行的要求.     

多梯度复杂图像的分割

图像分割是一种重要的图像分析技术,它不仅得到人们广泛的重视和研究,也在实际中得到大量的应用。本文针对一些经典分割算法对多梯度复杂图像分割边缘定位不准确,易受噪声干扰的特点,提出了一种利用图像边缘区域对多梯度复杂图像进行自适应阈值分割的算法。通过对各种算法的比较,本算法抗干扰能力较强,稳定性好,而且完全自动,不需预先设定任何参数。对多种图像的实验表明本文方法十分有效。     

一种基于各向异性扩散的图像分割算法研究

针对煤矿井下图像对比度小、纹理不清晰和数据量大等问题,根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,提出一种基于各向异性扩散的图像分割算法．首先在图像分割前对原图像进行各向异性扩散运算,在消除原图像噪声的同时,更好地划分了图像的边缘和纹理区域;然后提取图像的纹理特性运用到聚类算法中,从而对图像进行分割．实验证明：与未经扩散处理的分割算法相比,基于各向异性扩散的图像分割算法不仅改善了分割效果,而且提高了计算速度．     

基于改进蚁群算法的图像分割

为了对图像进行准确的分割,提出了一种基于改进蚁群算法的图像分割。对图像分割中的边缘分割法、传统蚁群算法和改进后的蚁群算法进行了分析,对图像分割结果进行了比对,对传统蚁群算法中的动态更新信息素浓度、初始聚类中心和参数变量进行了改进。实验结果表明:改进后的蚁群算法可以有效地提高图像的分割精确度,同时减少传统蚁群算法的搜索时间,缓解传统蚁群算法求解速度较慢的缺陷。     

面向高分辨率卫星图像的几种图像分割算法稳定性对比分析

将基于均值漂移和图模型的图像分割算法及这两种算法的混合算法应用到高分辨率卫星光学图像,并对比了它们在分割遥感图像时的稳定性。均值漂移算法是一种基于核密度梯度估计的特征空间分析算法,其实质是一种统计优化过程。基于图模型的算法将一幅图像抽象为一个无向图,通过不断合并图结点,将这个图分割为多个连通分量,进而实现一幅图像分割。混合算法首先利用均值漂移技术对图像进行滤波,然后再使用图分割算法对图像进行分割。实验结果显示,均值漂移算法分割结果对其参数变化较为敏感,而基于图模型的算法和混合算法则较为稳定。     

聚类分析和活动轮廓模型相融合的图像分割算法

针对当前图像分割算法存在的分割误差大、 分割时间长及无法进行在线图像分割的不足, 提出一种基于聚类分析和活动轮廓模型相融合的图像分割算法. 首先, 对原始图像进行去噪处理, 采用聚类分析算法对原始图像进行粗分割, 将粗分割结果作为活动轮廓模型的初始轮廓线; 其次, 将活动轮廓模型根据初始轮廓线对图像不同区域轮廓进行拟合, 实现图像的精细分割； 最后与聚类分析算法、 活动轮廓模型以及当前经典图像分割算法进行对比测试实验. 实验结果表明, 本文算法克服了当前图像分割算法存在的缺陷, 提高了图像分割效率和精度, 对噪声不敏感, 并具有较强的鲁棒性, 图像整体分割效果显著优于对比算法.     

改进CV的图像分割

为了提高传统CV分割算法对含纹理的图像分割效果,该文分析了图像纹理分量的统计特性,在图像TV平滑的基础上,设计了新的保边平滑函数,建立了保边平滑模型;运用传统CV分割算法对平滑分量进行分割;根据不同平滑分量分割区域不同,设计了基于区域置信度的分割平滑收敛函数,解决了分割曲线消失问题。实验表明,相对于传统CV分割算法,该算法对自然图像分割的效果较好,对非一致区域不敏感。