基于校正靶特征与Biharmonic样条插值的XRII图像扭曲校正

针对扭曲的XRII图像给C臂X光机成像系统实时标定带来不利影响的问题,提出了基于校正靶特征和Biharmonic样条曲面插值相结合的XRII图像扭曲校正方法.在分析校正靶自身特征的基础上,使用Otsu算法与形态学相结合的方法提取了校正靶网格线交叉点坐标,然后拟合提取出的网格线交叉点坐标,最后使用Biharmonic样条...     

模糊域的图像边缘检测算法分析

提出一种基于模糊域的图像边缘检测算法,结合自适应模糊增强和多方向模糊形态学来检测模糊图像的边缘。自适应模糊增强采用滑动窗口对模糊图像进行分块增强,避免了全图单阈值增强引起的真实边缘损失,具有较强的适应图像区域变化的能力;多方向模糊形态学用多个不同方向的结构元素对增强图像进行运算,以提取具有方向性的真实边缘,并抑制无方向性的噪声。实验证明算法能够有效地检测出模糊图像边缘,抗噪能力强。     

一种身份证图像倾斜校正算法

身份证图像倾斜检测与校正是身份证信息提取预处理的重要环节。本文利用形态学方法提取身份证头像,提出了结合头像下边缘的最小二乘法身份证图像倾斜校正算法,实验表明,该算法对身份证图像的倾斜校正是有效的。     

自适应形态学滤波器研究

形态学滤波器是从数学形态学发展起来的一种新型非线性滤波器,由于其具有并行性与可快速实现的特点,在信号处理和图像分析领域中得到一定的应用,但形态学操作在抑制图像噪声的同时会模糊图像导致较多的细节损失,本文在现有的形态学滤波器基础上提出一种自适应的形态学滤波算法,此算法可以根据被处理图像局部特征的变化自适应选择最佳结构元进行形态学运算,通过实验和测试结果比较,其在噪声去除能力特别是局部细节保持方面都优于现有的形态学滤波器。     

基于胸环靶图像灰度特点的有效靶面提取算法

分析了室外复杂环境下自动报靶系统采集的胸环靶图像特点。提出基于图像灰度特点的有效靶面提取算法。将彩色图像灰度化,提取图像的边缘;对灰度图像进行平滑处理,并进行阈值分割;联合图像边缘和阈值分割结果,提取最大连通区,进行合适的形态学处理即可获得有效靶面区域;根据靶面区域映射出有效靶面,并裁剪合适的尺寸。算法能准确地定位完整的靶面区域,不受胸环靶颜色的限制;且对复杂环境有很强的适应性,在绝大多数的室外环境下都适用。     

面向实时三维扫描的交叉激光中心自适应精确提取算法

针对激光扫描的普适性问题,提出1种基于自适应梯度阈值和Harrise角点跟踪的交叉激光中心提取方法。由梯度图像直方图自适应确定二值化阈值,以此提取激光边缘并计算激光条初始位置。结合Hessian矩阵计算初始中心的亚像素中心,提取图像中交叉激光的交叉点。利用Harrise角点跟踪算法提取实时三维扫描过程中的交叉点,并以此分割出2条激光线,完成交叉激光对应的物空间重建。实验结果证明该文算法具有较高的鲁棒性,误差小于0.05像素,经GPU加速处理,单张图像提取时间小于2 ms。     

改进的形态学航空图像边缘检测算法

为有效提取噪声较大的航空图像的边缘信息,对基于数学形态学的图像边缘检测算法进行改进:一是利用1种自适应加权复合数学形态学滤波器对图像进行滤波,二是结合图像特点和结构元素的自然属性,自适应确定权重,构造出1种具有较强抗噪能力的数学形态学梯度边缘检测算法。实验结果表明,该算法边缘定位准确,能检测出相对完整的边缘图像,且对噪声有较好地抑制作用。     

一种基于数学形态学的多形状多尺度边缘检测算法

基于数学形态学的边缘检测过程中,不同形状、不同尺度的结构元素在滤除噪声和保持边缘细节方面的作用是不同的,为此提出了一种基于多形状多尺度结构元素的自适应边缘检测算法,分别使用不同方向和大小的结构元素提取图像边缘,通过计算信息熵自适应确定权重系数,对多形状结构元素和多尺度结构元素检测的边缘做融合处理.实验结果表明,该算法与几种经典边缘检测算子相比,有效抑制了噪声影响,提高了检测精度,对各种不同图像具有很好的鲁棒性.     

结合Wiener滤波和形态学的图像边缘检测方法

提出了一种将Wiener滤波和数学形态学相结合的图像边缘检测方法.首先用自适应Wiener滤波对含噪图像去噪,然后构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,自适应确定权重,将多结构元的边缘检测信息加权求和,得到在噪声存在条件下较为理想的图像边缘.实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法.     

基于多结构元素的脊骨边缘提取

提出了一种从脊骨图像中提取边缘的有效算法。该算法在数学形态学的基础上,针对图像中脊骨边缘形态选择不同的结构元素进行脊骨边缘提取。实验表明,该算法具有良好的边缘提取能力。     

一种形态学梯度滑降算法的研究

滑降算法是一种重要的图像分割工具,然而基于滑降算法的图像分割在很大程度上依赖于待分割图像梯度的计算.提出了一种多尺度形态学梯度滑降分割算法.该算法首先利用多尺度形态学梯度,通过大小不同的结构元素提取图像梯度特征,获得梯度图像,然后利用滑降算法进行图像分割,为了减少滑降算法的过分割现象,提出了区域面积和区域相似性规则的区域合并的方法.实验结果表明,本方法具有较好的分割效果,同时分割中结构元形状、尺度可以灵活选取,使得该方法适用范围相对比较广泛.     

基于数学形态学的图像边缘检测算法

传统的边缘提取算法非常有效但对噪声非常敏感,大多形态学边缘检测算法采用单一结构元素,很难对复杂边界进行有效的处理.文中提出一种基于多结构元素多尺度的数学形态学图像边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图像以去噪,再用多结构元素对不同方向的边缘进行提取,最后将各方向边缘融合得到图像边缘.实验结果表明,文中提出的算法不仅具有很强的抗噪性,而且能有效地提取图像的边缘.     

基于二维伽马函数的光照不均匀图像自适应校正算法

提出了一种基于二维伽马函数的光照不均匀图像自适应校正算法. 利用多尺度高斯函数提取出场景的光照分量,然后构造了一种二维伽马函数,并利用光照分量的分布特性调整二维伽马函数的参数,降低光照过强区域图像的亮度值,提高光照过暗区域图像的亮度值,最终实现对光照不均匀图像的自适应的校正处理. 通过与经典算法对比表明,本文算法可以更好地降低光照不均匀对图像的影响,提高图像的质量.      

使用特征点定位的纹理优化

提出一种纹理优化算法,以加速纹理合成和确保输出图像结构的正确.在预处理阶段,分析纹理样图中特征点的全局分布,并计算样图结构坐标.在优化阶段,像素邻域匹配之前通过结构坐标匹配排除会导致图像结构错误的匹配位置,避免不必要的匹配计算并确保图像结构的正确;使用低能量的初始值及结构坐标动态调整加速迭代过程的收敛.实验证明,该算法提升了图像质量并加速了合成过程,加速比随纹理随机度的不同而不同,对大多数结构性纹理,至少达到两个数量级.     

改进的自适应形态学边缘检测方法

针对传统边缘检测算法对含噪图像检测效果的局限性,给出了一种改进的自适应形态学边缘检测算法.该算法首先利用2种不同结构和尺寸的矩阵元素对图像进行滤波,然后用不同方向的结构元素对图像进行形态学边缘检测并根据图像边缘信息设置各方向的权值,最后根据不同的权值对各个方向检测到的边缘结果进行加权求和.实验表明,改进的形态学边缘检测算子能够更好地减弱噪声,在准确定位图像边缘的前提下,保留了更多的边缘细节信息.     

自适应分区的色调映射算法

针对HDR图像色调再生提出了一种自适应分区映射算法.首先将HDR图像的色度和亮度信息分离,根据直方图特征对亮度进行自适应分区,并构造分段线性色调调整函数,将显示亮度范围分别分配给不同的亮度分区,以增加再现图像的感知对比度;然后通过双边滤波技术提取图像细节进行补偿,保证了再现图像细节可见;最后将彩色和非彩色信息合成,并对亮度压缩带来的彩度损失进行色彩校正.实验表明:新算法在动态范围压缩、细节保持和颜色表现上均优于传统算法.     

基于局部二进制模式的交叉纤维分离算法

针对光学显微镜采集的纤维图像存在很多纤维交叉现象的问题,提出一种基于局部二进制模式(local binary pattern,LBP)特征的交叉纤维分离算法。通过分割灰度图像提取得到目标纤维区域,经形态学处理,计算交叉点处各个纤维灰度像素的圆形LBP特征之间汉明距离,依据同一根纤维的汉明距离差异较小的原理完成纤维的配对,进而实现交叉纤维的有效分离。为验证算法的准确性,选用不同批次的羊毛纤维,在分离交叉纤维后,根据距离变换公式计算纤维的直径及其变异系数,并与标准测试值进行对比。试验结果表明,该算法具有较高的准确性。     

基于形态多结构元和小波变换的边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法。通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘。基于实验结果,指出对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声,提取边缘,且效果优于经典的边缘检测算法。     

基于NSCT的含噪图像边缘检测算法

为提高含噪图像的边缘提取性能,本文提出基于NSCT的含噪图像边缘检测算法。该算法先利用硬阈值方法去除各子带中的噪声信息,然后对得到的高频图像进行自适应阈值法处理得到高频边缘信息,利用对低频图像提取的低频边缘图像对高频边缘图像进行补偿,得到最终的边缘图像。实验结果表明提出算法在不同噪声密度下均能获得良好的边缘检测效果,验证了提出方法的有效性和优越性。     

一种基于剪切波和Top-hat变换的星点粗提取算法

星点提取是实现高精度和高准确性的星图识别和姿态确定的关键,本文对星点目标粗提取算法进行研究,提出了一种基于剪切波变换和形态学Top-hat变换的星点粗提取算法。该算法采用剪切波变换对含有噪声的星图进行滤波,通过对不同方向剪切波系数采用不同的阈值处理并重构得到去噪星图,有效抑制噪声;利用形态学Tophat变换对重构星图进行背景噪声抑制,采用自适应阈值方法处理背景抑制后星图中的残差噪声,有效地完成星图粗提取。实验结果表明,该提取算法可以很好的滤除星图噪声,为亚像元星点提取做好良好基础。