一种基于区域生长算法的脊椎椎体提取方法

脊椎椎体三维重建是脊椎应力应变研究的重要环节,对MRI图像中脊椎椎体区域的提取是三维重建的基础。为了准确提取脊椎椎体区域,提出了一种基于区域生长算法的脊椎椎体提取方法。通过最大类间方差法求得到自适应阈值代替传统区域生长算法中的手动阈值,再结合中值滤波算法对原始图像进行预处理,避免了传统区域生长算法手动阈值造成的过分割,或者欠分割等现象;并有效抑制MRI图像噪声,使椎体区域内像素变化更为缓和,弥补了传统区域生长在MRI图像椎体区域内部分割效果不佳的缺陷,准确提取出脊椎椎体并建立出三维模型。     

基于改进遗传算法的FISH基因模糊自适应提取

为了快速准确地提取荧光原位杂交（FISH）图像中的荧光染色基因,提高临床医学上诊断病变的效率,针对FISH图像固有的模糊特征,提出了一种基于改进遗传算法的多维多阈值模糊自适应提取算法.首先根据灰度直方图的分布特性,提出相应的自适应窗宽选取算法,确定阈值搜索的范围;然后通过设计的模糊隶属度函数,将图像分割成若干不同的区域;最后采用最大模糊熵准则,并借助优化后的自适应遗传算法,寻找确保基因目标最大信息量的分割阈值.将分割结果与其他几种常用分割算法进行比较,并采用分类概率的数学测量方法定量分析,结果表明：在标准噪声干扰下,该算法的错误划分概率仅为0.042 1,可以更加准确和高效地对荧光基因进行提取.     

Gabor滤波器在带钢表面缺陷检测中的应用

利用Gabor滤波器具有频率选择和方向选择的特性,将其应用在带钢表面缺陷检测系统中,不但能够去除噪声,而且能够把缺陷的纹理特征完整地保留下来.引入评价函数使缺陷图像和无缺陷图像的能量响应差别最大化,以确定最佳滤波器参数.基于最优的阈值函数得到二值化图像,并应用形态学分析方法去除二值图像上小的噪声,得到分割后的缺陷图像.实验结果验证了该方法的有效性.     

用于监控智能报警系统的图像识别技术

利用遗传算法的最佳熵阈值法进行图像分割 ,缩短了寻找阈值的时间 .分割后提取可疑区域 ,再运用人工智能中的基于缺省规则推理对可疑区域进行分别处理 .本系统运用于非法入侵对象识别和火灾识别 ,经实验验证实用可靠 ,满足实时性要求 .对采集的彩色图像具有与灰度图像同样良好的效果 ,能将报警信号和可疑区域图像通过网络传送到报警中心 .     

基于局部处理的X射线图像裂纹缺陷自动检测

研究了X射线图像裂纹缺陷自动检测问题.首先根据裂纹缺陷特征及位置信息提取感兴趣区域,使检测到的缺陷区域准确地包含实际缺陷;然后提出了一种结合局部方差和局部直方图均衡化的图像增强方法,实现了图像的对比度增强,使裂纹缺陷肉眼可见;接着利用阈值分割和形态学方法对裂纹缺陷进行分割提取;最后根据裂纹缺陷的几何特征实现了裂纹缺陷的检测.实验结果表明:相比于仅利用局部方差或局部直方图均衡化对图像做一次对比度增强,此方法能有效增强缺陷特征,更利于缺陷检测.     

基于改进脉冲噪声检测的图像滤波算法

在图像降噪处理过程中,针对传统的脉冲噪声检测方法易造成细节模糊和视觉失真等问题,提出一种基于图像分块迭代处理的脉冲噪声检测的滤波方法.该方法对图像局部信息和特征相似性进行相关研究和分析,确定图像局部最优阈值;以局部目标图像为背景,运用图像分割的思想,在不同局部之间选择不同的去噪阈值,根据该阈值从原图像背景中提取图像噪声,进而实现消除噪声的目的.仿真结果表明,与传统的图像去噪方法相比,该方法可以有效地从图像中去除脉冲噪声,同时提取出更多的原始图像信息,很好地保留图像的细节,具有更高的信噪比.     

基于机器视觉技术的叶面积测量系统实现

研究并实现了用于测量叶片面积的软硬件系统,并可进行叶片面积的统计.根据植物与土壤背景的颜色特征关系研究了提取叶片颜色特征将彩色图像转成灰度图像的算法,应用迭代求图像最佳分割阈值法进行图像二值化,中值滤波去除二值化图像的噪声干扰,Kirsch边缘算子进行叶面边缘轮廓的提取.     

一种改进的基于柔性形态学的图像边缘检测方法

在介绍柔性形态学的基础上,提出先利用迭代算法得到图像分割的最佳阈值,以增强图像的边缘.再利用多尺度柔性边缘检测算子得到图像的边缘,该方法根据不同尺度边缘图像所含信息量的多少确定边缘的合成,所以能实现图像的自适应边缘检测.实验结果证明:该方法与传统边缘检测算子提取的结果比较,可以更好地抑制噪声,得到的边缘在连续性和平滑方面均得到了提高.     

基于清晰度评价的自适应阈值图像分割法

阈值法是一种被广泛使用的图像分割方法.本文从图像中信息的变化情况出发,提出一种基于图像清晰度评价的新颖的自适应阈值分割方法.该方法采用清晰度评价函数作为阈值化后图像内灰度相似性变化的度量方法,通过反复迭代并结合皮尔逊相关性直至找到最佳的分割阈值.通过多组图像数据尤其低对比度图像,包括钢板表面轻微缺陷等图像进行了测试对比.结果表明:相比传统阈值分割方法及其改进算法,在低对比度图像的处理上,本文方法能够自适应地准确找到合理阈值,具有优异的图像分割性能.     

焊缝X射线图像缺陷检测技术

针对焊缝X射线图像存在对比度低、噪声干扰及边界模糊等缺点,通过运用数学形态学操作、减影技术和迭代式阈值分割的方法对图像进行处理,较好地实现了焊缝外观轮廓和内部缺陷的边缘提取.相比传统算法,该方法更有效,具有更好的连续性和完整性.此外,研究了焊缝轮廓宽度缺陷的坐标和内部缺陷的参数计算方法,为后续的焊缝检测和识别提供了有利条件.     

采用机器视觉的铝压铸件表面缺陷检测

对铝压铸件常见的缺陷形态进行分析,提出适用于铝压铸件表面缺陷的检测算法.首先,采用阈值分割与形态学相结合的方法分割出可疑区域;然后,根据基于面积、亮度均值、亮度均值差、灰度曲线分析的4个剔除原则,剔除伪缺陷的干扰.试验结果表明:文中的检测方法具有低成本、高精度、可操作性强等优点,能有效提高铝压铸件生产过程中的检测效率.     

二维Otsu拟合线阈值图像分割方法

针对已有二维Otsu线阈值法分割方法存在的因误分类而导致的分割质量下降、抗噪性能不足的问题.结合二维Ot-su折线阈值算法和曲线拟合方法,提出了二维Otsu拟合线阈值图像分割方法.本文方法是在二维Otsu折线阈值法基础上进行改进.先对二维直方图中边界信息或噪声所属区域的像素点迭代分割,并设定迭代停止条件,以获得多个阈值点,然后引入曲线拟合的方法,将多个阈值点拟合成线阈值,最后以此线阈值作为分割标准实现分割.实验结果表明:利用本文方法对边缘丰富的图像分割具有较好的分割效果,抗噪能力和自适应能力更强,普适性更高.     

高铁轮毂表面缺陷的视觉显著性超像素图像检测方法

针对高铁轮毂表面缺陷实时在线检测问题,提出一种基于视觉显著性注意机制的超像素自适应检测方法。首先采用同态滤波器对缺陷图像进行预处理,去除环境光污染噪声引起的图像亮度分布不均匀问题,构建轮毂表面缺陷图像的谱残差视觉注意模型,之后采用超像素分割算法对缺陷显著性图像进行自适应阈值分割,标记出高铁轮毂表面缺陷的二维空间位置,实现轮毂表面缺陷的边界检测和形态估计。本文方法在高铁轮毂表面缺陷检测实验平台上进行了实验验证,结果表明：该方法能够有效抑制图像分割中的过分割问题,对缺陷的边界信息提取准确,鲁棒性较好。     

基于形态学方法的工件表面缺陷红外热像检测技术

提出一种基于形态学理论的红外热像分割方法,用于工件表面缺陷的自动检测。首先在含缺陷钢制试件红外热成像检测试验的基础上,对工件的红外热像进行灰度化、高斯高通滤波、对数变换和二值化等方法相结合的增强处理;然后采用形态学方法,基于缺陷的空间连续性和缺陷与噪声的尺寸差别,设定连通分量所含像素数的阈值,最终实现红外热像的有效分割。结果表明,新的红外热像处理方法可以实现缺陷位置和形状的精确检测,可作为含缺陷部件的红外检测和自动识别手段。     

基于模糊集与区域生长算法的胎儿下腔静脉血管超声分割

本方研究了胎儿下腔静脉血管在B型超声图像中的分割问题.B型超声使用方便,在临床中有广泛使用,但其图像有噪声多、对比度差的缺陷.为了有效地在B型超声图像中分割血管,提出了一种基于模糊集与区域生长算法的分割算法;该算法预先使用模糊集算法处理,以提高图像对比度;并使用基于梯度改进的自适应区域生长算法进行分割.实验以医生的手工分割结果作为金标准,并与阈值分割和水平集算法进行了对比.实验表明,该方法的准确度和稳定性高于阈值分割和水平集分割方法结果.     

基于显著图的遥感图像多分辨区域生长分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,本文提出一种基于显著图的遥感图像多分辨区域生长分割方法.该方法利用亮度、颜色、方向三个特征金字塔生成显著图,通过视觉选择注意模型自动选择注意区域作为种子区域.从能分辨种子区域的最大尺度开始区域生长,直到0尺度,从而分割出对遥感图像中感兴趣的区域.实验结果表明该方法能有效地从遥感图像中分割出视觉注意的区域,且有较快的速度.     

融合视觉模型和最大熵的阈值分割算法

针对传统二维最大熵阈值分割算法关于二维直方图的区域划分中存在的缺点(即图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点)以及搜索最佳阈值向量的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了一种二维直方图的新的区域划分方法,同时还提出了基于视觉模型的二维最大熵阈值分割算法,提出的阈值分割算法降低了计算复杂度的同时还具有很好的分割性能。根据一些图像分割的定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出算法的分割效果更好。     

基于K-means算法分割遥感图像的阈值确定方法研究

当前遥感图像分割中阈值确定方法忽略了前景和背景内在的联系,导致过分割和轮廓模糊,造成整体性能低下。为此,提出一种新型基于K-means算法分割遥感图像的阈值确定方法,通过K-means算法对遥感图像进行分割,利用最大类间方差方法得到分割遥感图像的初始阈值,依据该阈值将遥感图像划分成两类,求出两类的均值,将其作为K-means聚类算法的两个初始聚类中心,通过K-means聚类方法逐次迭代,不断更新聚类中心,直至得到聚类准则函数,从而求出遥感图像的最佳分割阈值。实验结果表明,采用所提方法确定遥感图像分割中的阈值,不仅效率高,而且整体性能优越;将得到的阈值应用于遥感图像分割中,能够使目标和背景被有效分离,且分离后目标部分轮廓比较清晰。     

基于区域增长迭代算法的SAR海冰图像分割

针对SAR图像分割仅考虑像素本身灰度值而不考虑空间特征的阈值法和聚类方法中存在图像有噪或边界模糊问题,提出一种基于区域增长迭代算法的SAll．海冰图像分水岭分割。在整个处理过程中保持对分割的细化并同时以迭代方式产生语义类标记。迭代算法的初始阶段应用K均值聚类法在二维特征空间中进行分割;迭代阶段包括Gibbs采样、自相关函数最小化和区域合并。自相关函数锐度指数最小化使图像更清晰。真实SAR图像的实验结果表明该算法的快速性和有效性,同时保留目标的细节信息。