基于K-均值聚类的岩芯偏振显微图像粒径分析

针对岩芯图像的粒径分析提出了一种基于K-均值聚类算法的半自动分割算法,并编写了一套颗粒粒度图像处理程序.首先将超像素处理概念应用于岩芯偏振显微图像,得到过度分割的结果,然后对分割结果进行K-均值聚类和区域融合,利用图像中的边缘信息得到了更合理的结果,并大大提高了运算的速度;根据提出的算法,基于VB.NET 2008平台构建了一套半自动岩芯图像粒度分析软件,集图像采集、图像处理、粒度参数分析、砾石种类分类以及测量报告输出等功能于一体,大大提高了岩芯粒径分析的工作效率.     

基于混沌粒子群优化算法的二维熵图像分割方法

针对二维熵图像分割方法在求取最佳阈值时存在计算量大及微粒群算法容易陷入局部最优且速度较慢等等问题,提出了基于混沌粒子群优化算法的二维熵图像分割方法。该方法考虑了图像中像素点灰度——邻域灰度均值对作为阈值对图像进行分割;利用混沌运动随机性、遍历性和初值敏感性,将混沌粒子群优化算法与阈值法相结合在二维空间作全局搜索。实验结果表明了基于混沌粒子群优化算法的二维熵图像分割法用于阈值寻优减少了搜索时间,提高了收敛率。     

基于二维灰度熵及混沌粒子群的图像阈值选取

为了同时考虑直方图的概率信息和类内灰度级的均匀性,提出了基于灰度级-梯度二维直方图的Shannon灰度熵及Tsallis灰度熵阈值选取方法.给出了Shannon灰度熵和Tsallis灰度熵的定义及其一维阈值选取方法,导出了二维Shannon灰度熵及Tsallis灰度熵阈值选取公式及其快速递推算法,并利用混沌粒子群算法寻求两种阈值选取方法的最佳阈值.实验结果表明,与基于改进的二维最大熵及粒子群递推的阈值选取方法相比,所提出方法的分割图像能更准确地反映原始图像的边缘、纹理及细节信息.     

大气PM 2.5显微图像粒径大小的测量

基于数字图像处理的原理,提出用八连通判别算法对大气PM 2.5显微图像的二值图像进行标记颗粒和测量颗粒粒径的大小;并在VC 6.0实现了标记和测量颗粒的算法,统计颗粒的尺寸分布。结果表明,这种颗粒标记和粒径测量的方法不受颗粒形状的影响,适用于大气PM 2.5颗粒物的测量。     

基于Matlab的图像联合变换相关识别的实现

介绍一种用M atlab软件编程实现图像联合变换相关识别的方法。该方法利用M atlab软件的科学计算功能和强大的绘图功能,采用光学图像联合变换相关原理能快速实现图像的识别与筛选,并得到运算结果的二维与三维图,有利于实时图像判别,为图像识别的光机电一体化和小型化提供了理论依据和实现手段。     

盐析液固两相流场的PIV测量方法

利用粒子图像速度场仪(particle image velocimetry,以下简称PIV)测量离心泵叶轮内部伴有盐析的液固两相流场.用图像采集卡将CCD相机拍摄的流动图像实时地传输并存储到计算机中,采用自行开发的液固两相流图像处理及分析软件,先把粒子从背景中分离出来,然后通过算法,根据粒径的大小分离出固相和液相两相流的粒子.经过实际测量研究表明,该方法对硬件的依赖小,测量成本低,是一种测量输送含有盐析晶体的液固两相流动的有效方法.     

基于二维高斯曲面拟合的图像灰度补偿算法

研究了基于CCD的带钢表面缺陷检测系统图像采集中出现的灰度失真问题,提出了在不改变系统硬件配置的基础上,根据主导退化因素采用二维高斯曲面为基本退化模型,同时兼顾其他没有明确数学模型的图像退化因素,根据图像灰度分布统计特性估计二维高斯曲面各参数以实现图像灰度补偿的软解决方法,实验结果表明,该算法有效地提高了图像质量,可以满足系统实时性及后续识别的要求．     

柴油喷雾粒子全息再现像的图像处理

本研究从分析喷雾再现粒子像的光场分布出发,探讨了灰度阈值的选取对粒径测量误差的影响.通过对粒子图像直方图的实验研究分析,提出了灰度阈值的自动选择方法和实现了多阈值自动分割,以解决不均匀背景粒子再现像的测量精度问题.通过对粒子再现像的调焦过程光场分布计算分析和试验研究,提出了一个简单可行的判焦准则,利用此准则可以加快判焦速度.     

基于二维倒数灰度熵的河流遥感图像分割

为进一步提高河流检测与识别系统中河流遥感图像分割的准确性和处理速度,提出了分解的二维倒数灰度熵河流遥感图像阈值分割方法.首先引入了倒数灰度熵,避免了香农熵中的无定义点问题,给出了一维倒数灰度熵阈值选取方法,考虑了图像灰度级概率及类内像素灰度均匀性;然后经推广导出了二维倒数灰度熵最佳阈值选取公式,增强了抗噪性;最后提出了二维倒数灰度熵的分解算法,将求解二维最佳阈值转化成分别求解灰度级图像和邻域平均灰度级图像的一维最佳阈值,运算量从O(L4)大幅降低至O(L).经大量实验验证,与改进的Otsu法、基于粒子群优化(PSO)的二维最大香农熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分倒数熵法相比,该方法在对河流遥感图像的分割效果和处理速度方面有明显优势.     

图像探针测量汽轮机湿蒸汽二次水滴参数方法研究

汽轮机中二次水滴粒径大,容易造成叶片水蚀,降低汽轮机效率.但由于其数量少,测量困难,加大了研究的难度.在众多测量方法中,图像法具有同时测量二次水滴粒径、速度、方向和湿度等参数的优点.采用图像探针测量二次水滴,利用镜头参数确定测量区,提出根据水滴图像的模糊程度来确定该水滴是否处于测量区内,处理测量区内二次水滴,得到其粒度、速度和湿度等参数.通过实验室研究,得出模糊程度和颗粒的关系,并经过湿蒸汽模拟实验,计算出喷雾水滴的粒度和体积浓度,验证了该处理方法的有效性,为二次水滴的测量提供了一种新的思路.     

DPIV实验参数的研究

利用已知实验参数（图象噪声、图象对比度、粒子浓度、粒子直径、诊断窗口和偏置窗口）的计算机模拟图象,选择其于互相关算法的数字粒子图象测速技术（Ｄｉｇｉｔａｌ Ｐａｒｔｉｃｌｅ－Ｉｍａｇｉｎｇ Ｖｅｌｏｃｉｍｅｔｒｙ,ＤＰＩＶ）的各种最优实验参数（即误差最小）,然后利用选择的最优实验参数进行ＤＰＩＶ实际图象的处理,取得了满意的结果。     

基于灰度分布的概率密度实现实时图像分割

针对实时图像质心跟踪的问题，提出了一种目标分割的算法。对相邻两帧图像的跟踪框和背景框的灰度分布统计，加入滤波因子，再根据Bayes判别规则构造判别函数，把背景像素和目标像素进行分类。实验结果证明，该方法克服了由于图像序列中某一帧图像灰度分布发生突变产生的影响，能较好的分割出图像中的目标。在电视跟踪系统中有效的保证了跟踪的稳定性。     

基于点的方向图算法

提出了一种基于曲率的点方向初始值算法．该算法根据像素点在不同方向上的曲率变化确定该点的初始方向值,并明确提出了点方向的概念．提出了一种点方向图的新算法并研究了相应的快速算法．基于块划分的传统块方向图有时是不连续的．与块方向图相比,点方向图保留了块方向图的统计特性,又克服了块方向图的缺陷,不需要先进行背景分离,点方向计算与背景分离同步进行．     

基于多视图像序列跟踪的SAR地面运动目标检测

为基于合成孔径雷达(SAR)检测地面切向运动目标,提出基于多视图像序列跟踪的检测方法。在SAR多视图像序列上,具有切向速度的地面运动目标在子视图像间的位移轨迹可近似为一条斜线。该算法利用具有方向性约束的动态规划实现动目标在SAR多视图像序列上的轨迹跟踪,进而沿散焦轨迹作非相干积累可显著改善微弱目标检测性能。基于跟踪信息可实现动目标切向速度估计和解Doppler模糊。基于实测机载SAR数据的数值实验证明了该方法的有效性。     

基于霍夫变换的烧结矿粒度识别研究

针对烧结矿生产时无法直接得到粒度大小和分布,人工检测的准确性和即时性不高等问题,提 出了一种基于图像增强和霍夫变换的烧结矿粒度识别方法。 该方法首先使用形态学开操作、图像像素点分 割、拉普拉斯图像锐化算子等方法进行图像增强,然后应用高斯滤波和图像边缘检测算法,最后用霍夫圆检 测算法进行烧结矿粒度检测,实时处理获取的图像,并检测出烧结矿的粒度大小和分布。 该方法可以快速检 测出图像中的烧结矿,其中图像像素点分割方法是根据烧结矿和背景的像素值设置分段函数进行分割,大幅 度减少图像中的噪声,提升了烧结矿和背景的对比度以及亮度,并且检测的准确性和即时性高,克服了人工 检测的弊端,准确率可达到 98%以上。 通过实验表明:该方法对提高烧结矿的生产效率、改善资源的利用、 降低人员成本具有积极作用。     

一种基于小波的Contourlet变换的图像压缩算法

针对JPEG2000图像压缩不能有效地保护图像边缘的局限，提出了一种结合基于小波的Contourlet变换与最优截断嵌入码块编码（EBCOT）的静止图像压缩算法（CEBCOT）．在Contourlet变换中采用小波变换取代拉普拉斯塔式变换获得了非冗余基于小波的Contourlet变换，它通过方向滤波器组把小波变换的高频子带进一步分解为多个方向子带，从而更稀疏地表示了图像的边缘和纹理．CEBCOT采用了改进的EBCOT编码，它依照方向子带大小进行编码块分割，提高了编码性能．实验结果表明，相对于JPEG2000，所提出的算法获得的压缩图像边缘更加清晰，峰值信噪比提高了0．1～0．8dB．     

偏置圆速粒子图像测速法原理研究

研究了一种三维粒子图像测速技术－－偏置圆速粒子图像测速法,根据CVB－PIV采集粒子影像曲线基本原理,对几种已知运动进行了实验研究,原理分析和实验结果表明CVB－PIV采用灰度图能够确定粒子的三维位置信息,获取粒子速度时间序列,而且不存在方向模糊性。     

An adaptive spatial clustering method for automatic brain MR image segmentation

In this paper, an adaptive spatial clustering method is presented for automatic brain MR image segmentation, which is based on a competitive learning algorithm – self-organizing map (SOM). We use a pattern recognition approach in terms of feature generation and classifier design. Firstly, a multi-dimensional feature vector is constructed using local spatial information. Then, an adaptive spatial growing hierarchical SOM (ASGHSOM) is proposed as the classifier, which is an extension of SOM, fusing multi-scale segmentation with the competitive learning clustering algorithm to overcome the problem of overlapping grey-scale intensities on boundary regions. Furthermore, an adaptive spatial distance is integrated with ASGHSOM, in which local spatial information is considered in the clustering process to reduce the noise effect and the classification ambiguity. Our proposed method is validated by extensive experiments using both simulated and real MR data with varying noise level, and is compared with the state-of-the-art algorithms.     

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.