基于尺度空间边缘强度累计的边缘检测

为抑制图像中的细微结构、噪声、弱边缘等干扰对边缘检测的影响,同时提高边缘检测的位置精度,提出了一种基于尺度空间中边缘强度累计特性的边缘检测方法.该方法首先通过比较目标对象在多个尺度下的平均边缘强度来选择检测目标边缘的最佳尺度,然后依据边缘点在尺度空间上的强度累计值的差异滤除该尺度下的干扰边缘.实验结果表明,文中方法能够在少量的平滑预处理条件下有效地抑制上述各种干扰,提高图像中目标边缘的稳定性与位置精度.     

基于尺度空间理论的Harris角点检测

研究了一种基于尺度空间理论的Harris角点检测方法. 建立Harris函数的尺度空间表示, 检测每个尺度水平上的极值, 利用迭代算法验证每个尺度水平上LoG算子是否获得最大值, 从而得到特征角点的位置及其尺度. 该方法在保持Harris角点不受光照条件及摄像机姿态变化影响的同时, 还能检测出多尺度下的特征点. 通过实验验证该方法具有尺度不变特性, 适用于尺度变化较大的视觉系统.     

采用非线性尺度空间滤波和SIFT的遥感影像配准方法

针对传统点特征匹配算法存在运算时间长和配准精度低的问题,提出一种基于非线性尺度空间滤波和尺度不变特征转换(SIFT)点特征配准算法.首先,通过非线性尺度空间滤波对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声.其次,采用SIFT算法对预处理后的两幅影像进行特征点提取,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点.最后,对待配准影像进行仿射变换.结果表明:该方法的总体运行时间比传统SIFT点特征配准算法降低63.2%,且配准精度大幅提高.     

基于多尺度特征和反向注意力的肝脏肿瘤自动分割方法

肝脏肿瘤分割旨在定位肝脏肿瘤区域，以辅助医生进行精准诊治。鉴于深度学习能自动学习医学图像中复杂的特征和结构，已成为肝脏肿瘤分割的主流方法之一。但肝脏肿瘤的大小、形态存在显著差异及边缘模糊等问题，限制了深度学习模型的分割性能。基于此，该文提出了一种融合多尺度特征和反向注意力机制的深度网络，并用于肝脏肿瘤的自动分割。具体地，基于U-Net模型的框架，分别设计了多尺度特征提取模块和基于深度监督的反向注意力模块，使得网络能根据分割目标的大小自适应地选择不同尺度的特征，并引导网络关注分割目标的边缘特征，进而提高网络的边缘分割能力。此外，设计了一种新的混合损失，以解决医学图像分割中的类别不平衡问题。最后，在MICCAI2017 LiTS挑战赛数据集的数值实验结果表明，所提方法的Dice系数、平均对称表面距离ASSD分别为76.12%和3.25 mm。     

缝洞型油藏拟颗粒法多尺度流动模拟

缝洞型油藏储集空间类型多样,且尺度差异非常大,储层中多种流动状态共存,既有孔隙渗流,又有溶洞自由
流,属典型的多尺度多相复杂流动,物理仿真实验及常规数值模拟难以准确地描述此类油藏流动特征。基于拟颗粒方
法建立油水两相流动多尺度离散计算模型,利用其在界面追踪上的优势,通过在两相界面处引入一种斥力的方式实现
表面张力模拟,建立了表面张力模型,实现了缝洞型油藏的油水流动模拟,并通过理论分析及与实验现象对比的方法,
验证了模型的正确性。结果表明：该方法能够在不同尺度上刻画此类油藏油水流动特征,可以取代室内物理仿真实
验,确定不同缝洞组合类型下的剩余油分布情况,能够进行宏观油藏模拟,为此类油藏的高效开发奠定基础。     

多尺度空间下的隧道裂缝与渗水区域检测

基于点云影像提出了多尺度空间下的裂缝渗水区域识别检测算法.根据不同尺度隧道裂缝的物理特点,通过定义尺度空间,提出了一种融合型图像检测算子,保持对带状裂缝检测的稳定性,同时对于灰度值较高的小裂缝,可以恢复对其的敏感特性,得到较多的响应边缘像素,实现不同尺度裂缝渗水区域的识别和检测.并通过实例证实了该算法可以有效排除伪裂缝信息的干扰,对不同尺度的裂缝进行准确识别定位和提取.     

基于多尺度模板匹配和部件模型的车牌字符分割方法

为提高车牌字符分割的准确率,提出了一种基于多尺度模板匹配和部件模型的车牌字符分割方法. 对单层车牌,根据车牌结构特征建立多尺度模板作用于车牌候选区域,通过投影得分估计出最佳模板对应的尺度和位置信息;对双层车牌,使用部件模型对双层车牌进行建模,双层车牌的上层字符区域和下层字符区域分别对应部件模型的一个部件,通过多尺度的模板匹配得到上下层部件的候选集合,利用部件模型中部件之间的几何约束得到最终的车牌字符分割结果. 实验结果表明,所提出的方法可以有效进行单/双层车牌的字符分割.      

多尺度边缘检测中尺度因子的选择

基于二种典型边缘的尺度空间边缘检测结果，分析实际计算过程中数字信号的最小分辨率对尺度因子进化的约束，导出了尺度因子对给定边缘和最小分辨率的关系不等式。该结果从实了献计献策的角度解释了尺度定理的产生原因，同时为多尺度边缘检测中尺度因子进化步长的选择提供了依据。     

基于多尺度分析的归一化割图像分割算法

不同尺度的图像拥有不同的特性,针对单一尺度图像进行分割容易出现过分割或欠分割的问题,本文提出一种基于多尺度分析的归一化割的图像分割方法,首先利用方向能量模型得到不同尺度子图像的边缘方向能量,然后根据干涉轮廓的思想建立各个子图像像素之间的相似度,形成多个不同尺度的权值矩阵,并归一化为一个权值矩阵,最后运用归一化割算法对图像进行分割。实验表明,本文方法在融合了多个尺度图像不同特性的同时,能很好地处理含有纹理区域和弱边缘的图像,在一定程度上避免了过分割或欠分割的问题。     

基于二进小波变换的图像边缘检测算法研究

图像边缘是图像最基本的特征,是分析理解图像的基础.图像边缘信息的改变意味着图像基本内容或结构的变化.本文研究了利用二进小波变换的方法进行图像边缘特征提取,并通过图像边缘相关算子的理论区分边缘特征点和噪声,然后将不同尺度下的图像边缘特征点,根据小波变换模值跨尺度传递特性,进行多尺度下的图像边缘融合.实验结果表明,该方法克服了传统梯度运算对噪声的放大影响,同时也克服了单尺度下噪声抑制与边缘细节提取精度之间的矛盾.     

解线性规划的广义起作用集法

给出了解线性规划的广义起作用集法。从极点出发的搜索方向是该点处所有下降棱方向的一种凸组合。一般情况下,迭代路径置于容许集的表面上,而不是象单纯形法那样迭代点沿着棱移动。由于广义方法的迭代通常要跳过一些极点,因此收敛速度比单纯形法有明显的提高。     

基于聚类的规则文档碎纸片拼接模型

针对碎纸机破碎文档后的规则碎纸片拼接问题,通过对碎纸片上边缘的灰度向量将文档分为上边缘为空白和非空白区域两大类,再分别以上边缘非空白区高度和空白区高度作为聚类参数,将纸片分为若干簇,在每一个簇中利用相邻两张碎纸片左右边缘向量相似度来进行拼接,得到若干横条的纸片,然后以行距和横条间上下边缘相似度为参数来将若干横条拼接为完整文档。     

一种基于Ridgelet变换和抑制式FCM聚类的数字水印算法

利用人类视觉系统的掩蔽效应和脊波变换(ridgelet transform,RT),提出了一种新颖的自适应乘性数字水印算法。由于脊波具有方向敏感性和各向异性的特点,具有自然纹理和曲线边缘的图像首先进行分块脊波变换,使脊波变换系数能够分段线状表示图像中的边缘奇异性。然后根据不同纹理程度的图像块提取脊波方向能量特征,结合人眼接受信号具有近似对数的特性对此特征进行非线性调整;并将其作为抑制式模糊聚类(suppressed fuzzy C-means algorithm,s-FCM)的特征向量,将图像块分成两类:较平坦区域、强纹理和边缘区域。最后将数字水印自适应嵌入到属于第二类的图像块的能量最大方向的中频脊波系数,并由该图像块的脊波方向能量特征控制嵌入强度。水印通过相关检测器判断存在与否。实验结果表明水印算法具有较高的不可见性和稳健性。     

平面点云边界参数识别

应用图像形态学、边缘检测方法获取平面点云边界,使用随机Hough变换识别边界参数,实现了平面点云边界参数的自动识别。把平面点云看作图像,从而引入图像处理方法处理点云数据,这一新方法获得边界,不同于计算机图形学凸包方法,便于直接使用图像处理现成方法。实验证明该方法是正确有效的。     

彩色边缘模板算子检测法

将灰度边缘的模板算子扩展到彩色图像的边缘检测,并在均匀彩色空间中检测彩色边缘．这种扩展的彩色边缘检测方法计算简单,能检测出更符合视觉特性的彩色边缘来．实验结果证明了这种方法是有效的．     

基于模糊熵和结构特征的边缘检测方法

为了使检测的图像边缘结核定位好,并且产生边续的精细边缘,同时能有效滤除边缘图像中的噪声,提出一种基于模糊熵与边缘结构特征相结合的新的图像边缘检测方法。该方法首先将图像的灰度值特征空间转换为模糊熵特征空间,计算出每个像素在模糊熵特征空间的相异测度,结合3×3 邻域内的12种有效的边缘结构,提取图像中每个像素的结构信息测度图像阵列和方向信息测度图像阵列,然后对结构信息测度图像阵列和方向信息测度图像阵列实施非极大抑制,确定最终的边缘像素图像。实验结果表明该方法所检测出的图像边缘细节丰富,单像素宽,定位准确,有较好的抗噪性。     

A New Edge-directed Subpixel Edge Localization Method

IntroductionComparedtotraditionalindustry ,microelectronicfab ricationhasthreecharacteristics :highcomplexity ,highprecisionandhighautomatization .Tomeettheprecision ,speedandreliabilityrequirements,machinevisiontech niques,suchasvisionaidedinspectionandregistration ,havebeenintroducedineveryworkingprocedureofinte grated circuitfabricationandsurfacemounttechnology(SMT) .Inspectionandregistrationprecisionmustbecon stantlyincreasedasthesizeofthecomponentbecomessmallerandsmaller .Therefore ,the…     

亚象元边缘定位的实现

亚象元方法能够突破离用象素采样的限制，使边缘定位精度高于图象分辨率。基于连续的理想边缘模型，利用邻域空间矩拟合来计算象素中可能存在边缘的参数，从而获得边皆的亚象元一位。这种方法精度高，抗噪声，而且具有多尺度性和目标外形拟合简便等特点。     

基于小波变换的多尺度图像边缘检测

边缘作为图像的最主要特征,成为图像信息获取的重要内容.而小波变换具有检测局域突变的能力,而且可以结合多尺度信息进行检测,因此成为图像信息边缘检测的优良工具.文章首先构造了高斯多尺度边界检测算子,然后根据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,讨论了不同尺度的检测算子检测的边缘所具有的特点,在此基础上提出由边缘传递、继承和生长构成的多尺度边缘关联融合算法.实验结果说明这种特征提取方法不仅有效地降低了噪声,而且融合的边界比较完整,定位准确.     

基于概念匹配的本体映射算法

本体映射是解决本体异构的通用方法.根据边的类型、顶点深度、边的密度和强度以及边关联的两顶点的属性计算有向边的权重.选择最优路径构建对应本体有向层次图的无向生成树,分别定义其Laplace矩阵,并通过分析该矩阵的特征值及特征向量来构造匹配矩阵.最后根据匹配矩阵元素的大小和位置信息来实现顶点匹配,并由此生成本体映射.实验表明该方法是有效的.