基于多尺度分析的足迹图像滤波方法

根据足迹图像的特点,给出一种基于多尺度形态学足迹图像滤波算法。首先将噪声图像中不同尺度的亮特征和暗特征提取出来并分别保存在形态学开闭塔中,然后根据不同尺度噪声的多少给予不同的权重进行噪声平滑处理,最后通过对形态学开闭塔进行重构得到滤波图像。实验数据表明:在足迹图像滤波中本文给出的方法要优于文中提到的其他方法。     

基于全方位和多尺度形态学的图像边缘检测

针对图像中噪声和边缘形态的不同,定义了全方位、多尺度的形态学结构元素.通过形态运算的加权组合,构造了全方位、多尺度形态学的边缘检测方法.仿真实验表明,该方法与经典的边缘检测算子相比,不仅具有很好的边缘提取能力,而且具有很强的抗噪性能.     

基于改进的形态学算子的灰度图像边缘检测

提出一种改进的形态学图像边缘检测算法.针对单结构元素在检测时出现检测结果边缘线条粗、不连续性的问题,该算法提出了利用6种具有代表性的结构元素进行膨胀组合,形成多尺度结构元素,从而弥补了传统边缘检测算法提取灰度图像细节边缘少及抑制噪声能力差的缺点.     

基于多尺度形态学图像的屈肘角度检测方法与实现

针对当前采用经验分析方法对曲肘的动作检测不精准的问题,提出一种基于多尺度形态学图像分析的屈肘角度检测方法.首先在多媒体视觉下进行武术动作的曲肘行为的图像采集和特征分析,然后对采集的图像采用多尺度Retinex角点筛选方法进行图像增强处理,提取图像的多尺度形态学边缘轮廓特征,实现对人体屈肘角度的特征点标定和检测.仿真结果表明,采用该方法进行武术动作中的曲肘角度检测优于经验分析方法,准确检测率高达80%以上,且稳定性好,具有较高的动作矫正指导价值.     

基于多尺度改进的V-Net肺结节分割方法研究

近年来基于深度模型分割已成为肺结节分割的主要方法,但多数深度模型的精度与轻量性难以共存,且大模型不利于方便部署.为了得到一种轻量级且尽可能不损失精度的模型,提出了一种基于M-VNet的肺结节分割方法.该网络总体设计继承V-Net结构,并添加了不同深度路线平衡细节信息和语义信息,使用路线注意力机制进行高效融合.M-Blo...     

基于多尺度特征图像分割的车道线提取方法

识别与检测车道线作为自动驾驶感知周围环境的一环，为自主车辆在众多复杂场景中提供交通数据信息参考.为了提取车道线本身含有的交通语义信息，按照实际含义分为不同类别，提出一种多尺度分辨率特征的图像分割方法提取车道线，生成低分辨特征，同时保持高分辨尺度子网.针对卷积神经网络无法充分探索空间信息的局限，引入全自注意力网络结构改进下采样解码部分，将特征图通过嵌入向量映射完成线性采样，再经由全自注意力网络结构提取空间上下文语义信息，最后对图像进行降采样完成最终的下采样过程.利用滑窗多头注意力机制，解决嵌入向量映射层因划分造成边界上下文语义信息的不连续问题.针对改进的模型采用交并比损失函数进行优化，能够在保持精度的情况下正确识别相应类别，交并比和F1系数分别达到49.36%和63.02%.经实际测试，在遮挡、阴影等复杂场景下的车道线识别也能更加准确，具有更好的鲁棒性.     

基于数学形态学的分水岭图像分割方法

在VC.NET的开发环境中,设计了一个实现数学形态学基本分割运算的简易软件.该软件可以选择不同方向和不同形状、大小的结构元并在四邻域或八邻域中实现灰度图像的腐蚀、膨胀和开、闭运算,通过检测相邻象素灰度值的突变获得不同区域之间的边缘并实现了基于数学形态学的边缘检测和滤波,以及分水岭的分割算法.实验结果说明该软件性能稳定、图像分割和滤波效果优良.     

基于双边滤波的二维动画图像多尺度细节增强方法

传统二维动画图像增强方法很难保证色彩通道之间存在的关联性,导致图像缺乏层次感,可靠性差。为此,设计基于双边滤波的二维动画图像多尺度细节增强方法。对原始的二维动画图像进行多尺度分解,通过双平台直方图均衡处理分解后的背景层图像,保证图像整体灰度动态范围与原始图像相同。在多尺度图像融合过程中,引入梯度权重因子,利用梯度函数增强图像细节,获得细节图像,并计算出所有分解图像的细节系数,通过加权平均实现分解图像融合。实验结果表明,所设计的基于双边滤波二维动画图像多尺度细节增强方法能够有效去除图像噪声,保持图像边缘平滑,提高图像的层次感,可靠性强。     

基于分水岭区域差异性的多级图像分割

分水岭分割算法的不足之处在于过分割，即生成大量的小区域而使目标物淹没其中．文中通过定义分水岭区域的差异性给出一种多级图像分割方案，克服了传统的解决过分割问题时需要预先设置标记点的缺陷，也避免了多分辨率分割中边缘模糊和移位的问题．该算法可以应用于多种类型的图像。并经实验证明具有良好的分割效果．     

基于高效通道注意力的UNet肺结节CT图像分割

肺癌是全球死亡率最高的癌症之一,肺结节作为肺癌早期诊断的重要依据,对其进行精准分割格外重要。为了帮助医生诊断肺部病变,本文提出一种改进的UNet肺结节分割方法。首先,在特征提取部分引入高效通道注意力网络(efficient channel attention for deep convolutional neural networks, EcaNet),提高UNet分割效果,使其具有良好的泛化能力。接着,为了降低模型参数量、提升算法分割性能,提出一种基于深度可分离卷积的特征融合模型,用深度可分离卷积代替传统卷积完成特征融合。然后,针对肺结节图像特点,将基于重叠度损失函数(dice loss)与加权交叉熵(weighted cross entropy, WCE)结合作为新的损失函数。最后,为验证所提算法Eca-UNet的有效性,在LIDC-IDRI肺结节公开数据集上进行评估。结果表明：Eca-UNet算法在DICE相似系数、MIOU上比UNet分割算法分别提高10.47、7.34个百分点;同时在训练速度上提升了10.10%,预测速度提升了11.56%。     

一种改进的CT胸部图像肺组织分割方法

为了对病变肺部图像进行准确分割,对通常的肺组织分割算法进行了分析和改进,将小波变换与数学形态学引入肺分割算法.通过小波变换对图像进行分解,再运用数学形态学对分解后的各个分量执行不同的修补方法:对低频分量作形态学闭运算,对高频分量作形态学开运算;从而在适当的尺度修正图像的基本特征而不影响细节特征,在重构之后获得理想的肺区域.利用改进后的算法,对医院的36组临床HRCT数据进行分割,并与手工分割结果和通常算法的分割结果进行了比较.结果表明,该方法分割结果准确,能有效提高肺组织分割的平均敏感性.     

基于胸部CT图像的肺部自动分割

肺区自动分割是肺部肿瘤计算机辅助诊断系统的关键之一。文章采用多阈值和区域生长方法,先去掉背景,再去掉气管／支气管,最后对提取出来的肺区使用滚球的方法进行修补。该方法速度快、人工干预少、准确。     

基于顺序形态滤波的边缘检测

介绍了灰度图像的顺序形态变换基本概念 ,定义了两种基于顺序形态滤波的广义边缘算子 ,重点讨论了百分位p =1 /2时的边缘算子抑制噪声、提取边缘的理论和方法 .实验表明 ,同传统的边缘检测算子相比 ,该方法具有良好的噪声抑制和边缘提取特性 .     

形态分水岭变换在图像分割中的应用

给出了分水岭变换的基本原理及其数学描述,并针对二值和灰值图像分别给出了相应的实现方法,同时总结了方法的优缺点,提出了图像分割中过分割问题的一些解决途径.     

基于U-Net多尺度和多维度特征融合的皮肤病变分割方法

针对皮肤病变区域尺度不同和形状不规则,传统U-Net网络方法缺乏从不同尺度分析目标的鲁棒性,并在提取图像高层语义特征时丢失部分空间上下文信息而影响后续分割精度等问题,提出一种基于U-Net多尺度和多维度特征融合的医学图像分割方法.首先,用空洞卷积融合不同尺度的空间上下文信息;其次,用通道上下文信息融合模块提取特征图各通...     

基于Morphology处理和主题词抽取的垃圾邮件过滤方法

考虑到垃圾邮件预处理的重要性,提出了利用Morphology对垃圾邮件内容进行还原．为了提高邮件分类的性能,对邮件进行主题词抽取,并且结合邮件其他的属性特征,利用贝叶斯方法对邮件进行分类．实验表明,这种基于Morphology处理和主题词抽取的垃圾邮件过滤方法十分有效．     

基于区域增长与边缘检测的立木图像信息提取

为建立自动立木测量系统，实现林木资源调查管理的信息化、自动化和精确化，本研究提出一种基于区域增长和边缘检测的立木图像信息提取方法。通过颜色分量对标定参照物进行提取，以主干基部区域为种子区域对立木主体进行增长，遇到边缘时停止：再利用数学形态学对其进行处理，得到需要的立木主体部分。根据标定参照物所得到的参数。由摄影测量学求得树干的胸径、侧枝粗细、枝下高等信息。研究表明，该方法在提取标定物和树干轮廓方面更为有效，对立木信息的自动提取更加方便精确。     

基于数学形态学的铁谱磨粒图像分割研究

铁谱磨粒图像识别中,由于磨粒与磨粒的相互粘连,造成磨粒图像二值化后,边缘提取不能体现其原有形状。该文将数学形态学的腐蚀和膨胀算法引入铁谱磨粒图像的分割中,通过对二值化后的磨粒图像实施先腐蚀后膨胀的运算,成功地完成了磨粒图像的分割,并且结合拉普拉斯算子,有效地提取出单个铁谱磨粒的形状,有助于实现铁谱磨粒的自动识别。     

基于数学形态学与小波阈值组合滤波算法的大地电磁噪声压制

针对实测大地电磁信号资料中常出现的强噪声干扰问题,提出一种基于数学形态滤波和小波阈值滤波结合的大地电磁噪声压制方法。首先,利用自适应多尺度形态滤波算法对含噪信号进行初次滤波,以消除脉冲类干扰。然后,对已处理的信号进行小波阈值滤波提取大尺度强噪声轮廓。最后,剔除强噪声干扰重构大地电磁信号。通过仿真实验对比,在不同强度噪声干扰背景下,所提方法的性能优于普通小波阈值方法,能更多地保留大地电磁原始信号的细节特征。实测资料处理结果表明,该方法能有效地抑制大尺度强噪声干扰和基线偏移的影响,有效地改善了视电阻率曲线质量,具有较好的应用前景。     

基于数学形态学的香梨果梗提取方法

果梗是香梨品质分级的重要指标之一。本文在香梨图像经过背景分割和边缘检测获取边缘图像后,提出一种利用数学形态学方法对香梨果梗进行自动提取的新方法。利用MATLAB 7.1软件平台开发了香梨果梗自动提取的计算机视觉检测软件。研究结果表明,该方法对香梨果梗的提取的正确率为90.7%。