基于3DFR算法的爆破块度图像处理研究及其应用

考虑地下矿山拍照时的低对比度、噪声的干扰及灰度的不确定性等因素的特殊条件,提出适合地下矿山大块率测定的3DFR算法图像处理技术:首先,根据概率论确定三维直方图中目标与背景的区域;然后,通过模糊熵求极大值原理选取三维阈值,进而对图像进行处理;选取9组关于爆破块度的照片进行分割处理,并与OTSU法和传统方法进行分割结果对比评价.为了进一步考察3DFR算法图像处理技术的准确性,与现场实际测量结果进行对比和相关性分析.研究结果表明:3DFR算法图像处理结果与现场实际测量结果较吻合,相关性系数达到0.955,为地下矿山爆破大块率安全、准确、高效的测定提供了一条途径,并可用于地下矿山爆破参数优化.     

基于形态学优化处理的标记符分水岭矿石图像分割

针对不同形状、颜色的堆积矿石在图像采集时出现粘连重叠、边缘模糊等问题,提出一种形态学优化处理的标记符分水岭算法对矿石图像进行特征识别与边界分割。首先采用双边滤波进行去噪处理,然后通过Canny边缘检测算子梯度化,得到梯度幅值图像;其次采用形态学优化处理,重构堆积矿石的几何特征信息,分割矿石颗粒边缘;最后将图像进行可视化处理,获得彩色矿石颗粒分割图像。在形态学优化处理过程中,通过阈值分割数来寻找结构元素最佳参数,再通过分割率来确定最优结构元素。结果表明,该方法比传统标记符水岭算法分割更精准,且不同结构元素及其参数的变化对矿石分割效果影响较大,分割差异显著,当矩形结构元素长10、宽5时,其分割率最高,为95.68%,分割效果最佳。     

基于空域滤波和空间相关的钢丝绳图像分割算法研究

在钢丝绳断丝实时检测中,由于复杂环境因素的影响和钢丝绳自身结构特点的原因,钢丝绳图像经常受不均匀光照、阴影、油泥、粉末等干扰,导致图像降质严重,给钢丝绳的分割带来困难.本文提出了一种有效、快速的分割算法:首先采用改进的空域同态滤波器对钢丝绳图像进行滤波,去除不均匀光照和削除阴影边缘,然后根据钢丝绳的几何对称性,结合边缘方向信息测度的差异和钢丝绳区域的局部特征统计,消除干扰,实现钢丝绳的分割.实验结果表明,该分割算法能够快速、完整地分割出钢丝绳图像.     

基于分水岭算法的磁共振脑图像自动分割

基于分水岭算法，提出了一种新的非脑组织去除和自动的脑磁共振图像的分割方法，利用区域合并技术克服分水岭算法固有的过分割问题，通过参数的设置，可以将图像中的非脑组织去除掉；对已去除非脑组织的图像，巧妙地将分水岭算法、区域合并和κ—均值算法相结合，可进行全自动地分割，效果良好。     

基于U-Net和Res_UNet模型的 传送带矿石图像分割方法

针对传送带矿石图像中矿石粘连和边缘模糊造成的分割不准确问题,提出了一种基于U-Net和Res_UNet模型的传送带矿石图像分割方法.该方法首先将待分割图像经过灰度化、中值滤波和自适应直方图均衡化处理后,利用预训练的U-Net模型提取图像轮廓;然后,将图像轮廓二值化后,利用预训练的Res_UNet模型进行轮廓优化;最后,利用OpenCV得到分割结果.与基于形态学重建的分水岭算法和NUR法分别对10张测试图进行实验比较,结果表明,所提出的利用深度学习实现矿石轮廓检测和优化方法分割的结果更加准确,证明了其对传送带矿石图像分割的有效性.     

改进的GrabCut算法在古代壁画 分割中的应用

壁画作为一种珍贵的文化遗产,在经历数千年的沉淀后普遍存在毁坏破损的现象,其保护工作刻不容缓.利用智能信息处理技术对壁画进行自动分割是壁画数字化保护的一个重要组成部分.针对壁画噪声明显、边缘不清晰的特点,提出了一种融合小波去噪和边缘增强的改进的GrabCut算法新模型.该算法用小波变换对壁画图像进行分解,并采用自适应特征阈值方法去除壁画图像中的噪声,然后融合Sobel算子和Canny算子提取壁画轮廓以增强边缘,在此基础上对壁画图像进行分割.仿真实验通过分割效果和PSNR,Kappa,Error这3个指标来评价本文算法模型,实验结果表明:本文算法相对于对比方法的PSNR值平均提高了7.817,Kappa值平均提高了0.076,Error值降低了0.080,说明本文提出的模型在分割含有噪声、边缘模糊的壁画图像时不仅具有良好的抗噪能力,而且分割效果更好,准确度更高.     

基于图像分析的堆浸铀矿石颗粒参数辨识

采用数字图像处理技术对铀矿石颗粒参数进行测量,并确定铀矿石块度分布.首次将图像引导滤波器应用于矿石图像滤波,较好地滤除了图像噪声和保持矿石边缘细节信息.采用基于最大类间后验交叉熵准则的PCNN图像分割算法分割矿石图像,减少了矿石粘连现象.为了解决第一次分割后矿石粘连现象,采用基于凹点匹配的数字图像切割算法对粘连的矿石图像进行第二次分割,能有效分离粘连矿石图像.采用基于形状特征的颗粒参数测量法测量颗粒参数,提高了颗粒参数的测量精度,得到了矿石块度的统计分布图.实验数据表明,该方法测量误差较小,能满足实际需求.      

基于改进分水岭算法的球团矿图像分割

针对传统图像分割算法不能对球团矿图像中粘连球团进行准确有效分割的问题,提出一种改进的分水岭分割算法。该算法将标记和分水岭算法结合起来,利用标记带来的先验知识限定图像分割区域的数目,并对分水岭算法的梯度图像进行修改,从而能够对球团边缘准确分割,同时避免产生过分割现象。实验结果表明,改进分水岭算法对图像中粘连球团的边缘有良好的分割效果。     

基于改进分水岭算法的图像分割算法

针对传统分水岭图像分割算法存在的对噪声敏感、误分割率高等缺陷,提出一种基于改进分水岭算法的图像分割方法,以获得更理想的图像分割结果.首先对原始图像进行滤波预处理,消除噪声对图像分割的干扰,保护分割目标的边缘信息;然后对图像进行变换处理以增强图像对比度,并在此基础上采用分水岭算法分割图像;最后采用多种类型图像在MATLAB2014平台上进行仿真测试.仿真测试结果表明,该方法避免了噪声对图像分割结果的影响,能获得更理想的图像分割效果,且分割精度和效率明显优于其他图像分割方法.     

一种改进的利用空间信息加权的FCM算法

FCM(fuzzy c-means clustering)算法在图像分割中应用较为广泛,但由于其对噪声较敏感,所以只适合于分割噪声含量较低的图像.利用空间信息加权的FCM算法能够有效地抑制噪声却使图像的边缘变得模糊,造成边缘处分割的不准确.本文通过区分图像边缘点和内部点,在构造邻域平均灰度图像时区别对待,并对边缘点根据它与邻域的灰度关系进行补偿.实验结果表明,这种方法不仅能够有效地抑制噪声,并使边缘点的分割更准确,使分割质量明显提高.     

尿液显微图像检测中的目标自动定位

尿液显微图像是典型的弱边缘图像,基于Snake模型的改进算法能有效改善对尿液显微图像中有形成分进行分割的效果.针对在弱边缘图像实施Snake算法前的预处理,提出一种如何对图像中各个有形成分进行目标中心自动定位以及对snake点实现自动初始化设置的新算法,特点为采用了图像二值化、数学形态学等处理方式.实验表明了算法的有效性.     

自然生长状态下树叶图像的分割与提取

以用智能手机拍摄的自然生长状态下的含有复杂背景的树叶图像为研究对象，对图像的背景及其RGB3个颜色分量的特征进行分析，根据分析的结果提出采用超绿(EXG)算法和底帽变换算法相结合的方法对目标树叶进行分割. 对于绿色分量与其他2个分量差异大的背景采用EXG算法去除，而对于绿色分量与其他2个分量差异小的背景采用形态学的底帽变换来去除. 为了减小目标树叶分割的错分率，采用Otsu算法、形态学和边缘最大矩形对上述分割后的细节进行细化分割. 分割结果表明:文中所采用的算法可以很好地将目标树叶从背景中分割出来，错分率小于3.68%.     

基于超像素运动统计的误匹配去除方法

特征匹配是实现图像配准的重要手段,然而特征匹配中往往存在大量的误匹配,对于存在非刚性形变和大位移运动的图像序列尤为严重;如何从初始匹配结果中找到准确可靠的匹配点集,是提升图像配准性能的关键.为解决上述问题,首先根据图像的空间和色彩相似性,利用改进的超像素分割算法对图像进行分割;分割后的超像素块在空间上紧密相连,严格遵循图像轮廓边缘,且在同一区域内的颜色纹理基本趋于一致,可保证内部特征点具有相同或一致的运动趋势;同时,采用ORB算子对图像进行特征提取与描述,并利用暴力匹配算法得到初始匹配点集.其次,在超像素运动一致性约束下,提出了一种基于超像素运动统计模型的误匹配去除算法.通过建立超像素网格统计模型,将初始匹配坐标分配至相应的超像素区域,利用累加器计算出每个超像素对的匹配度,将初始匹配的概率分布特性转换为统计特性.最后,根据超像素匹配度的差异,计算出正确匹配的掩膜图像,实现了误匹配点的自动识别和剔除.仿真实验结果表明,与当前的误匹配去除算法相比,本文算法不依赖于复杂的参数模型,具有较高的鲁棒性,运算速度较快,可有效去除非刚性形变图像配准过程中产生的误匹配.     

基于边缘链码信息的黏连细胞分割算法

介绍了一种基于边缘链码信息的黏连细胞自动分割算法. 该算法对弱对比度的细胞图像预处理;对二值化图像进行链码跟踪,并计算边缘各点的链码和、链码差、等效周长、弧弦比等特征参数;利用特征参数判断边缘光滑段、边缘角点;对真实分割角点进行线性插值最终实现黏连细胞的分割. 将该算法应用于2组细胞图像序列共120帧图像的分割中,不仅解决了黏连细胞的分割难题,而且能够准确进行细胞凹陷的修补和细胞图像的简单计数. 统计结果表明,相比于阈值法和先验模型法,该算法的分割成功帧占整个序列的百分比提高40%~60%.      

基于SFFCM图像分割的转辙机缺口自动检测

转辙机缺口大小是其健康状态的重要标志之一.针对大多数现有转辙机缺口检测装置需要在表示杆额外增加标记的缺点,以及目前边缘检测技术难以消除图像中噪声的问题,以某铁路公司ZYJ7型与ZD6型转辙机缺口图像为基础,设计了一种基于超像素的快速模糊聚类算法（Superpixel-based Fast Fuzzy C-Means clustering,SFFCM）图像分割的转辙机缺口自动检测方法 .首先,采用SFFCM对缺口图像进行精准分割,保持缺口图像边缘的清晰度和连续性;其次,利用Canny算子对分割后的图像进行边缘提取,获取缺口图像的单像素边缘;最后,利用算法对图像中转辙机缺口两端进行标记,从而实现转辙机缺口的自动检测.实验结果表明,该转辙机缺口检测方法与架构具有一定的有效性.     

基于边缘流和区域合并的岩屑颗粒图像分割

边缘流分割算法可利用图像的多种特征进行准确的图像分割,但传统的边缘流分割算法运算复杂度高,容易造成过分割.针对这些问题,作者对边缘流算法进行改进,并提出一种基于边缘流和区域合并的图像分割方法.该方法首先对原始彩色图像进行改进的边缘流分割;再通过曲线演化和边缘连接得到封闭的边缘;最后根据区域颜色相似度对初分割的图像进行区域合并,得到最终的分割结果.实验表明,该方法提高了分割效率,解决了过分割问题,将该方法应用于岩屑颗粒图像分割取得了较好效果.     

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.     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明, 该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

基于改进分水岭算法和Canny算子的医学图像分割

针对分水岭算法存在的过分割问题和医学图像的特点,比较并选取了彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的,然后利用阈值分割方法消除无效梯度信息,并用分水岭算法处理所得到的梯度图,再结合Canny算子提取的物体边缘得到分割结果.实验结果表明:该方法能够有效消除局部极小值和噪声干扰,得到精确的分割结果.     

基于Nystrom方法的水平集医学图像分割算法

现有的基于最小化区域扩展拟合能量的图像分割模型,对于边缘模糊、噪声强的图像存在易产生边缘泄露的现象,导致分割效果不理想.针对这种现象提出了一种基于Nystrom方法的水平集医学图像分割算法.算法将原始图像通过Nystrom方法采样,近似估算相似矩阵和特征向量,通过k-means算法将特征向量聚类,最后利用水平集分割方法实现图像分割.实验结果表明,与基于最小化区域扩展拟合能量的图像分割模型相比,在相同的迭代次数中,分割时间减少,相似度系数提高.