异形纤维的多尺度形状描述方法

为了实现异形纤维形态定量描述,对图形的几何特性及边界描述方法进行讨论,对图形的几何特征进行计算,并应用于异形纤维形态识别和黏连判断.在图像的闭合边界上顺序选择平均分布的三点作为顶点组成三角形,并计算三角形的面积.通过改变顶点间的分布(称为步长),计算对应三角形面积表示(TAR)值.三角形三条边的绕行方向决定了三角形面积值的正负.TARN和TARP分别表示TAR负值面积和正值面积,用于表征图形边界的凹凸特性.边沿上凹点的大小由TARN的长度测量,纤维的黏连度由不同步长的TARP或者TARN之间的关系检测.实验结果表明该方法能有效地自动识别异形纤维形态,并通过正常纤维以及黏连纤维的特征参数分布区间进行黏连判断.     

一种高分辨率多光谱图像的多尺度分割方法

综合扩展的分水岭变换和分水线动态范围,提出了适用于高分辨率多光谱图像的多尺度分割方法。该方法首先计算多光谱图像的梯度,接着去除梯度图像上不相关的局部最小区域,然后计算分水岭的动态范围,通过设置不同的阈值,得到多层次(多尺度)分割结果。采用城市地区的高分辨率数据来评价所提出的方法,并与现有的图像分割方法进行比较。实验结果表明,该方法可生成多层次的分割结果,并较准确地分割出地物特征。分割结果反映了地物的多层次信息,为后续的面向对象分析提供了有意义的参考。     

一种基于几何特征的多粒子粘连分割方法

在粉体加工和环境监测中,经常要测定粉尘的粒度及分布情况。用显微图像处理的方法进行粒度分析,技术先进而且能达到更好的效果,但对其中粘连重叠颗粒的分离,目前还没有很好的分割方法,针对这种情况本文提出了一种基于粒子的几何特征、采用平均链码方法求取凹点、并进行配对连线从而实现分割的方法。实验表明,该方法可以实现粘连颗粒的分离,并能达到很好的分割效果。     

一种高分辨率多光谱图像的多尺度分割方法

综合扩展的分水岭变换和分水线动态范围,提出了适用于高分辨率多光谱图像的多尺度分割方法。该方法首先计算多光谱图像的梯度,接着去除梯度图像上不相关的局部最小区域,然后计算分水岭的动态范围,通过设置不同的阈值,得到多层次（多尺度）分割结果。采用城市地区的高分辨率数据来评价所提出的方法,并与现有的图像分割方法进行比较。实验结果表明,该方法可生成多层次的分割结果,并较准确地分割出地物特征。分割结果反映了地物的多层次信息,为后续的面向对象分析提供了有意义的参考。     

基于分水岭与多尺度相结合的影像分割方法

分水岭分割是一种应用较广泛的影像分割方法,它能自动生成单像素宽度的封闭轮廓,但需要把影像分割成过多小区域,从而导致影像分割耗时且工作量大。本文就此提出一种分水岭和多尺度相结合的高分辨率影像分割方法。该方法首先运用分水岭方法对融合了亮度梯度和纹理梯度的综合梯度进行计算,然后将同质性度量值最小的区域对合并,最后结合改进区域邻接图进行区域合并。实验结果与基于分水岭和区域合并的影像分割算法得到的结果进行比较,证明该方法不仅能充分利用高分辨率遥感影像中地物的光谱、形状、纹理等特征,而且减少了计算时间。     

基于方向分水岭变换的遥感影像多尺度分割

传统分水岭变换通常对梯度影像进行变换,往往会出现过分割现象。本文针对传统分水岭变换算法的不足,提出了一个新的影像多尺度分割算法。其基本过程是：传统分水岭变换先对边缘影像进行区域提取,通过边缘方向的拟合并修正边缘的强弱,获取区域分割结果。最后,根据区域边界的强弱作为区域合并条件,获得多尺度的分割结果。本文利用航空影像进行验证,实验表明不同层次的分割结果能够较好地反映地物的尺度特性。     

基于图像分块的多尺度Harris特征点检测算法

通过分析Harris特征点检测算法在应用中的不足,提出一种基于图像分块的多尺度Harris特征点检测算法,解决了特征点聚簇现象,检测出的特征点分布均匀.实验结果表明,该算法具有精确性、有效性和鲁棒性,为进一步图像特征点匹配工作提供了保证.     

基于多尺度三元组描述子的形状匹配方法

提出了一种新的基于轮廓的形状描述子,称为多尺度三元组描述子.对轮廓进行均匀采样,同时根据多边形近似演化算法提取轮廓的关键点,由采样点和其相邻关键点构成三元组,根据多个尺度下三元组的几何特性(包括角度和边长)定义描述子.这些三元组既包含了形状的局部细节,又包含了形状的全局结构信息,是一种稳定而准确的描述.形状匹配阶段使用动态规划算法.将本方法应用在MPEG-7数据库上,检索准确率达到86.30%,具有显著优势.     

一种面向对象的遥感影像多尺度分割方法

高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行,而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷.基于区域的面向对象影像分析方法,为高分辨率遥感影像信息提取提供了新的思路,其关键的核心问题在于实现对高分辨率遥感影像的多尺度分割.本文提出了一种基于相邻影像区域合并异质性最小的面向对象多尺度分割算法.影像分割试验结果表明:该方法可以根据任意特定尺度下的影像分析任务或任意感兴趣尺度的地物目标,调整影像分割的尺度参数,从而获得特定尺度下感兴趣的影像区域(对象)作为后续面向对象影像分析和应用的基础.     

一种基于多尺度分解的多传感器图像融合方法

给出了一种基于多尺度分解(易操纵金字塔分解)的多传感器图像融合算法．该算法把来自不同传感器的图像分解成不同尺度、不同方向(不止3个)的子带系列；使用基于相似性量测的规则融合各相应子带图像；再进行反变换，获得融合后的图像．实验结果表明该方法有较好的融合效果．     

Triangle Area Representation for Profiled Fiber Shape

A multi-shape representation approach for measuring geometrical properties of profiled fibers was presented.From closed edge chains of a fiber cross section,three evenly spaced vertices were selected to form a triangle by changing the vertices' spacing,or the step length,the Triangle Area Representation(TAR)was calculated with a special determinant.The bend direction of the two consecutive lines drawn by three vertices determined the sign of the TAR.TARN and TARP were negative and positive extensions of TAR...     

基于距离变换剥离的黏连纤维图像分离算法

针对形状不规则、黏连严重的天然纤维分离算法进行研究.基于距离变换的剥离算法和加权距离变换算法的分析,提出一种基于八四邻域外轮廓的剥离算法.该算法以基于距离变换的剥离算法为基础,经加权距离变换演变,分离效果接近基于距离变换的剥离算法,降低了算法的时间复杂度.算法从黏连纤维的外轮廓开始剥离,给出求分离点的方法,进而分离黏连纤维,剥离过程中外轮廓失真较小,能准确地分离黏连纤维.实验结果表明,算法的结果有效且理想.     

线状要素多尺度表达的不确定性评价研究

首先确立线状要素多尺度表达的实现方式;然后紧紧围绕线状要素多尺度表达的实现流程,分析线状要素多尺度表达不确定性的来源,并利用误差传播规律建立线状要素多尺度表达误差传播规律;最后通过实验得出线状要素在尺度扩展中不确定性的变化规律.为线状要素多尺度表示的质量评价提供了理论基础.     

基于改进纹理表示的主动形状模型

主动形状模型(Active shape model,ASM)是一种基于参数化的统计模型,它主要应用于图像处理中的特征定位和提取.本文在分析传统ASM方法不足的基础上,提出一种基于改进纹理表示的ASM方法.改进的纹理表示方法是直接用联合Gabor相位特征和局部二元模式(local binary patterns,LBP)特征代替传统的灰度值.改进的方法提供多尺度多方向的Gabor纹理信息,而且基于LBP的纹理编码能对光照更加鲁棒,而且可以去除大量冗余信息.实验结果表明改进的ASM能有效提高特征点的匹配精度.     

基于骨架特征的层次化识别算法在异形纤维识别中的应用

针对基于骨架的单一特征的算法在异形纤维图像识别方面的不足,提出一种基于骨架特征并融合其他几何特征的层次化识别算法.首先采用轮廓跟踪算法将骨架信息映射到一种骨架树结构中,然后构造骨架特征邻接矩阵并求出该矩阵特征值,以特征值对异形纤维图像进行大类识别,再结合骨架周长统计特征和异形纤维图像轮廓的凹凸特征对每一大类异形纤维图像...     

基于Canny算子和轮廓方向图的异形纤维轮廓增强算法

显微包埋采集纤维图像过程中,由于背景光照不均、景深和聚焦等造成纤维图像对比度较低、目标与背景区分不明显的问题.传统的Canny算子对于异形纤维的轮廓提取存在边缘不连续、虚假边缘等不足,尤其是对于粘连纤维无法确定其轮廓.针对这些不足,提出了一种利用轮廓跟踪算法剔除Canny算子产生的噪声边缘,并在方向图的基础上利用矩形方框确定真正的轮廓区域,然后对此区域内的像素进行模糊域非线性拉伸,从而得到增强后的异形纤维图像.对增强后的异形纤维图像进行Otsu二值化处理,其结果表明该算法能够得到准确完整的异形纤维轮廓.     

基于Delaunay三角化的形状表示与相似性衡量

在计算机视觉中,形状的表示和相似性衡量是重要且复杂的问题,提出了一种改进的SUSAN(最小一致性区域)拐点检测算法并用于形状表示,同时基于Delaunay三角化给出了一个用于形状相似性衡量的有效算法。首先,对形状的拐点进行Delaunay三角形构造,然后从Delaunay三角网中获得Delaunay图矩阵,最后使用矩阵的谱对拐点进行匹配。在含有1 400幅图像的MPEG-7 CE-Shape-1数据库中的检索实验进一步验证了算法的有效性。     

基于多尺度超完备字典的飞机目标检测算法

天空背景的复杂性与飞机目标的多样性,对基于传统目标检测算法的飞机目标检测带来了巨大的挑战。本文基于图像的稀疏表示理论,提出了基于多尺度超完备字典的飞机目标检测算法。算法综合了不同尺度下超完备字典各自的优点：利用低分辨率图像块学习小尺度字典,构造小尺度分类器,在低分辨率测试图像中完成前景粗检测;利用高分辨率图像块学习大尺度字典,构造大尺度分类器,在高分辨率测试图像中完成前景精检测;最后通过飞机图像块学习飞机目标字典,构造飞机目标分类器,完成前景目标分类。实验结果表明,算法能有效完成天空背景下的飞机目标检测任务,时间开销与小尺度字典目标检测相当,但在精度上逼近大尺度字典目标检测。