发动机叶片ICT数字切片图像特征边界的提取

目的 实现数字切片图像特征边界的提取。方法 针对有噪声信号影响的发动机叶片ICT(Industrial computed tomogmphy)数字切片图像，根据图像特征边界点相邻像素灰度值变化特点，通过预先确定提取边界所占矩形区域的大小、方向和预提取图像边界的数量，沿垂直某一矩形边的方向自动产生与提取边界点数量相等的一组等距平行线，并将每一平行线穿过图像的像素灰度变化拟合成一条三次样条曲线或B-样条曲线。结果 根据拉普拉斯边界检测算法在出现边界点处一阶段数为最大和二阶段数为零的特性，计算机边界点的坐标，实现灰度图像特征边界的提取。结论 通过实验得到的测量误差，使用统计的方法进行分析，该算法不但能够达到1／4像素的亚像素精度，而且还有计算效率高的特点。     

基于图像法的点云数据边界自动提取

提出了一种反求工程中基于图像法的点云数据边界特性的自动提取方法，采用图像处理中梯度求解方法，对点云中每一点处的法矢和曲率进行估计，通过阈值得到候选边界点，再利用曲率极值法得到最终边界点。通过这些边界点可以进一步拟合边界曲线，达到对点云数据进行自动分片的目的。该方法具有较强的可操作性实用性，对于反求工程的自动化和智能化研究具有实际意义。     

全方向M型心动图像边界提取技术的研究

提出一种全方向M型心动图的边界提取方法.M型心动图边界是采样线血液与腔室壁组织结构形成的分界线与采样线交点位置变化的时间函数,根据这一特殊性,设计了基于灰度值的线状模板搜索法,并结合人工干预和曲线插值技术进行全方向M型心动图边界的准自动提取.该方法能够较好地解决心动图边界即运动轨迹的检测问题,为提取心脏各结构各部位功能性运动的动态信息提供可靠基础.     

基于选择性注意机制的无边界主动轮廓图像分割算法

针对现有的主动轮廓算法多为人为给定初始轮廓线的问题,提出一种基于选择性注意机制的无边界主动轮廓图像分割算法。该算法首先利用数学形态学算子对图像进行平滑预处理,然后将选择性注意机制引入到基于区域的无边界主动轮廓模型中,对单目标和多目标图像分别采用基于显著图的方法以及基于选择注意与小波变换相结合的方法进行掩膜初始化,最后应用水平集方法进行图像分割。结果表明,该算法不仅可以减少迭代次数,当图像中存在多个目标时还可以得到更精确的分割结果,有效地提高了主动轮廓算法的效率。     

基于CCD图像的数据分析与特征提取算法研究

笔者介绍了CCD图像的来源,基于MATLAB对光学实验中获取的CCD图像进行了数据分析,并且采用不同的算法提取了CCD图像中的亮点和直线,根据需要计算出了两条直线之间的距离,绘制了提取亮点后的合成图．最后对使用的算法的优缺点进行了分析探讨．     

一种复杂二值图像边界跟踪与提取算法

针对传统边界跟踪算法对多个有公共点的目标只能提取一条外边界轮廓的缺陷,提出一种改进的八邻域边界跟踪与提取算法,该算法不仅能成功跟踪图像中单个孤立目标的边界,而且对多个有公共点的目标能分别进行边界跟踪与提取,并可根据需要提取边界点参数序列。该算法在三维地震资料相干切片断层解释中得到应用,并取得了令人满意的效果。     

基于边界检测和骨骼提取的显著性检测网络

目前一些方法通过多任务联合实现显著性检测,在一定程度上提升了检测精度,但仍存在误检和漏检问题,其原因在于各任务优化目标不同且特征域差异较大,导致网络对显著性、物体边界等特征辨识能力不足．基于此,借助边界检测和骨骼提取提出一种多任务辅助的显著性检测网络,其包括特征提取子网络、边界检测子网络、骨骼提取子网络以及显著性填充子网络．其中,特征提取子网络利用ResNet101预训练模型提取图像的多尺度特征;边界检测子网络选择前3层特征进行融合,可完整保留显著性目标的边界信息;骨骼提取子网络选择后两层特征进行融合,可准确定位显著性目标的中心位置;所提方法基于边界检测数据集和骨骼提取数据集分别对两个子网络进行训练,保留最好的边界检测模型和骨骼提取模型,作为预训练模型辅助显著性检测任务．为降低网络优化目标与特征域之间的差异,设计了显著性填充子网络将提取的边界特征和骨骼特征进行融合和非线性映射．在4种数据集上的实验结果表明,所提方法能有效恢复缺失的显著性区域,优于其他显著性目标检测方法．     

一种新的边界提取算法及其在接触角测量中的应用

提出一种基于子图像邻域梯度信息度量的边界提取算法,通过构造邻域信息映射矩阵并利用矩阵梯度信息度量值提取图像目标的有效边界,详细阐述了应用本文算法实现劣质液滴图像的边界检测及接触角测量的方法与步骤。实验结果表明:本文算法能有效地提取劣质液滴图像的目标边界,完成液滴接触角的自动计算,接触角计算结果与人工计算结果基本一致。     

数据简化中的边界提取方法

针对三维点云数据简化过程中边界特征容易丢失问题,研究了一种点云边界特征提取方法.首先,对点的k近邻进行查找,并进行点的球拟合计算,得到拟合球的半径、点的曲率、点到球心距离.其次,通过数据点周围点的分布均匀性、自适应调节参数公式中的阈值,可以达到检测边界特征的目的.由不同模型的实验数据表明,该算法提取的边界满足了后期数据简化所需.     

基于颜色特征的改进图像检索算法

本文提出一种综合图像的颜色、灰度和空间信息提取特征向量的改进算法将图像从RGB空间转换成HSV空间,将彩色图像转换成黑白图像,并分别进行直方图量化后,进行相似度比较;改进颜色相关图的算法,提高颜色空间特征的检索效率.     

图像处理中边缘检测算法的研究

边缘检测是数字图像处理中基础而又重要的课题。文章具体考察了5种常用的边缘检测算子,并加以实现。最后对它们各自的特点进行了比较。梯度算子简单有效,LOG算法和Canny边缘检测器能产生较细的边缘。它们各自有其优缺点,在实际中应根据待解决问题的特点和要求决定采用何种方法。     

焊缝图像边缘检测方法探讨

边缘特征是图象最为有用的高频信息。由于存在噪声,采用经典算子的方法,图像的边缘检测效果不太好。本文首先介绍了经典的边缘检测。然后,针对上述算法的缺陷,提出基于小波变换的边缘检测。实验结果分析表明,在边缘精度、强弱边缘提取和噪声抑制方面,该算法是有效的。     

基于区域分割与形态学相融合的图像边缘检测

图像边缘检测是图像分析的基础,但现有图像边缘检测方法各有特点,有一定的局限性,因此还需要进一步的探索和研究.根据区域分割和形态学腐蚀的特点,利用基于区域的四叉树分裂合并法对图像不同区域设置不同阈值进行区域分割,对于分布比较单一的内容区域阈值设置一般比较低,然后把分割区域进行腐蚀,从而提取出边缘信息.最后对此方法进行实例仿真,并与Prewitt算子和Canny算子进行比较,可见此算法对于内容比较单一的图像具有较高的检测精度和较强的抗干扰能力.     

基于Laplacian算子和灰色关联度的图像边缘检测方法

结合Laplacian算子与灰色关联度提出了一种新的图像分割技术,即以Laplacian变形算子作为参考序列,计算每个像素点及其8-领域的灰色关联度,从而辨别该点是边缘点还是非边缘点.实验结果证明,该方法可以有效地提取图像边缘,而且可以通过调整关联度的阈值和分辨系数来控制边缘信息量.     

CT图象三维重建过程中一种改进的边缘提取法

采用将最佳阈值搜寻范围限定在一定的灰度阈值范围内来保证类间方差的单峰，再利用类间方差测度准则，求取图象的灰度阈值，梯度阈值，利用这两个阈值将ＣＴ图象中各器官的边缘提取出来，作为三维重建的轮廓输入。结果表明，这种方法有较好的实时性和适应性。     

用于图象处理的两种新边界检测算子

通过对线性和非线性拉普拉斯算子的分析，提出了一种新的边界检测算子－中值非线性拉普拉斯算子，该算子无方向性，既可保留边界，又可去除噪声，此外，还提出了另一种用图象灰度变换与边界提取相结合检测边界的方法，由此，产生了另一种非线性边界提取算子－灰度均衡化中值非线性拉普拉斯算子。最后对一幅加了盐－颗粒噪声的人物图象进行了计算机验证。     

Image Edge Detection Based on Oscillation

IntroductionArtificial neural networks can be dividedintotwo classes :rate code neural networks and pulse-based neural networks .Inrate code neural networks the outputs of the neurons arecontinuous , whereas in pulse-based neural networks theneurons emit pulses . Although rate code neural models havebeen well studied, researchers continue to find the evidencerecently that in many cases the brain may accomplishcomputations on pulses(action potential) . Great effort hasbeen devoted towards the a…     

图像的局部自相似性用于边缘检测的方法研究

定义了一种局部图像自相似性测度．根据图像在边缘点处具有较好的局部自相似性这一特点，提出了基于局部图像自相似性的边缘检测新方法．实验结果表明，这种方法可以有效地提取图像边缘，并且具有较好的抗噪性能     

图像边缘检测算法的比较与分析

图像边缘检测是图像处理和模式识别领域研究的重要课题.介绍了几种经典边缘检测算子,对其性能和算法特点进行了分析.运用Matlab进行了算法的仿真,结果表明LOG算子比Sobel和Prewitt两个算子检测出的图像边缘更为连续,也比较细小.     

基于边缘检测的提升小波图像去噪

为了图像去噪的同时能很好地保持图像的细节,提出了一种基于边缘检测的提升小波图像去噪方法,先用Canny边缘检测方法得出原图像的边缘,提升小波去噪时就可用阈值去噪而不必担心损害图像的重要特征。其去噪步骤是：对噪声污染图像进行提升小波去噪;对含噪图像提取边缘图像;对去噪图像高频系数进行阈值处理进行重构变换;图像合并。实验结...