基于链码的纺织纤维直径测量

首先引入角度链码及其差值等经过改进的链码概念,用以判断纤维交叉和头端,接着介绍边缘平滑的原理和方法.以棉的纵向形态直径测量为例,提出在轮廓跟踪的同时判别纤维交叉和头端的算法;根据棉的纵向形态边缘经平滑后纤维轮廓光滑的特点,提出基于像素长度的纤维直径测量新方法.实际测试表明,对于光滑轮廓的纺织纤维,该算法能够快速准确地测量出其直径.     

n链码对异形纤维特征参数的作用

通过n链码对图形特征参数影响的研究,讨论了n链码对异形纤维轮廓的平滑作用以及不同的n取值对轮廓曲线的不同平滑效果.通过面积误差、周长误差以及轮廓相似度3个误差模型,分析了6种标准几何图形在不同的n值作用下轮廓的失真,讨论了n的计算方法,并在异形纤维识别应用中对该计算方法进行了验证.     

基于Canny、Sobel及其改进模板算子融合的Freeman链码边缘点提取算法

针对传统边缘点提取算法过程复杂、计算困难的问题,设计了一种融合Canny、Sobel及其改进算子和Freeman链码的图像边缘点提取算法(简称CS-F法).即先将Canny算法、改进Sobel算法融合处理,进行边缘提取,再采用阈值分割方法,接着使用Freeman链码,确认边界的具体位置,使图案轮廓更加接近真实轮廓且更直观.实验表明,在一定的精度范围内(单位像素内允许是:0.045 7~0.05 mm),融合算法性能稳定,所提取的轮廓定位准确,而且能提取目标边缘有序的坐标点,解决了有些轮廓最后需要矢量化的繁琐过程.     

基于骨架平滑与均匀膨胀的女书轮廓字形生成方法

针对手写女书字符目前尚未规范化,提取轮廓不平滑的问题,提出了一种笔画粗细均匀的女书轮廓字形生成方法,包括骨架提取、毛刺去除、骨架膨胀和轮廓提取等四个步骤。针对女书字符多呈菱形,弧笔和斜笔居多的特点,提出了一种单像素骨架提取算法;该算法结合八邻域模板邻域像素值分析与索引表遍历查找的思想,获得的骨架可以保持平滑性与骨架整体的单像素性。针对少量骨架结果伴有部分毛刺的情况,采用Rutoviz相交数分析法和Freeman方向链码法,设定不同的长度阈值和级别进行分级处理,有效去除毛刺。然后采用形态学运算对骨架进行均匀膨胀,得到笔画粗细均匀的女书字符,并采用边缘梯度和边缘跟踪的方法提取字符轮廓和生成轮廓字形。实验结果表明,该方法能快速、有效生成笔画粗细均匀、轮廓平滑的女书轮廓字形,对其他手写字符具有一定适用性。     

港口目标特征提取与识别

港口目标的识别包括两个方面：识别港口轮廓和识别轮廓两侧的港口纹理,轮廓链码表示轮廓的走向及轮曲线的曲率,经过自适应平滑后由波变换的极大值检测得到角点,即大曲率点,港口轮廓的基元是一种连续四个角点的结构,基元的识别取决于这些角点有关的三个特征,这些特征只与角点的角度正负性质有关。     

一种改进的基于活动轮廓和光流的运动目标分割方法

将光流技术和几何活动轮廓模型结合起来对运动目标进行分割,一方面可以通过算法分割出运动目标轮廓,另一方面,使得算法面对背景变化的情况仍具有一定的适应性.为了更好地将二者结合起来,进行2个方面的改进;建立基于运动边缘的几何活动轮廓模型,从而克服光流计算中由弱纹理区域产生的运动空洞对分割的影响;引入边缘增强的非线性扩散作为光流计算模型中的平滑项约束,可以在平滑流场的同时减小运动边缘处平滑效果而保护边缘,进而提高运动目标分割的完整性.研究结果表明:与现有算法相比较,该算法能够更准确地分割出运动目标的轮廓,同时在一定程度上克服背景运动的情况.     

基于链码分析及矩特征的元件类型检测方法

首先利用8向链码分析元件边缘图像,并实现元件引脚封闭轮廓的表达．然后由各引脚轮廓的链码计算引脚的矩特征,根据部分引脚的矩特征对元件类型进行粗检测,并依次利用元件引脚的总体特征及所有引脚的矩特征对元件进行精检测,从而得到元件类型的正确判别．通过理论和实验分析表明,该检测方法具有较好的实时性和检测精确性．     

基于链码分析及矩特征的元件类型检测方法

首先利用8向链码分析元件边缘图像，并实现元件引脚封闭轮廓的表达．然后由各引脚轮廓的链码计算引脚的矩特征，根据部分引脚的矩特征对元件类型进行粗检测，并依次利用元件引脚的总体特征及所有引脚的矩特征对元件进行精检测，从而得到元件类型的正确判别．通过理论和实验分析表明，这种检测方法具有较好的实时性和检测精确性．     

基于轮廓跟踪的摔倒检测算法

针对传统摔倒检测算法误判率高和算法复杂等缺点,提出一种基于轮廓跟踪的摔倒检测算法。该算法主要通过背景减除法提取监控视频中的运动目标老人,运用中值滤波和形态学处理获取完整的老人身体形状,根据轮廓跟踪算法生成边界链码,然后利用实际边界链码与摔倒模板链码的欧氏空间距离判断老人是否摔倒。实验结果表明,该算法计算复杂度低,准确率得到明显提高。     

基于归一化链码直方图和最小外切矩形的舰船目标识别方法

针对归一化链码直方图在目标旋转上无法保持稳定不变性的缺陷,提出了归一化链码直方图与最小外切矩形相结合的舰船目标识别方法,利用求取目标区域最小外切矩形的过程,对目标区域进行方向规范化,再求取规范化后目标轮廓曲线的归一化链码直方图,最后对舰船目标进行识别。实验结果表明,该方法克服了归一化链码直方图在目标旋转不变性上的缺陷,对目标区域的任何角度旋转都能保持稳定的不变性,对舰船目标的识别效果更好。     

梯度图像的阈值选取

为了较精确地提取目标的边缘轮廓,针对梯度图像的特征,提出在canny边缘检测算法基础上,采用自适应阈值消除噪声,探测较精确的边缘轮廓。由于光学成像和高斯平滑滤波等作用,梯度图像中边缘上噪声的分布是呈近似单边正态分布,所以根据梯度图像的灰度均值与方差确定自适应阈值。通过实验仿真比较,采用自适应阈值获得了较准确的边缘轮廓。     

基于多尺度边缘链码方向的图像检索算法

提出了基于多尺度的边缘链码方向的图像检索算法。首先采用不同的尺度对图像进行轮廓描述,获得多尺度的图像轮廓图;再对不同尺度的轮廓图进行链码方向统计,计算不同链码方向所占的比值,计算均向量;最后利用向量的欧式距离度量相似性。实验结果表明,该算法具有查准率高、检索性能良好等优点。     

三角形网格的链码方法研究

目前可以应用于三角形网格的链码方法只有顶点链, 而它对角相邻情况的表达存在缺陷, 针对此问题, 提出3种链码方法, 并进行特性分析和性能比较。首先将Freeman链码扩展应用到三角形网格, 根据两种不同的三角形单元, 分别设计对应的12方向Freeman链码编码规则; 然后, 基于外轮廓前进相对方向的变化, 提出相对方向链码; 最后, 通过区分边界网格在外轮廓上的边数和内部网格数的不同组合, 得到边角组合链码。通过实验比较3种链码的表达能力和压缩率, 结果表明, 3 种链码方法均能克服顶点链的缺陷, 准确完备地实现三角形网格形状的边界表达。其中, 边角组合链码的综合性能最高, 平均码数为1, 压缩率可达0.75。     

基于链码的原木端面图像检尺径识别算法

根据原木端面图像的获得方式及其特性,改进了方向链码的轮廓跟踪技术,提出了从图像中心点开始竖直往下扫描获取跟踪起始点,并在约束条件下自动寻找端面图像目标轮廓的算法,此算法大大提高了原木端面图像的轮廓跟踪效率.原木端面为类圆形图像,根据获得的目标轮廓的链码序列和边界点的坐标信息,提出了确定原木端面图像目标轮廓的圆心及最短径等一系列检尺参数的方法.     

基于邻域一致性测度的链码改进方法

从图像中提取出的目标边界曲线由于受噪声的影响,使得相应的边界链码很难与目标形状一致,影响了用链码来分析目标形状．因此引入邻域一致性测度的概念,提出了链码的一种改进方法．利用该方法,对由Canny算子检测得到的边缘图像进行编码．实验结果表明,上述算法明显改善了常规方法对噪声敏感的性能,能有效地使用到链码分析目标形状的预处理中．     

基于链码描述的二值图像恢复的新算法

二值图像可以用记录其边缘轮廓信息的方向链码来描述，根据这些给定的方向链码可以恢复原二值图像。本文提出了一种新的二值图像恢复算法。算法在二值图像恢复的区域填充方面给出了一种新的方法。     

应用结构模式识别技术设计图像分类器初探

简要介绍了在应用MATIAB的SOBEL图像边缘检测技术的基础上，利用FREEMAN链码技术得到图像基元后，对外形轮廓形状不一的物体(如苹果和香蕉)设计分类器的程序设计过程。     

MPEG-4形状编码研究

MPEG-4标准实现了从基于像素的编码向基于对象和内容的编码的转变．标准中引入了视频对象平面（VOP）的概念，每个VOP即是一个语义意义上的对象或感兴趣的对象内容，VOP具有形状、纹理和运动三种属性，其中形状编码是MPEG-4与传统视频编码标准的最大区别．通过对MPEG-4的研究探讨，提出一种基于边缘轮廓的形状编码方法：改进的Freeman链码法，将它与传统的链码方法从码长、链码长度、是否独立于旋转操作、链码总位数四个方面进行了比较，给出比较分析结果．     

基于编辑距离的手写数字Freeman链码匹配算法

提出了一种基于编辑距离的图像轮廓8方向Freeman链码模板匹配算法度量两个链码序列的相似度进行手写数字字符识别。通过对自备手写数字字符样本库的分类,实验结果表明该算法的有效性。     

基于链码的轮廓跟踪技术在二值图像中的应用

介绍了二值图像的轮廓跟踪算法,在轮廓跟踪过程中,首先用行扫描得到轮廓起点,然后采用链码跟踪技术,跟踪其轮廓,得到一个封闭的轮廓信息,一直到所有的轮廓跟踪完毕为止。它能够实现一次扫描,得到所有的轮廓信息,且最终轮廓信息以链码序列来存储。在以后的拟合过程中,能更方便地对链码序列进行处理,得到理想的轮廓信息。