单像素人体轮廓提取方法研究

在步态识别中,常用轮廓信息来描述人体运动的细节,而单像素人体轮廓是决定步态识别精度的一个关键环节。提出了一种单像素人体轮廓提取方法。首先,使用灰度图像背景差法获取人体区域图像;然后利用数学形态学的方法对人体区域图像进行修复处理;最后,利用边缘像素邻域信息提取单像素的人体轮廓。仿真实验结果表明,提出的方法能够有效地提取不同步态图像的单像素人体轮廓。     

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.     

基于标记信息的快速轮廓跟踪算法

提出了三种利用标记信息加速轮廓跟踪执行过程的快速轮廓跟踪算法．算法的基本原理是：利用标记过程寻找连通区域中第一个像素出现的位置,在此基础上根据一定原则确定轮廓起点,省略了在图像中逐像素搜索轮廓起点的过程,达到加速算法执行的目的．三种算法分别适用于要求提供不同类型轮廓的应用中．仿真结果表明,大多情况下,快速算法能够将轮廓跟踪的执行时间减少40％以上．     

二值图像中目标物体轮廓的边界跟踪算法

分析了二值图像识别中常见的边界跟踪算法,在此基础上提出一种通用性强的边界跟踪算法,能够根据上一边界点的位置判断轮廓走向.在搜索下一个边界点时,只需要对候选的5个点进行判断,便可以找到下一个边界点的位置,从而减少了搜索的次数,使得边界跟踪的时间大为减少.算法对于轮廓不封闭的线段也可以一次扫描得到其轮廓信息.实验表明,算法不仅速度快,而且轮廓识别准确.对于目标物较复杂的图像,算法更能体现出其优越性.     

采用轮廓片段空间关系实现遮挡目标识别

为了实现高比例遮挡情况下的目标识别,提出一种基于轮廓片段空间关系的目标识别算法.首先,在采用轮廓的形状上下文特征进行粗匹配的基础上,对模板图像和待识别图像分别进行图像骨架关键接合点的提取和轮廓形状质心的提取.然后,以图像像素中心点为原点建立坐标系,以图像骨架关键接合点和轮廓片段质心在各自图像建立的坐标系内的位置确定空间关系.最后,制定空间关系参数约束标准,筛选满足空间关系约束准则的目标库图像为最后识别结果.与现有遮挡目标匹配算法相比,该算法可以实现高比例遮挡情况下的目标识别,在目标遮挡比例为60%的情况下,识别率可达到78%.     

基于图像处理的钢筋轮廓提取方法

给出了传统的钢筋轮廓提取方法的Matlab程序和仿真图像,然后提出用Radon变换法对有断点、不连续的钢筋轮廓进行重构,得到连续且单像素宽的轮廓.仿真结果表明这种方法的有效性.     

基于帧间相关性的乳腺MRI三维分割

针对乳腺磁共振图像序列的肿瘤分割问题,提出一种基于超像素和改进C-V模型的三维全自动分割方法.该方法利用磁共振图像序列的帧间相关性,约束相邻帧图像的分割轮廓.采用超像素算法提取肿瘤的大致轮廓,再用改进的C-V水平集算法对可疑区域边缘进行优化,使其更接近肿瘤的实际边缘.将该方法及3种对比方法应用于89例乳腺MRI序列图像.以手动分割的轮廓为基准,该方法得到的平均重叠率为87.84%,,相比于C-V模型的58.90%,、超像素和水平集结合的76.36%,、K均值+C-V的83.62%,,有明显提升.实验结果表明,该方法的全自动分割结果对于肿瘤起始和终止帧图像具有较高的分割精度.     

基于色差分析的图像修复改进算法

逐块修复的图像修复算法对修复边缘敏感,目前普遍采用的基于等照度线的修复优先权确定方法并不能很好地区分图像的结构和纹理成分,使得修复效果依赖于图像掩码的初始边缘且对于纹理和结构高度混杂的区域不能有很好的修复效果.提出了一种基于色差分析的图像修复改进算法,根据待修复像素块与邻域像素块的像素值变化确定修复优先权.实验结果表明...     

基于场景划分的海天线检测方法

提出一种基于场景划分的海天线检测方法,兼顾显著目标较小、海天线相对完整的简单场景和显著目标较大、海天线缺失严重的复杂场景,提高准确率的同时避免了不必要的时间消耗.采用卷积运算,将预处理图像划分为简单场景或复杂场景,根据划分结果,分别选择合适的方法进行检测.对于简单图像,先用基于图像分块的局部Otsu算法做图像分割,提取突变像素作为边缘,然后采用Hough变换检测海天线;对于复杂图像,在分割后,消除显著目标,并采用形态学滤波运算擦除干扰像素,检测海天线.实验证明:提出的方法可以有效提高海天线检测的准确率,具有良好的场景适应性.     

面向缺失像素图像集的修正拉普拉斯特征映射算法

针对缺失像素图像集,提出修正的拉普拉斯特征映射算法.该算法将缺失像素图像集看成向量集,利用向量之间的余弦相似度衡量缺失像素图像之间的距离,提出一种新的权值构造函数,并在多组标准测试数据集上进行实验.结果表明:修正的拉普拉斯特征映射算法可以很好地挖掘缺失像素图像数据集的内在流形结构,减弱缺失像素带来的不良影响.     

基于多尺度小波变换的PET影像肿瘤边界的研究

在医学图像三维显示技术中,需要得到单像素的清晰轮廓,为了满足这种需求,在传统的小波边缘检测的基础上,提出了一种新的基于PET影像的边缘算法,它是基于小波变换的模极大值检测边缘的算法。采用模糊算法构造相应的隶属函数,再对得到的极大值做进一步筛选,最终能够得到单像素的边缘。     

基于OpenCV的图像碎片拼接

针对二维不规则图像碎片,提出了一种基于OpenCV和图像角点的图像碎片拼接算法.该算法实现了碎片轮廓检测、角点提取、角点序列匹配、图像拼接及缺失修复的功能.通过实例测试,可以得到很好的拼接效果.     

基于cGAN的下采样LG谱图像优化重建

对于复杂图像的拉盖尔高斯（Laguerre-Gaussian,LG）谱成像，因为满足奈奎斯特采样率的高阶LG模式系数无法测得，重建图像的失真不可避免，而神经网络算法通过先验学习，可以对失真图像实现较为清晰的复原.提出基于条件生成对抗网络（Conditional Generative Adversarial Nets,cGAN）的图像优化重建方法，在处理下采样的LG谱单像素成像和旋转运动模糊图像中均取得了较好的效果.在1.87%的LG谱采样率下，该方法能将Kaggle数据集人像二值图像的结构相似性（Structural Similarity,SSIM）指数提升至0.8以上，和经典图像去噪算法相比有显著提升.     

基于运动轮廓标记提取的分水岭运动目标检测

针对运动目标差分相乘产生的空洞问题,提出了一种基于运动区域轮廓信息和自适应标记约束的分水岭运动目标检测新算法,来实现移动机器人平台上较大运动目标的完整检测.首先,结合相位相关法和Fourier-Mellin变换配准图像的缩放和平移量;然后,利用运动区域轮廓信息和分层投影法来提取前景和背景标记.先通过连续三帧配准图像差分相乘方法检测出运动区域轮廓,并结合形态学腐蚀、膨胀操作和投影法生成前景和背景标记模板;再将前景和背景标记模板分为若干层,通过水平投影得到每一层轮廓的边界点,并按一定方式连接得到前景和背景标记;最后,根据重构的梯度图像,用标记约束分水岭分割出完整的运动区域.实验结果表明,该算法能够准确完整地分割出规则和非规则运动目标,具有较好的实时性.     

基于局部卷积的视频图像像素补偿方法

为了修复高速运动目标视频图像的缺失像素，提出了一种基于局部卷积的视频图像像素补偿方法(局部卷积补偿方法).首先引入局部卷积方法，分割神经网络模型，重建视频图像帧；再激活源视频图像及对应像素空间；最后采用线性均值补偿方法补偿视频图像内插帧空洞，并判断视频图像匹配程度，完成视频图像像素补偿.对比实验结果表明，局部卷积补偿方法的平均梯度为11.239,明显高于遥感图像分类方法、单幅图像超分辨率重建方法和多尺度递归图像超分辨率重建方法的平均梯度，说明经过局部卷积补偿方法补偿后的视频图像具有较高的清晰度.     

纱线毛羽特征参数提取算法研究

提出了用于对纱线毛羽特征参数提取的多区域轮廓跟踪算法,该算法是在链码法轮廓跟踪算法的基础上,对跟踪方向进行调整,并对已跟踪完成的纱线区域进行区域填充.实验表明,该算法不但可以对任意条纱线进行轮廓跟踪及特征提取,而且得到的边界曲线封闭连续,只有单像素宽,提高了特征提取的效率和精度.     

基于测地距离的超像素生成方法

超像素能够捕获图像的冗余信息,从而大大降低图像处理后续任务的复杂度.尽管很多分割算法都能生成超像素,但所生成的超像素大多具有高度的不规则性,大小和形状变化很不一致,而且很难控制其个数.利用图像曲面的内蕴几何,即测地距离来衡量像素间的相似性,提出了一个算法简单的、具有线性复杂度的超像素生成方法,能够生成形状近似规则的、分布均匀的、有指定个数的超像素.实验表明,对于不同复杂度的图像,该方法均能取得较好的结果.     

一种对阴影鲁棒的背景建模算法

为消除前景图像的阴影,提出了一种基于尺度不变局部三元模式(SILTP)的视频图像背景建模算法。该算法利用图像帧级、图像块级和像素级三级信息进行设计.在图像帧级,利用全局灰度均值处理亮度突变;在图像块级,利用SILTP纹理图像基于图像块进行背景建模,快速定位前景目标大致轮廓;在像素级,用类ViBe算法检测前景目标精确边界.实验表明该算法不仅可有效消除前景图像的阴影,对复杂场景亦具有较好适应性.     

基于环绕抑制模型的轮廓检测

轮廓检测是高级视觉任务的重要基础.目前存在两个难点:一是检测轮廓缺失,二是纹理边缘冗余.针对这两个问题,本文结合基于多线索的环绕抑制模型提出一种新颖的轮廓检测算法.先增加环绕抑制强度,旨在进一步抑制冗余的纹理.为了防止同时抑制轮廓,利用改进的超像素分割算法(SLIC)获得候选轮廓,进而在候选轮廓处进行解抑制.实验结果表明了本文算法在提取更完整轮廓的同时尽可能地抑制了冗余的纹理.     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.