基于显著性的OTSU局部递归分割算法

针对OTSU方法的局限性，提出了一种基于显著性的OTSU局部递归分割算法。该算法的思路是把一次OTSU分割得到的目标区域作为新的图像进行下一次OTSU分割，依次递归下去，直到满足一定条件为止，然后把每次分割得到的目标区域按照一定加权原则累加起来，得到分割结果图像。实验结果表明，在不同的冷背景下，基于显著性的OTSU局部递归分割算法能够稳定地实现目标分割提取，具有较好的鲁棒性。     

基于直方图修正的小波自适应阈值大米垩白分割

在大米垩白分割过程中,由于噪声等影响,图像原始直方图呈明显的锯齿状变化.在阅值选择定位过程中,会产生大量虚假阈值点,影响阈值点的自适应准确选取.通过直方图修正,实现直方图的平滑处理,消除大量虚假阈值点,保证意义阈值点的位置与值不变,达到阈值选取过程中抗噪声的目的.并利用小波变换实现阈值点的自适应多分辨率定位.实验表明通过直方图修正和小波自适应定位多阈值可实现大米垩白区域的有效分割.     

基于立体视觉系统的手势分割算法研究

手势分割是保障人机交互过程得以准确高效实现的重要步骤之一,但在分割的过程中,常常会受到类肤色背景等因素的外在干扰,使得分割操作出现欠分割的情况。针对此问题,采用OptiTrackTMDPC640/30立体视觉系统,引入深度图像来指导分割,并针对原有的三维OTSU算法在进行分割时存有大量冗杂的运算,计算量过大的问题,简化其主函数的运算,即对其主变量w_0和w_1进行递推处理,使得每次计算离散度矩阵的迹时无需从起始位置开始,只需从上一次递推初始处开始即可,有效地减少了三重循环的次数。实验结果表明,该算法比基于YCr Cb颜色空间分割和Grabcut分割法在处理有类肤色背景干扰时更为有效,且与原有的OTSU算法相比,算法执行效率得以提高。     

基于改进GA和OTSU的图像分割算法

图像分割是图像处理、模式识别和人工智能等多个领域中一项关键技术.文章利用改进遗传算法与改进OSTU算法相结合对二维图像分割进行了全局优化,使算法在保持群体多样性的同时加快收敛速度,提高算法全局收敛的稳定性,实现了图像的自动最佳阈值的分割。     

基于图像灰度变换的OTSU阈值优化算法

针对X射线图像裂纹缺陷的分割问题,研究了基于图像灰度变换的OTSU阈值优化算法.通过引入灰度变换函数,建立图像灰度变换与最大类间方差之间的关系,解决由灰度分布不均匀产生的图像分割问题.通过OTSU阈值优化问题的设计,在图像灰度变换与图像分割之间寻求一个最佳策略,找到使类间方差达到最大的阈值及对应的灰度变换函数,由此得到...     

基于蚁群算法的图像分割方法

目的提出基于蚂蚁算法的图像分割技术,解决传统的图像分割算法分割图像的效果不理想、不能满足图像分割要求等问题。方法将图像的灰度、梯度和邻域特征组合成蚂蚁,通过MATLAB实现蚁群图像分割算法对图像的外廓提取。结果与结论相对于传统的图像分割算法,基于蚂蚁算法的图像分割算法的外廓提取具有更高的仿真精度,得到的图形外廓更为理想。     

基于参考点的图像可变目标快速检测方法研究

提出一种基于参考点的改进的滑动窗目标检测算法.采用不同的分割方法对图像进行分割,使某一分割接近真实目标位置,并将左上角点标定为参考点,然后将分割区域的模型作为底层检测器,并只在参考点上进行模型的训练和测试,以期缩短检测时间.对来自互联网的图片实验表明,在超过60%的检测类别上,改进的方法检测正确率都优于穷举法.     

基于OTSU算法和带通滤波器的毛玻璃型肺结节检测

针对毛玻璃型肺结节成淡淡的模糊影,不容易用肉眼观察到,并且其灰度值介于肺实质和血管之间的特点,提出一种基于带通滤波器的毛玻璃型肺结节检测方法.首先用OTSU算法分割肺实质,然后用带通滤波器检测毛玻璃型肺结节.实验表明,此检测方法在所需运行时间和敏感性上都优于现有方法.     

基于图像处理方法的岩石裂纹跟踪算法

岩石裂隙的识别在岩石工程应用领域中是很重要的．如何应用图像处理方法自动识别岩石图像中的各种裂隙是最重要的也是最困难的一项任务．因此提出的基于脊线检测算法是解决这个问题的一个强大的工具．这个算法在实验室和工程中都得到了检验,结果十分理想．     

基于R-CNN算法的分割检测算法

目前先进的目标检测算法大多基于R-CNN算法,如Fast R-CNN,Faster R-CNN,YOLO,SSD以及FPN+R-CNN.R-CNN算法利用了传统的Selective Search算法寻找可能包含物体的方框,将其送入CNN网络进行特征提取,以对方框内物体进行辨别.随着图片复杂度的升高和背景的多样化,Selective Search算法已无法满足精确性和实时性的要求.本文基于R-CNN算法,提出了一种优化分割检测算法.该算法将R-CNN与具有分割功能的FCN算法相结合,为目标检测算法提供了一种新的思路.测试结果与R-CNN算法相比,该算法在目标识别效果和耗时方面均有明显的提升.     

瓶装食用油异物检测算法

现有的基于旋转-急停平台上序列图像分析的瓶装液体异物检测方法不适用于食用油生产线. 文章提出一种基于单帧图像的瓶装食用油异物检测算法. 首先利用均值漂移算法实现食用油的彩色图像分割,提取油体兴趣域;其次,利用积分图像快速估计油体区域的光强分布,并对甁壁高光、暗黑背景造成的干扰进行光强误差校正;最后结合异物区域相较油体区域偏暗的准则实现异物检测. 在实际生产线上的实验表明,所提算法能够自适应瓶身以及瓶间不同的光照变化,检测正确率高.     

基于OTSU分割的云层背景下弱目标检测算法研究

在各种背景的弱目标检测算法研究中,采用了最大类间方差(OTSU)分割的检测算法,对于不同大小的目标提出了两种不同的处理方法.在背景简单的小目标的预处理中利用中值滤波和OTSU相结合的方法;对于背景相对复杂的大目标的检测采用自适应门限、拉普拉斯(Log)滤波和OTSU分割的检测算法,把目标提取出来.自适应门限用于增强图像,使图像的背景灰度变得均匀;Log高通滤波器可以有效地去除背景;OTSU是经典的非参数,无监督自适应阈值选取方法,对图像经过阈值分割后,图像将变成包含少量可能目标点的二值图像.仿真实验表明:该算法能够有效地去除背景天空的强浮云,具有计算量小等优点,能够很好地检测出目标.     

基于改进Canny算法的女性服装款式轮廓检测研究

为了降低女性服装多样性(如纹理、款式等)在边缘提取环节带来的难度,提出一种改进Canny算法,使得服装款式图像的轮廓提取更具有实用性和强适用性.创建女装图像的样本库后,对样本进行图像预处理,并使用Otsu算法对所获得的灰度图像进行二值化,凸显出目标的服装轮廓.然后在Canny算法中采用自适应的双阈值进行边缘分割,提升边缘的准确性,并设计追踪算法,提取服装款式的外部轮廓,减少了纹理和服装所形成的噪声.根据实验结果,对比微分算子算法和改进Canny算法.该算法在女性服装款式轮廓提取时,表现出良好的鲁棒性、准确性和连续性.     

一种优化的基于阈值分割和数学形态学的边缘检测算法

图像边缘检测是计算机图像处理的最基本步骤之一。由于噪声的干扰和图像光照不均匀等因素的影响,目前的图像边缘检则方法还不能有效地检测出各种不同模式的边界。本文介绍了已有边缘检测技术,并分析这些技术的缺陷,在此基础上提出一个改进的基于阈值分割和数学形态学的边缘检测方法。并用MATLAB仿真实验进行对比分析其适用环境。     

基于灰度共生矩阵和区域生长算法的红外光伏图像分割

随着光伏产业的迅速发展,这种光伏新能源在各个方面正扮演越来越重要的作用,因此对光伏面板的维护和状态监测就变得尤为急切。而对光伏面板红外图像的分割是后期对光伏面板故障检测的基础。因此,针对红外光伏图像对比度低、信噪比低等特点,本文提出一种改进的区域生长算法结合灰度共生矩阵(GLCM)的纹理特征和图像的梯度特征对红外光伏面板图像进行分割,该算法通过图像的梯度特征和灰度共生矩阵的熵特征对原始红外光伏图像进行预处理,获得梯度特征和熵特征图像加权叠加后的预处理图像,然后再利用红外图像灰度直方图分布集中的特点,针对需要人工干预进行种子点的选取,实现自动进行种子点的选取,同时对区域生长准则进行改进,使其能够自动的调整生长阈值,从而可以分割出光伏面板区域。实验结果表明,本文算法相比OTSU和K-means聚类算法分割效果更好且更接近手动分割的目标区域。     

基于显著性检测和Grabcut算法的茶叶嫩芽图像分割

人工采茶存在效率低下、人工成本高等问题,机械采茶取代人工采茶成为一种重要的采茶方式,针对机械采茶中自然背景茶叶嫩芽分割效率问题,提出了一种自然背景下的茶叶嫩芽图像分割算法.利用显著性检测算法提取出图像中的突出目标作为显著性图,结合GrabCut算法精确的分割出突出的对象.实验结果表明,该图像分割算法对于背景复杂且目标与背景对比不明显的茶叶图像具有良好的分割效果,这为机械手采茶提供了一种新的方法.     

基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法研究

为解决药用玻璃瓶外轮廓在线检测的两大难题,即瓶体透明度高造成光电传感器测量失真,以及高速生产节拍下测量精度稳定性差的问题,本文提出了一种基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法。首先通过结合PP-Lite Seg图像语义分割算法与Canny边缘检测算法,实现透明玻璃瓶轮廓边缘区域的精准分割,来精确采集玻璃瓶各截面轮廓点云;再利用ICP算法配准点云数据、Kd树算法计算瓶体尺寸超差区域,来实现高透药用玻璃瓶高精度在线测量。使用采集数据与标准瓶尺寸进行对比实验,实验结果表明重构轮廓尺寸误差在0.054mm以内、扫描速度在1s以内,能够满足当前生产节拍对检测精度和速度的要求,为高透玻璃瓶在线检测系统提供技术支撑。     

基于深度学习的水泥颗粒检测方法

水泥生产过程中需要实时检测水泥颗粒粒径、圆度等几何参数。针对粒度离线检测效率低、参数调整滞后的现状,基于深度学习搭建并优化了水泥颗粒图像分割网络模型。实验表明：基于深度学习的水泥颗粒图像分割网络模型对水泥颗粒图像的分割精度达98%、分割准确度达94%,与离线检测的误差在8%以内。提高了分割精度和检测效率,满足水泥生产中过程控制智能化和信息化要求。     

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.