一种基于数学形态学的边缘检测算子

介绍了一种具有很好抗噪性的数学形态学梯度算子。该算子是以二值形态学为理论基础的,因此在处理灰度图时,文中选用了迭代阈值的方法对图像二值化,根据形态学基本算子的性质,将原有的形态学梯度算子进行改进,最后通过VC＋＋6.0编程实现。实验结果表明将迭代阈值与改进的梯度算子相结合,提取的边缘定位准确、连续性好,运算速度快,具有很好的去噪能力。     

一种基于数学形态学的边缘检测算子

介绍了一种具有很好抗噪性的数学形态学梯度算子.该算子是以二值形态学为理论基础的,因此在处理灰度图时,文中选用了迭代阈值的方法对图像二值化,根据形态学基本算子的性质,将原有的形态学梯度算子进行改进,最后通过VC++6.0编程实现.实验结果表明将迭代阈值与改进的梯度算子相结合,提取的边缘定位准确、连续性好,运算速度快,具有很好的去噪能力.     

基于多重分形去趋势波动分析的视网膜图像分割

引入善于描述非稳定图像的多重去趋势波动理论,提出一种基于多重去趋势分析的视网膜图像分割方法.该方法采用直方图均衡化对图像进行预处理来增强血管影像,然后采用多重去趋势波动分析计算图像的广义赫斯特指数,并利用血管指数特性来分割血管,最后用形态学进行图像后处理,得到最终的血管图像.基于DIARETDE0和DIARETDE1两个数据库进行实验.结果表明,该方法在处理视网膜病变图像时有较好的完整性和连通性,能够较好地提取血管主体,具有很好的临床应用价值.     

基于Hessian矩阵的冠状动脉中心线的跟踪算法

冠状动脉血管造影对医生临床诊断心血管疾病非常有帮助。在冠状动脉造影图像上对冠脉中心线的正确提取是冠脉边缘定位和三维重建的基础。该文提出的中心线提取方法是对经典Sun算法的改进,此方法结合了Hessian矩阵特征向量和Canny算子来进行准确提取。实验结果表明:结合Hessian矩阵特征向量的方向,较好地解决了冠脉造影图像中冠脉曲率变化剧烈而跟踪不准确的情况;结合Canny算子的半径计算,较好地解决了冠脉造影图像中冠脉重叠和交叉出现时错误跟踪的情况。因此,与经典Sun算法相比,本文提出的方法有很好的鲁棒性和准确性。     

基于Hessian矩阵的冠状动脉中心线的跟踪算法

冠状动脉血管造影对医生临床诊断心血管疾病非常有帮助。在冠状动脉造影图像上对冠脉中心线的正确提取是冠脉边缘定位和三维重建的基础。该文提出的中心线提取方法是对经典Sun算法的改进,此方法结合了Hessian矩阵特征向量和Canny算子来进行准确提取。实验结果表明:结合Hessian矩阵特征向量的方向,较好地解决了冠脉造影图像中冠脉曲率变化剧烈而跟踪不准确的情况;结合Canny算子的半径计算,较好地解决了冠脉造影图像中冠脉重叠和交叉出现时错误跟踪的情况。与经典Sun算法相比,本方法有很好的鲁棒性和较高的准确性。     

基于分层八邻域方向预测算子的IC芯片图像拼接技术

为了对IC芯片进行精密光学检测,需要完整而准确地获取芯片形貌的图像.文中针对IC芯片表面形貌图像的获取要求,提出了一种基于分层八邻域方向预测算子的模板匹配方法,并运用于高精度要求的IC芯片图像处理工作中.通过对获得的芯片显微图像的重叠部分进行匹配点的快速准确搜索,进而实现了芯片精密显微图像的高速拼接处理.编程实验证明,采用该方法可获得IC芯片表面的清晰图像,使芯片的形貌和缺陷等细节能够得到很好的展现.     

基于Surfacelet变换的三维CT图像边缘检测

为了有效抑制三维CT图像的噪声,减少伪边缘,基于Surfacelet变换提出一种三维CT图像边缘检测方法.运用Surfacelet变换将三维CT图像分解到三维变换域,并对高频子带系数进行自适应阈值滤波,对低频子带系数进行归一化处理,将处理后的系数进行Surfacelet重建,再采用Canny算子分别提取高低频图像边缘进行融合,可获得准确的完整图像边缘.实验结果表明:根据Surfacelet变换域子带系数分布特征进行处理,可有效分离信号与噪声,增强目标弱边缘,减小稀疏系数幅值波动,从而实现对三维CT图像目标边缘的准确检测与提取,获得清晰、完整的边缘轮廓.     

一种细胞边缘信息提取的结合型算法

目的 本文较详细介绍了一种提取细胞边缘信息的、基于Canny算子和数学形态学的结合型算法. 该结合型算法的建立为后续细胞图像的目标识别、特征提取、图像匹配等的实现提供一定的理论依据. 方法先采用Canny算子进行细胞边缘的粗提取, 接着运用数学形态学对图像进行一系列操作, 直至检测出细胞边缘. 结果与结论该方法优于传统的微分算子和经中值滤波后再进行Canny算子检测后的边缘效果.     

一种结合数学形态学和LOG算子的遥感图像边缘检测方法

提出了一种结合数学形态学和LOG算子的遥感图像边缘检测算法,该算法可有效地解决在混合噪声及复杂细节环境下的遥感图像地物边缘信息的检测．该算法首先利用中值滤波消除原始图像的非高斯噪声,并采用数学形态学进一步消噪及增强地物间的对比度;然后采用LOG（LaplacianofGassian）算子对处理后遥感图像进行边缘信息检测．实验结果表明,提出的方法能有效地提取遥感图像地物边缘信息．     

基于改进的暗通道先验去雾辅助导航算法

经典的去雾算法无法满足车道线检测的实时性和准确性要求,因此提出一种改进暗通道与边缘检测融合的雾天车道线识别算法。首先对有雾图像进行对比度增强处理,突出边缘、颜色等有效信息,基于道路先验信息对图像进行感兴趣区域处理,利用暗通道先验算法对静态约束图像进行去雾操作,并通过双边滤波器细化透射率图,得到清晰的去雾图像;然后引入动态约束理念,提取车道线可能存在的区域,借助Sobel算子检测动态约束后的车道线区域,提取车道线边缘点;最后利用Hough变换进行准确的车道线拟合。实验表明,改进的去雾算法得到的图像清晰度与对比度更高,满足了车道线检测的准确性与实时性要求;去雾及车道线检测算法平均处理时间为297. 305 ms,满足无人驾驶时间要求。     

图像去噪的混合滤波方法

针对视频图像在同时受到高斯噪声和脉冲噪声污染时,严重影响图像的存储、 编解码、 传输、 目标识别与跟踪的问题, 提出一种图像去噪的混合滤波方法。该方法通过基于个数判断脉冲噪声的方法, 将脉冲噪声从混合噪声中分离, 并利用中值滤波将其过滤; 再利用分块平均边缘检测的方法提取图像的边缘; 利用自适应均值滤波方法滤除非边缘的高斯噪声, 并将边缘图像嵌入滤除高斯噪声的图像中。实验结果表明, 该方法不但能有效去除图像中的高斯噪声和脉冲噪声, 而且能保持图像的边缘信息, 从而提高图像的去噪效果和清晰度。     

飞行器结构特征提取与识别

针对天空背景下的飞行器，从目标的结构特征出发，采用SUSAN算子将目标从背景中提取出来；结合边缘信息，利用灰度重构对云层区域进行抑制；对处理后的图像二值化后，利用形态学算子对目标区域填充；最后对目标区域细化，利用先验知识发现目标的头部，实验结果证明了该方法的可行性．     

一种自主空中加油视觉导航图像处理方法

针对自主空中加油近距导航问题,提出了一种锥套检测和跟踪的视觉导航图像处理方法.对于锥套检测,首先利用阈值法和数学形态学方法消除图像干扰,然后提取所有的轮廓并对轮廓进行检查,最后匹配得到目标锥套轮廓.对于锥套跟踪,以上一帧图像的定位结果作为先验信息来确定当前帧图像的可能范围,然后采用上述锥套检测方法进行处理.最后,以一架微型六旋翼飞行器作为受油机,利用自主空中加油试验台获取的真实飞行图像,对所提出的视觉导航图像处理方法进行了验证.试验结果表明:所提出的视觉导航图像处理方法具有较高的实时性及可靠性,能够满足自主空中加油的要求.     

Contrast enhancement of radiographs using shift invariant wavelet transform

A novel approach using shift invariant wavelet transform is presented for the contrast enhancement of radiographs. By exploiting cross-scale correlation among wavelet coefficients, edge information of radiographic images is extracted and protected, while noise is smoothed out in the wavelet domain. Radiographs are then reconstructed from the transform coefficients modified at multi-scales by nonlinear enhancement operator. The method can achieve effectively contrast enhancement and edge-preserved denoising simultaneously, yet it is capable of giving visually distinct images and offering considerable benefits in medical diagnosis. Biography: YANG, Yan (1964-), female, lecturer. Research direction, image processing, wavelet analysis and its application.     

融合均值漂移与最小生成树算法的迷彩伪装设计

为了解决伪装技术的设计难题,并实现伪装图像与环境背景高度融合的设计目的,提出了均值漂移与最小生成树相结合的图像分割方法.利用该方法不仅能够准确提取基于背景的迷彩斑点图案,而且相比其他方法其运算速度也有很大提高;这样既保证了整个迷彩设计的准确性,也增强了伪装效果的实时性.通过量化颜色直方图提取背景的主色,将其作为迷彩图案的显示颜色.最后将斑块与颜色相结合生成最终的迷彩图像.实验结果验证了该方法的有效性.     

三维凸面分析法在迷彩伪装检测中的应用

针对边缘检测算法无法检测具有三维凸面性能的伪装目标的缺陷,引入三维凸面检测算子,分析发现,该算子对目标的凸面性能可产生无穷大值响应,但是对噪声相当敏感,从而导致检测结果不准确。由此提出,采用空间域平滑滤波器对图像进行预处理,经预处理后的图像具有良好的抗噪性。通过伪装场景的实际检验证明,改进的方法可有效利用目标具有的三维凸面这一形状特征所表现的灰度差异,成功检测到良好伪装下的迷彩伪装目标。     

一种高分辨率遥感影像道路提取方法

文章采用了基于核的Fisher线性判别特征分类和形状特征相结合的方法进行道路提取.首先,对标记的样本进行色彩信息的抽取;其次,利用基于核的FLD根据抽取的信息对遥感影像进行特征训练分类,将影像分为道路和非道路两类;接着利用道路的形状特征去除误提的信息;最后利用形态学对道路网进行优化处理.实验证明,本方法可以实现具有颜色信息的遥感影像道路的提取.     

基于图像技术的迷彩面料颜色测量

颜色测量对于迷彩面料的色彩分析、产品设计、质量控制有着重要的指导意义。针对由织物组织纹理和图案的多样性造成测色难度增大的问题,提出一种迷彩面料图案分割的方法,并提取色彩信息加以分析。利用数码相机进行迷彩面料图像的采集,利用Mean Shift聚类算法将图像分割成不同颜色的色块,再用神经网络回归实现图像从RGB(red,green,blue)颜色空间到Lab颜色空间的转换,并通过正态分布法对迷彩颜色进行分析测量。试验结果表明:提出的图像处理方法可实现迷彩服面料颜色的自动分割;与Datacolor分光测色仪测色结果相比,正态分布法分析得到的平均色差不超过2。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.