弱边缘医学超声图像目标区域的自动定位与分割

医学超声图像分割是图像处理中的一项关键技术.以胆结石超声图像为例,介绍一种新的弱边缘超声图像分割算法.首先采用基于直方图凹度分析的阈值分割方法确定Snake模型的初始蛇,再基于Snake模型结合贪婪算法对图像进行目标分割.实验结果表明该算法对弱边缘现象较为严重的医学超声图像进行目标分割时,定位准确,且分割效果良好.     

基于改进随机抽样一致的点云分割算法

随着三维点云数据模型在三维建模、测绘、智能城市以及机器视觉等领域的应用,点云数据处理也成为一个研究热点。点云分割就是将三维空间中点云通过一系列算法,将散乱的点云数据划分成更为连贯的子集的过程,可以为后续的数据分析提供数据基础。针对随机抽样一致算法(random sample consensus, RANSAC)对杂乱、无规则点云数据分割效果不佳的问题,提出一种改进的RANSAC点云分割算法。该算法通过构建Kd(K-dimensional)树,利用半径空间密度重新定义初始点的选取方式,进行多次迭代来剔除无特征点,在实现点云分割的同时可以有效去除噪声点;此外,该算法重新设定判断准则,优化面片合并,可以实现点云的精确分割。实验通过对散乱点云数据进行分割,结果表明该改进RANSAC算法的点云特征提取数据量较大,面片分割的准确性较高,是一种有效的点云分割算法。     

平滑最小值法与数字滤波法在流域径流分割中的应用比较

将平滑最小值法和2种数字滤波法应用于三峡水库的日入库流量的基流分割,比较了3种方法的基流分割效果.结果表明,数字滤波法优于平滑最小值法,所得的地下径流更平滑,更符合流量过程线退水段的物理规律;拥有2个参数的数字滤波器对总径流序列的高频信号的平滑作用要优于拥有1个参数的数字滤波器,所获得的地下径流序列更为稳定,变化性小,更适用于三峡大坝坝址以上的大流域的基流分割.     

一种基于深度学习的实时视频图像背景替换方法

针对视频会话业务的实时性需求,提出一种轻量级深度学习网络模型实现视频图像的实时背景替换功能.网络模型包含语义分割和背景替换两个模块.语义分割模块整体架构采用编解码结构,编码端使用编码器模块、空洞卷积金字塔池化模块、注意力模块以及增益模块提取特征;解码端使用解码器模块、调整模块以及编码器模块恢复图像,再传入背景替换模块完成背景替换.该网络模型在本文设定的数据集训练后分割精确度达到94.1%,分割速度达到42.5帧/s,在实时性和准确性上达到较好的平衡,具有很好的实用效果.     

一种主从摄像瞳孔实时精确检测系统

针对瞳孔实时精确检测,提出了一种主从摄像机随动跟踪人眼图像捕获系统用于捕获人眼图像.主摄像机用于定位人脸,从摄像机在云台控制下实时跟踪人眼区域并采集高分辨率人眼图像.为了提高系统的动态性能,针对来自主摄像机分辨率1280×960的人脸图像,采用了一种AdaBoost人脸检测与MOSSE目标跟踪的融合算法,实现了60 fps的人脸快速定位.采用语义分割网络对来自从摄像机的人眼图像进行瞳孔粗定位得到瞳孔感兴趣区域,对瞳孔感兴趣区域采用椭圆拟合算法进行瞳孔精检测.实验结果表明所提出的检测系统及方法可以实现18 fps的瞳孔检测,瞳孔图像有效像素可达2 500以上,检测重复性可达±1.06%.      

一种基于互相关匹配的空域目标提取方法

研究对空域目标的提取,针对空域目标和背景特殊的灰度差异性对目标进行分离。目标提取是通过图像阈值分割实现的。利用信号中的互相关原理,并结合图形模式识别中配准原理,提出了一种互相关匹配的阈值分割方法。实验结果表明针对于空域目标,该方法能够很好的提取出目标信息。     

Genocchi多项式的傅立叶展开和积分表示

利用Lipschitz求和公式,通过分析的方法和级数变换技巧,得到了Genocchi多项式的傅立叶展开式,并由此得到了它的积分表示,我们也给出了Genocchi多项式的一些新的应用和有趣的结果。     

基于小波变换及布朗分形模型的纹理分割

在研究小波变换布朗分形模型的基础上,定义了水平分维数,垂直分维数,对角分维数,并将它们作为纹理特征量来实现纹理的分割,实验结果表明,这些特征量能够很好地反映纺理特征,从而分割时不需有关图象中纹理类别的先验信息,较以往方法在准确度和计算复杂程度上都有很大提高。     

基于模糊逻辑的元胞自动机用于图像处理

提出了一个基于模糊逻辑的元胞自动机模型用来处理图像处理中的图像分割问题。将元胞自动机原理中的元胞状态转化为模糊元胞状态,并将演化规则转化为模糊规则从而建立模糊元胞自动机模型,使图像中灰度水平介于目标和背景之间的像素得以较好地归类,从而得到一种新的图像分割方法。     

田径运动员号码牌图像的号码识别

田径运动项目中通常拍摄得到大量的图像,如何快速获取特定运动员的图像成为普遍关注的问题.为了快速检索包含特定运动员的图像,本文提出了识别图像中运动员编号的方法,依据运动员编号的识别达到快速检索的目的.首先,采用DPM(Deformable Part Model)(可形变部件模型)进行人体检测,缩小搜索范围,接着按照运动员号码牌的先验知识,采用两种方式进行运动员号码牌定位,保障定位的可靠性;然后对定位出的号码牌进行字符分割;最后采用基于特征的BP(Back Propagation)神经网络的方法进行号码牌识别.实验结果表明,在运动员号码牌几乎无遮挡的情况下,使用本文提出的方法能有效地识别出完整号码牌;在运动员号码牌存在部分遮挡时,可以识别出未被遮挡部分的编号.本文提出的运动员号码牌识别方法为检索特定运动员图像提供了思路,大大减少了普遍采用的人工查找方式的工作量.