一种基于自适应阈值与边缘跟踪的目标提取方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测出图像区域的阈值进行目标初分割,然后结合形态学中的开启和闭合方法对初分割后的二值图像进行双滤波,再用一种新的区域边缘跟踪标注法对其进行跟踪和标注,找出每个目标的包络矩形坐标,用其对原图进行区域定位,从而可以提取出原图中包含目标的小区域.     

基于区域分割的光学显微结核杆菌图像分割算法*

为了提高结核杆菌目标的分割精度,本文提出了一种基于区域级的光学显微结核杆菌图像分割算法。首先,通过顶帽-底帽变换增强彩色图像对比度,然后融合图像局部特征和全局信息计算图像梯度,在此基础上利用分水岭算法实现对图像的初始分割;对分割区域采用相邻区域最大相似度准则进行合并,从而得到完整的目标区域;最后根据结核杆菌图像的特点,通过分析结核杆菌目标区域的颜色特性,采用多阈值分割的方法滤除区域中的杂质,实现对结核杆菌目标的分割。实验结果表明,本算法可以分割出目标对比度低以及饱和度过低的结核杆菌目标,并且对不同染色背景的图像均能取得较好的分割结果。     

光学显微结核杆菌图像的区域分割算法

为提高结核杆菌目标的分割精度,提出了一种区域级的光学显微结核杆菌图像分割算法。通过顶帽—底帽变换增强彩色图像对比度,融合图像局部特征和全局信息计算图像梯度,利用分水岭算法实现对图像的初始分割;对分割区域采用相邻区域最大相似度准则进行合并,从而得到完整的目标区域;根据结核杆菌图像的特点,通过分析结核杆菌目标区域的颜色特性,采用多阈值分割的方法滤除区域中的杂质,实现对结核杆菌目标的分割。实验结果表明,可以分割出目标对比度低以及饱和度过低的结核杆菌目标,并且对不同染色背景的图像均能取得较好的分割结果。     

一种基于知识的港口识别与理解方法

港口识别技术在军事上有着重要的应用前景。采用由上而下的知识驱动策略,充分利用了港口的图像特征,在低层处理中采用自适应平滑技术(Saint-Marc)进行预处理;中层处理提取港口重要对象目标(包括水域、防波堤和港口轮廓),用阈值分割和区域增长相结合的算法提取水域,用结构特征识别防波堤和港口轮廓;最后在高层处理中借用语义树的概念分析港口重要对象间的关系,采用概率松弛法进行港口的目标检测与识别。     

一种基于轮廓自扩展的GVF算法

针对Snake算法及GVF算法对初始轮廓覆盖区域敏感性的缺陷,提出一种轮廓自扩展方法,从而使初始轮廓能够有效地覆盖目标所在区域,达到对目标的完整搜索;将其应用到目标跟踪中,根据下一帧中目标与当前帧设置的轮廓的交叉,通过自扩展初始轮廓可以很快将目标划为搜索区域之内.实验表明,基于轮廓自扩展方法的GVF方法可以实现对目标轮廓的完整提取;在目标跟踪中可以自动、有效地跟踪目标.     

自动阈值选取与边缘检测相结合的图像分割算法

提出了一种自动阈值选取与边缘检测相结合的阈值分割算法 ,试验表明该算法能够避免过分割现象 ,具有良好的分割效果     

融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法。该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像素的显著性得分及每个滑动窗口的显著性得分;根据每个滑动窗口的边缘信息及显著性得分筛选滑动窗口。在PASCAL VOC 2007测试集上进行对比实验,其实验结果表明:所述算法能够快速产生定位质量高的候选区域。     

分形约束二维Otsu红外图像分割方法

提出了一种分形约束Otsu阈值分割算法。该方法结合图像的灰度分布和像素间空间分形纹理信息,在二维类间方差准则取最大值时得到一个二维分割阈值,从而实现红外图像的自适应分割。将该方法应用到低对比度、低信噪比、边缘模糊的红外图像分割中,并与传统的二维Otsu分割方法作了比较。结果表明,该方法在分割效果和抗噪能力等方面均得到了明显的改善。     

BGA焊点气泡缺陷X射线图像的动态阈值分割方法

BGA焊点使用X射线检测时,气泡缺陷的灰度对比度较低,如何准确分割一直是研究热点。提出一种动态阈值分割算法,首先对原始图像进行平滑处理,然后用原始图像减去平滑图像,对得到的差图像设定阈值进行分割,实现目标区域的提取。实验中使用典型BGA焊球的X射线图像,通过控制图像的平滑程度和差图像阈值的大小,分别提取焊球区域和气泡区域,二者相与后实现气泡缺陷的最终分割。实验过程中与OTSU分割算法做对比,表明本算法具有更好的适应性和分割结果。     

一种PCNN和边缘检测协同的SAR图像分割算法

针对高分辨率SAR(synthetic aperture radar)图像目标复杂,且具有严重的相干斑噪声,灰度出现剧烈起伏导致目标边缘模糊难以实现精准分割的问题,提出了一种分数阶傅里叶变换(fractional Fourier transform,Fr FT)域中里兹分数导数(Riesz fractional derivative,RFD)边缘检测和脉冲耦合神经网络(pulse coupled neural network,PCNN)协同的高分辨率SAR图像分割算法。该算法首先将原始图像经过边缘检测处理以保留较好的边缘信息,再由PCNN模型进行图像分割,最后通过形态学进一步去除相干斑点。将所提算法应用到不同区域的高分辨SAR图像分割中,实验结果表明该方法能够有效抑制相干斑噪声和灰度边界模糊的影响,获得精准的分割效果。     

一种新的基于小波变换的多尺度边缘提取方法

选取二维高斯函数的一阶偏导数构造小波函数,利用小波变换的多尺度特性,结合"非极大抑制"的方法,提取图像的多尺度边缘信息.对传统的小波变换算法进行了简化,显著降低了算法的复杂性和计算量.通过调整小波变换的尺度,既能够获取图像的细节边缘信息,又可以提取图像的粗轮廓边缘信息,仿真实验取得了比较理想的结果.     

基于解混预处理的高光谱目标检测方法

一幅高光谱图像经过解混后可以得到影像的端元集和各端元的丰度信息,利用解混后得到的信息提出了一种利用像元解混的目标探测算法。该算法利用端元提取算法提取出影像中的端元,通过对比端元和目标光谱确定目标端元,求得目标端元的丰度信息图,利用粒子群优化算法求得丰度图的最佳分割阈值作为目标探测的结果图像。为了验证新方法的有效性,将新方法和经典的CEM算法的检测结果作比较。实验表明提出的利用像元解混算法的探测性能优于经典的CEM算法,对用CEM算法检测效果不太理想的大目标也能准确识别。     

基于小波变换与数学形态学的红外图像分割方法

提出一种基于小波变换和形态学相结合的红外图像分割方法,该方法利用小波变换和形态学消除红外图像的混合噪声,抑制背景干扰和增强目标;通过选择适当的结构元素进行系列形态组合运算,自适应确定阈值,提取目标;利用形态学水线区域分割法对图像进行分割,分离目标区域。实验结果表明,该方法能有效检测和分割出低信噪比复杂背景红外图像中的目标。     

基于统计势能的水平集特定目标轮廓提取方法

介绍一种基于统计势能的水平集特定目标轮廓提取方法.首先通过计算统计势能得到水平集曲线与目标边界相关程度,然后由此推导出区域决策影响因子并将其引入到水平集函数演化方程中,最终实现利用目标区域信息提高水平集目标轮廓提取质量.红外图像目标轮廓提取实验结果表明,该方法能够有效地克服目标轮廓提取中存在的边界泄漏问题.     

基于改进OTSU算法的红外图像分割

红外图像分割是红外目标检测与识别领域研究中的一项重要内容。针对经典OTSU阈值分割算法无法适应目标模糊、对比度低的红外图像的缺陷,提出了一种改进的OTSU红外图像分割算法。该算法首先对红外图像进行预处理操作,再利用非线性平均灰度值的权重计算方法,克服了因目标靶面面积过小造成的阈值偏移。实验表明该改进方法较传统OTSU算法有更好的分割效果。     

野外复杂背景下轻武器射击目标的图像识别算法

针对野外复杂背景下轻武器射击目标图像的分析判别,首先采用一种彩色空间聚类分析和阈值分割相结合的混合算法,即基于S、I通道的目标图像两步分割算法,将目标区域从背景图像中分离出来.然后基于机器学习理论中的Boosting算法,利用区域的形状特征和纹理特征等组成一个强分类器,将目标区域从其他区域分离出来,同时判断出目标的类型.     

水平集方法中速度停止项函数的改进

对速度停止项函数的研究发现,现今的速度停止项采用的单一全局阈值法很难使经典水平集算法得到较准确的分割效果。为此,提出了一种新的速度停止项函数,该函数通过引入变阈值较好的区分了图像的边缘区与同质区,以使采用该速度停止项函数的水平集方程实现在同质区加速演化,在边缘区停止演化的目的。实验结果表明,采用速度停止项函数能够使水平集方法获取更好的分割结果。     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

基于边缘重叠的图像全自动拼接技术

针对现有图像拼接方法的缺点提出一种全自动图像拼接算法,该算法综合考虑了图像拼接的精度和速度.利用迭代法自动求得图像的最佳分割阈值,二值化原始图像,经过标记、筛选等处理后快速提取出边缘重叠图像匹配过程中所需的特征模板.通过提取出的特征模板利用基于灰度的方法确定图像的最佳拼接线,从而实现图像正确、平滑的无缝拼接.实验结果证明了该算法的有效性.     

基于数学形态学和支持向量机的跑道检测方法

提出了一种基于数学形态学和支持向量机的跑道检测方法.首先采用Otsu法对原始图像进行全局阈值化处理,并利用灰度形态学边缘检测算法对所得图像进行边缘检测;然后利用Hough变换提取线段,若线段超过一定长度,则判定其所在区域为跑道的候选区域;最后选择8个分量组成跑道候选区域的纹理特征向量,用支持向量机作为分类函数,对候选区域的纹理特征向量进行分类,判别出跑道.实验表明,该算法对跑道定位准确,误检率低.