基于形态学重建的分水岭图像分割实验教学研究

现有分水岭算法对噪声敏感,易出现过度分割现象,导致图像分割边缘不明显。在传统分水岭算法基础上,通过形态学开闭重建来清除图像中的噪声点,并采用最小覆盖运算修改梯度图像,使得局部最小区域仅出现在标记位置,从而消除过分割现象。实验结果表明,与传统标记分水岭算法相比,用改进的算法对硬币图像和火焰图像进行处理,硬币轮廓识别率提高了56.67%,火焰目标分割效果提高了16.15%,取得了较好的图像处理效果。     

图像边缘检测算法分析

图像边缘检测技术是图像分割、目标识别、区域形状提取等图像分析领域中十分重要的基础。对具有代表性的图像边缘检测算子进行了讨论,还结合小波变换方法和数学形态学方法分析了在边缘检测中的应用,并给出了这些算法的仿真实验效果,最后对实验结果进行了分析。这有助于学习和寻找更好的边缘检测方法。     

基于多尺度数学形态学梯度的图像检测

传统边缘检测算子如Canny、Sobel等是通过计算图像中局部小区域的差分来工作的,对噪声比较敏感,在检测边缘的同时常会加强噪声,形态边缘检测器在检测边缘的时候不会加强或放大噪声,单尺度形态学梯度算子结构元素过大或过小都不能检测到满意的结果.将多尺度形态学边缘检测和形态学滤波结合起来,提出一种边缘检测方法.首先利用形态学对多尺度的形态学梯度算子进行边缘检测,再进行填充内部缝隙,接着进行形态学边界平滑,最后通过分割掩模到原图像的结果.仿真结果表明,所提算法能够非常清晰地检测到目标图像的边缘,提取的图像边缘定位准确且平滑,同时具有较强的抗噪能力.     

基于多结构元素的云杂波背景抑制算法

在分析小目标与背景特性的基础上,根据云层边缘几何形状,构造出灰度形态学多结构元素。用多结构形态开运算对含有小目标的云杂波背景图像进行背景抑制,然后利用全局阈值分割方法将背景抑制后的图像转化为二值图像,提取图像中的小目标。仿真试验表明,该算法对两种云杂波背景均能有效抑制,提高图像的信噪比,减轻后续运算的复杂性。     

改进分水岭与K-means++结合的人体脊柱图像分割方法

由于在人体脊柱图像分割中,分水岭算法存在过分割现象以及对微弱边缘、噪声非常敏感的问题,故对其进行改进.原始人体脊柱CT图像存在许多不必要的局部极小值,首先利用K-means++聚类算法进行区域分类,减少错误的局部极小值;然后利用形态学图像处理技术对初始分割图像进行去噪处理,使图像变得平滑;接下来提取区域最大值标记为图像...     

基于模糊形态学和分水岭算法的图像分割研究

提出了一种基于模糊形态学和形态分水岭算法的图像分割方法,利用模糊形态学闭开运算先平滑原始图像,图像通过平滑后在保留重要区域轮廓的同时去除了细节和噪声,而后进行形态分水岭变换实现图像分割。实验结果表明这种方法具有较好的分割效果。     

基于改进K-均值与分水岭算法的医学图像分割

传统K-均值基于欧式距离,结果不能真实反映数据,而传统分水岭分割方法存在过分割和敏感性伪边缘的问题。鉴于此,提出一种基于改进K 均值聚类预分割与控制标记分水岭的医学图像分割算法：基于图像空间特征运用改进K 均值聚类对感兴趣区域和背景区域进行初始分割;在扩展最值变换的基础上作形态学开闭处理;利用控制标记分水岭算法在给出内部和外部标记后用强制最小技术修正梯度幅度图像并与形态学图像叠加,以降低过分割和减少伪边缘数量。实验结果表明,该方法相较于传统分水岭算法有显著改善,且具有较强的抗噪性能和边缘定位能力,能够更好地满足医学图像的分割要求。     

基于MATLAB的橙子自动计数实验设计

水果自动计数是智能化发展的一个必然趋势,本文设计一个基于MATLAB平台的实验,用图像灰度化和滤波算法对图像预处理,用sobel算子检测图像边缘,再通过形态学运算提取图像特征,最后采用分水岭算法分割图像,从而完成橙子识别,最终完成橙子的自动计数。     

图像分割的各向异性扩散算法研究

煤矿井下图像通常具有对比度较小、纹理不清晰、数据量大等特点。根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,首先在图像分割前对原图像运用各向异性扩散运算,消除原图像噪声的同时更好地划分图像的边缘与纹理区域。然后提取图像的纹理特性,运用到聚类算法中对图像进行分割。实验证明这种算法与未经扩散处理分割相比较,优势在于既提高了计算速度同时又改善了分割效果。     

一种提取模糊图像边缘区域的双阈值分割方法

针对目标和背景在同一平面的图像，提出一种双阈值分割方法获取图像由目标过渡到背景的边缘区域，并将提取的边缘区域平均梯度用于图像清晰度的评价，评价效果较好．     

基于Canny和双线性插值的镍片边缘提取算法

手机锂电池保护板在生产过程中需要利用视觉检测镍片角度偏差、折叠等各类缺陷,但由于镍片尺寸小且这些缺陷在灯光下会产生不同程度的反光,导致获得的镍片图像边缘不清晰。为此,本研究提出了一种基于Canny算子和双线性插值的高亮镍片边缘提取算法。首先对原始图像分割出感兴趣区域并进行灰度处理,再利用Canny算子提取其像素级边缘,最后用双线性插值法提取其亚像素级边缘。为验证该算法的有效性,将其与工程中常用的Sobel 边缘提取算法进行实验对比,计算边缘内部包含面积的像素数量、等级及边缘提取的时间,判断两类算法在精度和效率上的优劣。实验结果表明,基于Canny 算子和双线性插值的高亮镍片边缘提取算法能精准提取镍片的亚像素边缘,提取的像素精度达到了0.1 pixel,平均边缘提取时间为0.835 s,比Sobel 节省了20.57%的时间,能够满足工业生产的精度需求与效率要求。     

一种基于边缘流的图像分割算法及其应用

基于边缘流的图像分割算法以方向相反的边缘流相遇的位置确定对象的边缘,解决了传统基于边缘的图像分割算法难以确定合理阙值的问题.论述了基于边缘流图像分割算法的原理,对该算法进行了调整,将其应用于昆虫图像的分割.实验结果表明:基于边缘流的算法不仅能够有效地分割出图像中的昆虫对象,而且对昆虫对象的各个部分还能进行较为有效地分割.与传统的基于闽值分割算法相比是更好的图像分割算法,促进了计算机视觉技术在农林业领域的应用,促进了计算机视觉技术在农林业领域的应用.     

一种有效的基于运动矢量场的压缩域运动对象分割算法

In this paper an efficient compressed domain moving object segmentation algorithm is proposed, in which the motion vector (MV) field parsed from the compressed video is the only cue used for moving object segmentation. First the MV field is temporally and spatially normalized, and then accumulated by an iterative backward projection to enhance salient motions and alleviate noisy MVs. The accumulated MV field is then segmented into motion-homogenous regions using a modified statistical region growing approach. Finally, moving object regions are extracted in turn based on minimization of the joint prediction error using the estimated motion models of two region sets containing the candidate object region and other remaining regions, respectively. Experimental results on several H.264 compressed video sequences demonstrate good segmentation performance.     

几种分形方法在图像边缘检测中的应用研究

介绍并比较了几种基于分形理论的边缘检测技术,包括基于分形编码的图像边缘检测、基于离散分数布朗随机模型的图像边缘检测、基于多重分形方法的图像边缘检测、利用人造目标和自然背景的不同分形特征提取目标边缘。具有不同分形特征的图像采用不同的的算法都可以取得较理想的效果,但实际上无论哪一种算法在解决一定问题的同时也存在不同类型的缺陷。因而,寻求更理想的分形方法应用在图像边缘检测中将仍然是图像处理与分析中研究的主要问题之一。     

基于DSP的数字视频处理系统中边缘检测算法的实现

近年来,随着DSP技术的快速发展,数字视频处理技术得到了越来越广泛的应用。边缘检测是是数字视频处理中的一项关键技术,而且是进行对象检测和识别的基础。首先分析了当前发展比较成熟的几种边缘检测算法,然后针对基于DSP的数字视频处理系统的特点选用Canny边缘检测算法,并在基于DM642的数字视频处理系统上实现,给出了仿真的结果。     

三角网格模型的多分辨分析:方法和数据结构

提出了一个健壮有效的网格模型多分辨分析方法. 该方法面向任意网格模型且不需要具有子分连通性, 通过删除边和拆分点操作进行网格模型的向下采样和向上采样, 将网格模型表示为由一个低分辨率的网格和一系列修改操作组成的多分辨模型. 该算法在向下采样时, 重点考虑了简化误差对模型精度的影响, 在生成网格多分辨模型时, 将细化操作分解为对网格模型的几何修改信息和各细化操作之间的关系信息, 确保了多分辨网格模型的健壮性. 实验结果证明了本算法的有效性.     

图像序列中快速全局运动估计和运动目标提取算法

提出了一种基于边界灰度投影匹配的全局运动估计和运动目标提取算法．算法将边界灰度水平投影和垂直投影值作为匹配特征,较好地估计了全局运动参数．由于只需计算一维特征向量所以降低了全局运动估计的计算量．经过全局运动补偿后,可以运用传统的帧间差法得到运动目标、为了减少噪声的影响,准确地提取到目标,采用了高阶统计量的方法（HOS）来区分背景和运动目标．试验结果证明所提出的方法在估计全局运动参数和提取运动目标方面有较好的鲁棒性．     

交通图像序列中的多目标跟踪

介绍了一种简单、快速的实时交通图像序列中多目标的跟踪算法,在使用自适应背景差分法分割出运动目标候选区域的基础上,通过形态学操作和降低分辨率的方法,得到连通的目标区域,再使用轨迹关联法实现对多目标的跟踪．实验结果表明该算法较好地解决了跟踪的连续性、实时性、精确度的矛盾,同时满足智能交通监控系统的要求．     

基于改进自适应TV模型的全自适应去噪算法

为使保边性更好的去噪模型在邻近图像边缘处得到应用,同时在图像平坦处得到平滑性更好的模型,解决选择单一的正则项系数对图像处理结果造成的不良影响,有效地自适应选取正则项系数,采用基于小波变换的图像分割技术将图像分为边缘区域和平坦区域,通过修改TV模型的数值解法和ROF算法,实现自适应正则项系数算法。实验结果表明,改进的模型和自适应正则项系数选取算法得出的图像,均方误差为56.69,峰值信噪比为31.00,平均相似度为0.84。改进的TV模型在图像去噪效果方面优于原模型,自适应正则项系数算法能够弥补原图像去噪方法的不足。     

基于深度学习的教室人数统计系统设计

教室是学生上课和自习的主要场所,由于学校教室有限,寻找无课或人少的教室往往需要花费学生较多时间。开发一个教室人数统计系统,帮助学生快速找到一个合适的自习室很有意义。在教室监控图像中学生个体是小目标,而现有基于卷积神经网络的R-FCN目标检测算法对小目标检测困难。针对这一问题,在R-FCN基础上进行一系列改进,大大提高了R-FCN目标检测算法对小目标的识别能力。在自制的数据集上进行验证,准确率达到了89.4%。