一种加快的CV模型分割方法研究

CV模型是一种有效的活动轮廓分割模型,其缺点是分割速度慢.用OTSU法预处理后的区域边界作为CV模型的初始轮廓线,大大提高了分割速度,且该方法能克服传统CV法难以分割壁较厚的内部空洞的不足.在CV模型的能量函数中引入惩罚项,使得CV模型在演化过程中无需重新初始化,进一步提高了分割速度.实验表明改进后的CV模型与传统CV模型相比分割速度有了较大提高,且分割效果更好.     

基于图像处理的工件检测

研究了基于图像处理的工件轮廓检测技术的流程及算法,通过图像滤波、图像增强、阈值分割、边缘检测、边缘定位和参数测量及拟合等一系列算法,可以测出被检测工件是否符合要求及其误差范围。     

三维空间中凸棱柱和凸棱锥的空间块个数公式

探讨了凸棱柱和凸棱锥分割空间的数量性质．基于“空间限界”等方法,研究并确立了三维环绕空间中任意凸棱柱和凸棱锥的空间块个数计算公式,进而简单探讨了依据LudwigSchlafli理论将公式拓展到多维空间中的思路,提及了三棱锥空间限界改进图形在结构上的优越性．     

岩墙几何提取的典型图像分割算法研究

岩墙是岩浆沿地壳裂隙灌入围岩形成的板状侵入体,与岩浆活动和岩浆事件密切相关,具有重要的地质意义。无人机遥感技术的出现和发展,为高精度岩墙几何提取提供了新思路,但无人机影像上岩墙形态复杂,传统的岩墙几何提取方法大多依赖手动方式,受研究者主观因素影响大,严重制约了提取工作的效率和准确性。因此,本文选取了现有代表性的4种图像分割算法,并基于高精度无人机影像,对比各种算法的岩墙分割结果,探讨各种算法在岩墙几何提取方面的应用前景。结果表明OneCut算法的岩墙分割结果最为理想,准确率和召回率的均值可达96. 45%和97. 59%,且误差主要集中在颜色区域重叠严重的图像上,于是本文结合Mean-Shift算法对OneCut算法进行了改进,改进后的OneCut算法能达到更高的分割精度。     

基于Opencv的车牌识别研究与分析

通过OpenCV机器视觉库技术与Python开发平台对车牌识别进行了研究与分析,该车牌识别系统主要由图像预处理、车牌定位、字符分割与识别等部分组成,实验表明该系统具有良好的识别效果。     

通道注意力联合增强卷积U型网络的图像分割

为提升小目标图像分割性能,提出一种通道注意力联合增强卷积的改进U-Net网络。该网络以增强卷积模块丰富目标特征信息提取,结合通道注意力加强网络对目标特征的专注学习,从而更有效捕捉小目标对象的深层次特征。NIH数据集上的实验结果表明,提出网络在保证计算效率的同时,有效提升了Dice系数、召回率和精确率,能够更好地用于小目标图像分割。     

基于空间约束模糊聚类的活性污泥显微图像分割

针对活性污泥相差显微图像中絮体和丝状菌分布不均衡、絮体结构多样、存在大量细小丝状菌、图像对比度低,以及光晕、阴影等现象,提出了一种基于多尺度Retinex和空间约束模糊聚类的丝状菌分割算法和基于阈值、形态学操作的絮体分割算法。丝状菌分割算法对原始图像进行多尺度Retinex增强改善不同样本的光源强度,顶帽、底帽滤波增强絮体和丝状菌的对比度,采用边缘检测方法去除图像背景,考虑显微图像相邻像素空间的邻域信息采用空间约束模糊聚类法对增强后的图像进行聚类,结合像素面积和回旋半径形态学特性参数确定丝状菌目标和去除碎片;絮体分割算法利用灰度变换、图像反转以及开操作对絮体进行预处理,克服图像中的光晕和阴影,用阈值分割算法分割絮体,利用形态学操作对其进行后处理。实验结果表明,所提算法在图像分割准确率、精确率、Dice等指标上有明显提升。     

基于无人机激光点云的树障检测与砍伐树木数量估算

电力走廊的树木生长会对输电线路的安全运营造成巨大影响,精确检测出影响线路安全的树木并将其砍伐至关重要。因此,提出一种基于无人机激光点云的树障检测与砍伐树木数量估算方法。首先,对激光点云进行快速自动化处理,先后精确提取地面点、电力线点与植被点;其次,基于电力线点进行分段,并分析电力线与植被点的安全距离,进而确定树障区域的位置和范围;最后,对树障区域植被点云进行单木分割,并统计单木数量,最终实现砍伐树木数量的精准估算。研究结果表明,无人机激光点云可以实现输电通道树障的有效检测与砍伐树木数量的精确估算,总体树木砍伐数量估算精度可达92.3%,可为输电线路安全运营提供遥感技术支撑,也可为电网运维单位制订树木砍伐计划提供可靠依据。