曲边多边形中轴提取的新方法

针对现有多边形中轴提取方法在处理复杂图形和特殊图形上有较大困难的不足以及中轴连通性和位置准确性难以保证等问题,提出一种曲边多边形中轴提取方法。首先提出曲边多边形的概念及其中轴的定义,然后基于最近边缘点集距离均值变换,结合新的中轴点判定规则,利用种子点生长判别法提取曲边多边形的中轴,并给出具体实现步骤。通过多组实例验证,该方法不仅能适用于各类多边形,且能较好地抑制图形边界噪声的干扰,提取出具有良好的光滑性、准确性和连通性的多边形中轴。

遥感图像识别中线性地物提取方法研究

道路、水系等线性物体的提取是土地利用/土地覆盖变化信息提取的组成部分,而且对于更新国家地理信息空间数据库也具有重要意义,这里给出了遥感图像识别中一种组合利用种子点生长算法与二值形态学的方法进行线性要素提取,并根据线性方程拟合得到矢量线性要素。

足球机器人彩色视觉图像的分割与识别

足球机器人世界杯(RoboCup)比赛要求视觉处理子系统能够准确地定位出场上机器人和球(共11个目标)的位置。受场地光照等比赛环境的影响,需要识别的各种色彩空间并非是规则且互不相交的矩形区域,因此用传统的阈值分割方法很难得到满意的结果。论文采用了一种结合阈值分割与种子点区域生长(SRG)的混合方法,这种方法先用阈值法将HSI色彩空间分成若干各不相交的子集,在每个子集中分别确定若干种子点,然后从这些种子点进行区域生长,在进行区域生长时,定义了一种适合HSI色彩空间的同类判据(homogeneitycriterion),引入两个像素的联合抗噪因子p来衡量H的可信度。实验表明,采用的这种方法可以明显地提高区域分割的精度,实现彩色图像的准确分割,很好地满足了比赛的需要。

一种面向多星多分辨率的SAR图像舰船候选区域提取方法

基于CFAR和核密度估计(KDE)的SAR传统舰船候选区域提取方法存在以下缺陷:CFAR虚警率依赖人工经验选择;CFAR仅对杂波分布建模,会对被检目标构成一定的漏检风险;利用KDE进行强海杂波过滤时,需凭人工经验选择滤除阈值。这使得传统舰船候选区域提取方法无法适应多星多分辨率等复杂场景。该文提出一种面向多星多分辨率的SAR图像舰船候选区域提取算法,针对CFAR算法的缺陷,提出采用均值二分法迭代逼近目标计算分割阈值,在克服CFAR缺陷的同时,计算效率比CFAR提高10倍以上;针对KDE的缺陷,提出了区块KDE结合大阈值滤除强海杂波,再借助种子点生长算法重建目标。由于大阈值具有足够的阈量,使得算法可以适应更复杂的场景。实验表明所提方法具有不漏检、阈值自适应、计算效率高、虚警率低的优点,具备优秀的多星多分辨率SAR舰船候选区域提取能力。

成像目标质心跟踪算法适应性研究

本文对质心跟踪算法进行适应性研究,主要解决不同质心跟踪算法的应用场景问题,通过原理分析和仿真验证,对基于种子点生长和阈值分割的质心跟踪算法适应性进行研究。基于种子点生长的质心跟踪算法适用于简单背景下的无纹理目标,且对视场中目标大小或当前目标距离有一定要求;基于阈值分割的质心跟踪算法对简单背景下的低对比度目标能够稳定跟踪,不仅能够实现规则均匀目标区域的跟踪,而且对远距离小目标也有一定适应性,对复杂场景中的低对比度目标在加严阈值条件的情况下有一定适应性。