基于边界跟踪的快速欧氏距离变换算法

提出了一种基于边界跟踪、剥离的快速二维欧氏距离变换算法.从目标区域的最外层边界开始,自外向内、逐层对目标区域进行边界跟踪、剥离,直至目标区域为空.每跟踪到一个边界像素点,即根据其邻域像素所传递的最短距离信息来计算与最近背景像素间的欧氏距离,并利用一个链表结构来完成对已经过距离变换的像素点的距离更新,以解决距离传递的路径可能改变的问题.实验结果表明,该算法能够得到准确的欧氏距离,并且算法时间不到3×3倒角近似欧氏距离变换算法的2倍,比基于桶排序的欧氏距离变换算法快几十至上千倍.

一种有记忆的变窗“爬虫”图像边界跟踪方法

边界跟踪方法是图像识别和图像测量过程中的重要预处理手段,但是传统的“爬虫”边界跟踪方法存在着准确性与速度上的矛盾。综合小窗口“爬虫”的快速性和大窗口“爬虫”的准确性提出了一种有记忆的变窗“爬虫”边界跟踪方法。这种“爬虫”在跟踪边界的过程中根据需要灵活变换窗口大小,并按“像素中心点到直线距离最近”规则填充断点。这种方法有效的解决了跟踪速度和跟踪准确性的矛盾,由于其具有记忆能力,所以对于陷阱和边缘分支问题也可以妥善解决。实验结果表明,该方法具有较理想的效果。

基于八邻域边界跟踪的标号算法

文章提出了一种基于八邻域边界跟踪的物体标号算法,该算法与基于线扫描的标号算法相比,真正做到一次扫描完成标号,同时可以获得物体的边界点序列以及边界链码等重要数据。

一种基于优先搜索方向的边界跟踪算法

图像处理尤其是区域分析中,区域的边界是非常重要的信息。提出了一种基于优先搜索方向的边界跟踪方法。该方法是以区域为基本操作单元,以当前边界点和上一边界点所确定的方向的外法线方向为起始搜索方向,顺时针方向搜索下一个边界点,当下一个边界点与该区域第一个边界点重合时,该区域搜索完毕,并开始对下一个区域进行跟踪。利用这种方法跟踪出来的区域边界,不但能够很好的满足对边界一个像素的宽度、同一个区域的边界连通封闭、准确定位在区域外围轮廓上的要求,而且能够完整准确地保持目标区域外边界的自身原貌和特点,以及内、外边界彼此独立,可独立成图用。由于这种算法在跟踪过程中充分考虑已知边界点对后续边界点的影响,使得边界点保持了良好的相关关系,可以根据实际应用的要求,在跟踪过程中直接实现边界的矢量化。

二值和多值图象的边界跟踪及逼近

对二值和多值图象的边界跟踪和逼近问题作了探讨；提出了可识别边界线上左右边缘点的边界跟踪算法、利用链码的矢量性的多边形逼近算法和二次Ｂｅｚｉｅｒ曲线逼近算法。这些算法简单实用，效果较好。

基于方向预估计的边界跟踪算法

为了实现多目标轮廓高效跟踪,提出了基于方向预估计的边界跟踪算法。研究了多目标轮廓模型表达以及轮廓初始点选取方法,为多轮廓跟踪提供模型依据。定义了4方向操作模板和方向矩阵实现轮廓走向的估计,通过定义权重矩阵避免轮廓跟踪算法进入搜索陷阱,提高算法的鲁棒性。对多组头部MR图像进行实验,结果表明,在同等边界数据情况下,新算法跟踪效率较变窗爬虫跟踪算法和传统跟踪算法平均提高约21%,鲁棒性明显增强。

基于主动轮廓模型的医学图像边界跟踪

提出了一种基于主动轮廓模型的医学图像三维重建目标区域的边界轮廓跟踪方法 ,该方法能够在多区域轮廓内外邻接的情况下保证轮廓跟踪的逻辑正确性 ,并且可以在轮廓成长过程中 ,主动定义非均匀分布的轮廓关键点以及利用参数交互决定轮廓跟踪的精度 ,从而使跟踪结果合理 。

基于边界跟踪的任意形状区域填充算法

针对任意形状的多边形及孔洞区域,提出基于边界跟踪的填充算法。用细化算法对图像进行单线化预处理,分别跟踪各个封闭曲线的边界,从第1个边界点坐标出发,根据跟踪方向对每个边界点进行有向直线填充,遇到边界点时停止,将各填充图与原图进行合并。实验结果表明,该算法不受图形边界状况和自身形状的影响,能适应任意类型的封闭区域;沿边界点进行处理,避免了对背景点的重复计算;对于多孔洞的封闭图形,能对各个孔洞进行独立处理,可灵活选择填充效果。

基于边界跟踪的区域面积计算

给出了一种基于边界跟踪的区域面积计算。根据图像边界跟踪时下一次和上一次跟踪方向,确定图像的左右边界。利用边界像素的横坐标进行加权求和计算,求得图像区域面积。与现有的面积计算方法相比,该算法只需跟踪边界一遍,即可获得区域面积,且算法不用借助链编码,具有速度快、计算量小、结果准确等优点。

一种新的边界跟踪算法

针对提取的图像边缘中存在非单像素和断点的情况,提出了双层边界区域生长的边界跟踪算法。通过对中心点周围里层点和外层点分别进行搜索,然后把里层点和上一层中心点的外层点合并,并将并集中的点分别作为下一步搜索的中心点,循环向下搜索。同时充分考虑了起始中心点单向搜索的情况,并在一次搜索过程中完成了对断点的补齐工作,从而弥补了"记忆爬虫"法和八邻域法在跟踪分支、断点和"厚"边缘过程中存在的不足。实验证明该方法效果较好。

基于交叉点的树遍历二值图像边界跟踪算法

针对传统轮廓跟踪算法易出现漏跟踪和跟踪断裂的缺点,提出交叉点的概念。利用交叉点结构完整地描述边界跟踪的不同方向,以保证每一个方向都能被跟踪到。在此基础上,形成以交叉点为结点的目标边界的树结构描述。最后通过对树的遍历获得目标边界的跟踪序列。实验结果表明该算法速度快,边界识别准确,尤其适于识别大型复杂目标的轮廓。

一种改进的基于边界跟踪的粘连目标分离算法

在颗粒图像的自动分割中,经常遇到颗粒粘连、重叠在一起的现象,需要将它们分离为单个颗粒目标.基于边界跟踪的分离算法能够克服聚堆目标连接处的凹陷比较明显并且/或者在连接处存在灰度局部最小边缘的要求,取得了较好的分离效果.但对于某些中轴方向不是垂直或水平的聚堆目标,分割仍然不理想.为此,提出了一种改进的分离算法,该算法通过自动旋转聚堆目标区域使其中轴方向成垂直或水平来实现这种情况下的分离.实验结果表明该算法进一步提高了分离效果.

胃上皮肿瘤边界跟踪算法的实现

提出了一种修正型的边界跟踪算法,该算法基于区域标号算法,并以外法线方向作为优先搜索方向来确定边界点,在边界跟踪过程中不但记录目标物体的边界点,而且还将校正像素点的归属区域。针对该算法,设计了一个2维链表的数据结构用来保存跟踪的边界点。

特定边界跟踪中角点检测研究

针对边界跟踪算法中在角点附近丢失边界信息的问题,对待检测边界中角点的判别和检测方法进行了研究。分析了边界搜索中所扩展的邻域的半径和角点位置的关系,提出了角点存在判据,给出了角点存在区间。提出了寻区间法角点检测算法,用5个已知边界点之间的关系,判断出角点存在的邻域,通过选取合适的邻域半径,使角点存在区间向角点收敛。对测试图像和人侧面轮廓图像的边界利用所提出的算法进行跟踪,测试图像的边界点从19个增长为37个,人侧面轮廓图像边界点从13个增长为21个,新算法准确地检测到轮廓角点和后续种子点,使边界跟踪能够反映所有的边界信息。

基于边界跟踪及Hough变换的椭圆检测算法

椭圆检测是模式识别中的一个重要领域,传统的基于Hough变换的椭圆检测方法耗时长、效率低。本文给出了一种高效的椭圆检测方法,该方法利用椭圆的闭合边界及对偶点对信息,能够快速、准确地计算出椭圆参数。该方法首先对椭圆进行边缘检测,然后进行边界跟踪,形成椭圆边界链码,消除噪声及非闭合的数据,然后在链码上寻找对偶点对,根据对偶点对进行Hough变换,算出椭圆的形心、长半轴、短半轴及椭圆倾斜角等参数。实验结果表明,该方法具有速度快,占用内存小及检测性能好等优点。

基于边界跟踪的高实时性盲道识别算法

针对现有盲道识别算法实时性较差的问题,提出一种基于边界跟踪的高实时性盲道识别算法,主要包括精确识别和跟踪识别两个步骤。精确识别步骤主要计算初始帧的灰度共生矩阵,并通过聚类和Hough变换提取图像中盲道的边界直线。之后的跟踪识别步骤利用前一帧盲道边界位置估计当前帧边界所处的小范围ROI(感兴趣区域),在该区域中利用图像灰度梯度特征提取盲道边界位置,并通过判断前后帧盲道边界两侧颜色分布一致性检验跟踪的有效性:一致则有效,继续进行跟踪识别;反之转向精确识别步骤。对该算法进行多次实验,正常光照下每帧图像中盲道的精确识别和跟踪识别时间分别约为0.8 s和0.1 s,综合平均每帧识别时间显著降低,且盲道识别率达到90%以上,同时在阴影环境下的适应性良好。实验结果表明本文算法在保证识别率的前提下可显著提高盲道识别的实时性。

边界跟踪与序贯算法在二值连通区域标记中的应用

1 引言在工业检测中图像处理应用大多都是图像识别,其输入图像为灰阶图像,然后进行边缘检测、图像分割、目标识别等一系列有效的图像处理.在最终的处理结果中一般都归结为对二值图像的处理,二值图像是只具有两个灰阶的图像,它是数字图像的一种简单形式.为了简单起见,图像处理的各种方法无非是采用各种算法将目标特征以二值图像的形式表现出来,再对二值图像这种简单的图像形式进行分析、判断得出结论[1,2].

一种基于脑血管图像特征的快速边界跟踪算法

在处理复杂的脑血管图像时,经典的边界跟踪算法暴露出边界精度不高、边界不够平滑,且速度不尽人意等缺点。提出了一种新的快速边界跟踪算法,该算法在分析脑血管边缘垂直细节远多于水平细节的特征基础上,结合方向记忆选择搜索方向,并在不同的搜索方向上赋予不同的权值,最终得到下一个边界点。实验表明:该算法提取的脑血管边界平滑、速度快,适合脑血管图像的边界提取,为下一步的脑血管形状特征提取及表示提供了精确的数据准备。

外边界跟踪算法在医学断面图像的应用研究

在医学图像的三维重建、模式识别等应用中,常常需要保留感兴趣的物体区域,从而必须用外边界作为轮廓线,文章介绍一种在背景明确情况下的外边界跟踪方法,该方法无需进行二值化,是一种在医学断面方面通用性较强的算法。

图像测量中的边界跟踪算法改进

针对传统边界跟踪算法计算次数多、易陷入死循环等问题,提出一种改进的边界跟踪算法。利用像素领域寻找边界点,将被检测到的边界两相邻像素点所确定方向逆时针旋转90°后,以顺时针方向搜索下一个边界点,同时采用爬虫的记忆算法,解决边界跟踪算法中的迷路和绝路问题。改进后的边界跟踪算法能准确计算区域外轮廓,不受内外轮廓和外部分支的影响。改进后的算法用于炭黑分散度定量分析,可提高计算速度和准确度。