基于Arimoto熵和Zernike矩的刀具图像亚像素边缘检测

为满足基于机器视觉的刀具尺寸测量系统快速及高精度的要求,提出一种基于直线截距直方图的Arimoto熵和Zernike矩的图像亚像素边缘检测方法.首先,通过高斯滑动窗口获取图像的邻域平均灰度,构造图像的灰度-邻域平均灰度二维直方图,并利用直线截距法将其降为一维直方图;然后,针对得到的直线截距直方图,依据Arimoto熵准则进行阈值分割,并将所得阈值映射回原二维直方图实现目标区域及像素级边缘的提取;最后,由基于Zernike矩的边缘模型对获取的像素级边缘进行重定位,以完成刀具图像亚像素级边缘的提取.通过对刀具图像进行的大量实验,将文中方法与基于Canny的、基于空间矩的、基于灰度矩的以及基于Zernike矩的边缘提取方法进行对比,发现文中方法运行速度更快且提取精度更高.

基于蜂群优化投影寻踪的高光谱小目标检测

为了进一步提高高光谱遥感图像小目标无监督检测方法的运算速度,并降低其虚警率,提出了一种基于改进蜂群优化投影寻踪与K最近邻的检测方法。首先,采用核主成分分析法对原始高光谱遥感图像进行降维;然后,提出以邻域像元联合定义峰度与偏度的方法,并将两者结合作为投影指标,再以改进后的蜂群算法作为寻优方法,使用投影寻踪从高光谱图像中逐层获取投影图像,再根据其直方图提取小目标;最后,利用线性判别分析进一步提取像元特征,并结合加权K最近邻方法对小目标的检测结果进行提纯。大量实验结果表明,与RX方法、独立分量分析法、混沌粒子群优化投影寻踪法相比,本文方法不但可以更精确地检测出高光谱遥感图像中的小目标,而且具有更快的运算速度。

面向医学图像分割的直线截距直方图倒数交叉熵方法

为了进一步提高医学图像分割的速度和准确度,为临床诊断和辅助治疗提供更为充分有效的依据,本文提出了一种基于直线截距直方图的倒数交叉熵图像阈值分割方法。首先定义了直线截距直方图;然后根据医学图像的二维信息,建立该图像的直线截距直方图;最后,推导出基于该直方图的倒数交叉熵阈值选取准则,并以此对医学图像进行分割。实验结果表明,与基于混沌小生境粒子群优化(Niche chaotic mutation particle swarm optimization,NCPSO)的二维倒数熵法、基于分解的二维指数灰度熵法、基于斜分的二维对称交叉熵法及基于粒子群优化(Particle swarm optimization,PSO)的二维Tsallis交叉熵法相比,本文方法分割后的图像中目标区域完整准确,边缘细节清晰丰富,且所需运行时间大幅减少,是医学影像研究中可选择的一种快速有效的图像分割方法。

结合NSST和快速非局部均值滤波的刀具图像去噪

为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform,NSST)和快速非局部均值(Fast Non-local Means,FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decision Based Un-symmetric Trimmed Median,DBUTM)方法滤除图像中的椒盐噪声;然后,对图像进行NSST多尺度分解,得到一个低频子带和一系列高频子带;最后,分别使用FNLM滤波和各向异性扩散模型调整低频和高频子带系数,并由调整后的各子带系数重构出噪声滤除后的图像。实验结果表明,与基于小波的阈值收缩方法、基于Contourlet的全变差模型结合各向异性扩散方法、基于NSST和标准非局部均值滤波方法相比,本文方法在主观视觉去噪效果、峰值信噪比、结构相似度以及处理速度等4个方面性能更优。

基于自适应参数支持向量机的高光谱遥感图像小目标检测

针对高光谱遥感图像的小目标检测问题,提出了一种基于自适应参数支持向量机(SVM)的检测方法。采用主成分分析(PCA)法对高光谱遥感图像进行降维,降低数据冗余度;之后通过无监督检测方法对小目标进行快速、粗糙定位,并将该定位结果作为后验信息输入到SVM中;依据后验信息与核空间散度准则自适应确定SVM中核函数的参数,并使用SVM在核空间中寻找分离目标和背景的最佳超平面;利用该超平面将像元重新分类为背景和目标,并且迭代上述操作,得到精确且稳定的目标检测结果。大量实验结果表明,与经典RX方法、核RX方法、支持向量数据描述(SVDD)方法相比,该方法可以更有效、精确地检测出高光谱遥感图像中的小目标。

基于直线截距直方图的Arimoto熵或Arimoto灰度熵的食品图像分割

食品生产中涉及到的食品种类繁多且必须满足国家相关食品安全标准,为此要求食品图像分割方法必须速度快、准确性高、普适性强。利用基于二维Arimoto熵或二维Arimoto灰度熵的阈值选取方法对食品图像进行分割,算法复杂度高,难以满足实时性要求。针对这一问题,提出基于直线截距直方图的Arimoto熵或Arimoto灰度熵的食品图像分割方法。首先给出直线截距直方图的定义,然后根据此定义建立图像的直线截距直方图,最后计算基于此直线截距直方图的不同灰度级的Arimoto熵或Arimoto灰度熵,当该熵达到最大时,对应的灰度级即为图像的最佳分割阈值。针对此方法,对多种食品图像进行了大量的试验,通过与现有的基于一维和二维Arimoto熵、Arimoto灰度熵的分割方法对比,发现本文方法在综合提升算法速度和改善分割效果上,性能更优。