大规模遥感影像Mean Shift并行分割优化算法研究

传统影像分割算法在面对大规模遥感影像时普遍存在分割效率低、内存消耗大等情况(甚至无法分割),同时"分块线"的存在也制约了许多算法的并行化改造.本文利用Mean Shift均值漂移分割算法针对遥感影像进行并行化处理,有效地解决了大影像分割时所存在的问题,同时改进影像光谱空间的构建,在均值漂移滤波和合并的过程中分别对影像采用分区缓冲的策略,解决了并行化分割算法处理时会产生的"分块线"问题.在多种遥感数据上的分割实验及与e Cognition软件的对比实验表明,本文所提出的并行分割优化算法可以在不影响分割精度的情况下有效提高分割效率,一定程度上满足实际生产及应用需求.

基于图像块差分和Mean Shift算法的运动目标检测

运动目标检测是计算机视觉中的一个重要研究内容,现有算法中的一个重要问题是噪声对分割结果的影响。提出了一种时空域信息相结合的运动目标检测算法:首先利用图像块的重心位置在时间域上差分结果初始化目标轮廓,图像块差分的方法可以消除噪声的影响及减少目标内部的空洞;然后采用Mean Shift算法对初始轮廓进行迭代,使其逐步贴近真实的目标边缘。实验表明该算法能快速准确地分割出序列图像中的运动目标。

仿生分拨草防堵装置的设计与试验

针对我国西南地区小麦秸秆覆盖地玉米免耕播种机内被动式清秸防堵装置作业时存在的易缠绕堵塞、种沟清秸率低、作业不稳定等问题,基于仿生学原理,以白星花金龟前后肢轮廓曲线及后肢运动轨迹曲线为仿生原型,设计了一种高清秸率、不易堵塞的仿生分拨草防堵装置。通过运动学分析,研究了关键结构参数对清秸防堵效果的影响规律,并得出最优参数组合:拨草轮运动偏角δ为30°,轮盘直径D为204 mm,拨草轮爪数量N为13个;利用Design-Expert软件和Box-Behnken试验优化设计方法,建立了拨草轮入土深度(A)、机具前进速度(B)、分草挡板偏角(C)与清秸率Y的回归数学模型,分析表明三因素对清秸率均有显著影响,且显著性C>B>A,经过优化求解获得了最优作业参数组合:拨草轮入土深度T为11 mm、机具前进速度v为4 km·h^(-1),分草挡板偏角α为35°。田间验证试验表明,整机的通过性良好,土壤扰动量及其变异系数分别为20.00%和5.30%,实际秸秆清除率及其变异系数分别为90.58%和1.20%,作业质量稳定,符合免耕播种机作业的农艺和技术要求。

一种指纹图像奇异点检测的方法

准确、可靠地检测奇异点(core点和delta点),对指纹分类和指纹匹配具有重要的意义.针对低质量指纹图像奇异点检测中精确定位和可靠性判断的难题,提出了一种检测指纹奇异点的方法.首先,对于一幅指纹图像,在同一分块尺寸下进行多次图像错位分块,并且分别在不同的图像错位分块情况下检测指纹的奇异点,得到区域相对集中的奇异点位置的集合,并计算其质心,以精确地确定奇异点的位置.然后,再在不同的分块尺寸下检测奇异点,并进一步判断上一步所检测到的奇异点的真伪.该方法利用了多次图像错位分块检测的奇异点位置相对集中和各级分块尺寸下检测的奇异点位置相互关联的特性,能够从指纹图像中较精确、可靠地检测出奇异点.在部分典型低质量指纹图像上的实验结果验证了该方法的有效性,对低质量指纹图像具有良好的鲁棒性.

一种基于多级分块错切的指纹奇异点检测算法

准确、可靠地检测指纹奇异点(ore点和delta点),对于指纹分类和指纹匹配具有非常重要的意义。针对指纹图像奇异点的精确定位和可靠性判断的难题,提出了一种基于多级分块错切的指纹奇异点检测新方法。首先,对于一枚指纹图像,在同一分块尺寸下进行多次图像错位分块,并且分别在不同的图像错位分块情况下检测指纹的奇异点,得到区域相对集中的奇异点位置的集合,并计算其质心,以精确确定奇异点的位置。然后,在不同的分块尺寸下分别采用平滑和不平滑的方法进行指纹方向场的估计,并分别根据以上方法估计的指纹方向场信息进行指纹奇异点的检测。最后,利用不同情况下检测的指纹奇异点位置相互关联的特性,进行指纹奇异点的精确、可靠检测。该方法利用了多次图像错位分块检测的奇异点位置相对集中和各级分块尺寸下采用不同方法检测的指纹奇异点位置相关联的特性,能够从指纹图像中较精确、可靠地检测出奇异点,对低质量指纹图像具有良好的鲁棒性,在部分典型低质量指纹图像上的实验结果验证了该方法的有效性。

基于图像块和边缘增强的运动目标检测

针对复杂背景下的噪声、动态背景和阴影等影响,提出一种基于图像块和边缘增强的运动目标检测算法。用图像块建模,按掩膜结构特点修补断桥使掩膜连续,采用高层图像金字塔建模得到目标质心,用于提取目标,用Sobel平移算子得到细化的边缘,按边缘信息对掩膜进行增强处理从而得到完整的目标。实验结果表明,该算法可有效提取目标,消除单高斯建模法去除不了的复杂背景和阴影,克服传统帧差法常见的边缘不完整的缺点。

一种基于分块的分形图像压缩方法

分形编码具有高压缩比的特点,但在编码过程中其匹配搜索时间开销巨大.提出一种基于分块的分形图像压缩方法:依据人眼视觉特性在PSNR变化不大的情况下,图像主观质量感受不明显的特点,将图像在空域分割为若干相对较小的块,对感兴趣区可采取一分为四的方法进一步减小块的大小,然后对每个块分别进行分形编码,并重构.结果表明,在PSNR略有降低的情况下,编码的匹配搜索时间大幅减少,同时重构图像的主观质量并没有明显降低.

高污染基因芯片图像的网格划分

对基因芯片图像进行网格划分是基因芯片图像处理的基础,针对高污染基因芯片图像中高亮污渍对网格划分造成的干扰,将高亮目标分为靶点、污渍块和污渍点3种类型,根据其不同特征分别进行处理,提出一种新的网格划分算法。利用全局分割确定高亮目标所在位置,根据污渍点的特征,使用图像腐蚀技术对其进行剔除;根据污渍块的特征,对其先进行膨胀处理,然后对其进行剔除,可消除污渍块及其边缘痕迹。使用自协方差对没有污渍的图像进行网格划分,实验表明,对于高污染基因芯片图像,该算法可以得到理想的网格划分结果,靶点检测平均准确率可以达到94.73%。

多聚焦图像的自适应分块融合方法

人类的视觉系统对图像边缘区域非常敏感,属于不同区域的像素在边缘位置处的相似性最低。为了体现多聚焦图像在成像方面的差异,突出不同图像中的聚焦景物,提出一种基于像素块灰度相似矩阵的自适应多聚焦图像融合方法。方法以像素块灰度相似矩阵及其偏差中值作为融合的分块及融合准则,即根据像素块的灰度相似性来对融合源图进行自适应分块并依据偏差中值对分块后的图像进行融合的方法。由实验、主观评价及客观评价(标准差、清晰度、最大偏差、空间频率)结果显示,该方法优于常规小波变换融合方法。

基于线性插值的图像分块分割算法

图像分割是图像处理中的一个重要问题,全局阈值法和局部阈值法是图像分割中广泛采用的两类方法。全局阈值法效率高,但是对局部信息不敏感;局部阈值法对局部信息保存较好,但是计算效率不高。针对这一问题,该文提出一种基于分块的图像分割算法。首先将图像分块,然后,每块内采用最大类间方差法计算阈值,最后,块与块之间采用线性插值的方式平滑分割图像。实验表明,该文提出的算法和全局阈值法相比能较好地保存局部信息,和局部阈值法相比有更高的运行效率,在实际中推荐使用。

基于小波包分解的数字水印算法

从小波包域水印算法的现状出发,提出了一种小波包域的图像水印算法,采用较大灰度级图像作为水印,实现了一种小波包域灰度图像水印算法,该算法在水印类型和信息量方面是一个较大的突破,对比实验结果表明,在大多数鲁棒性能攻击测试中,与传统小波包域水印算法相比,该算法提取水印的归一化相关系数NC值更大,水印性能更优越。实验结果证明了算法的可行性。

基于直方图平移的图像二次分块可逆数据隐藏方法

由Ni提出的对像素进行直方图平移进行可逆数据隐藏,一方面在单峰值或双峰值的情况下嵌入容量不够高,另一方面在嵌入数据之后对于图像的保真度也不够好。在此,基于直方图平移的方式,提出一种改进算法,将图像进行二次划分,增加像素峰值点,提升图片的峰值信噪比。实验结果表明,该算法不仅可以实现可逆数据隐藏,而且与Ni算法相比,既提升了嵌入容量,也使隐藏后的图像失真更小。

基于PCA的条形码定位识别方法

为准确定位识别条形码,提出了一种条形码定位识别算法。对图像进行预处理,通过自适应分块技术对图像进行分块,运用主成分分析方法(PCA)对梯度方向一致的图像块进行筛选,并利用形态学方法对条形码进行定位识别。为加速这一处理过程,算法采用了图像金字塔。实验结果表明,该算法对有旋转角度的条码和多条码的识别有很好的效果,且能适应不同分辨率的条码定位识别。

柿庄南区块煤层气“甜点”预测方法研究

为探索煤层气地质甜点预测方法,以沁水盆地柿庄南区块为靶区,提出了利用分频属性反演技术和频谱成像技术预测了煤层厚度与含气量,并结合钻井获取的其他煤储层评价参数,采用多层次模糊评价方法预测柿庄南区块3号煤煤层气地质甜点。结果表明,柿庄南区块3号煤层在平面上存在3个地质甜点区,即中部甜点区、东北部甜点区和西部甜点区。与现今煤层气井产量分布对比显示,高产井主要分布在中部甜点区内,低产井绝大多数位于非甜点区。由此可见,柿庄南区块煤层气地质甜点的预测较为准确。

动态分块隔行扫描算法设计与实现

为满足屏幕图像传输中低CPU使用率,低带宽占用率的需求,设计并实现了一种动态分块隔行扫描算法。该算法比较相邻两帧图像,找出所有图像变化坐标并根据变化像素点的坐标得到面积最小的不重叠矩形区域的集合,压缩并发送矩形区域集合包含的图像数据。实验结果表明,在图像变化较小时,该算法的CPU使用率和带宽占用率明显优于固定分块隔行扫描算法,有效减小传输的数据量,提高图像传输的性能。

Mean Shift图像分割算法的并行化

图像分割作为高性能并行计算的一个主要应用领域,其算法本身的时间复杂度和实时性需求要求不断改进计算机硬件技术和并行处理的算法。Mean Shift算法是图像分割领域一个比较经典的算法,在图像分割过程中,不需要任何先验知识,是一种无监督的分割过程,在图像分割的具体实现中应用广泛。利用TBB(threading building block)工具和CUDA(compute unified device architecture)对Mean Shift算法进行多核和GPU(graphic processing unit)并行化改造。首先分析Mean Shift分割过程中最耗时的部分Mean Shift聚类,然后利用TBB和CUDA对Mean Shift聚类进行了并行化改造,并对两种并行方法进行了对比分析。实验结果表明,两种并行方法都取得了较好的加速效果,加速比都随着图像增大和带宽参数的增加而增大,基于TBB的加速比稳定趋于核数。

利用莫尔条纹的准正弦特性的三维轮廓术

分析了两个矩形光栅迭合产生的莫尔条纹的光强分布特性，通过选择适当的光栅参数，可得到一个近似的正弦分划板，并把它用于三维面形测量中．实验结果表明，这种方法简单，易于自动处理，有广泛的实用价值．