Laser-induced damage tests based on a marker-based watershed algorithm with gray control

An effective damage test method based on a marker-based watershed algorithm with gray control(MWGC) is proposed to study the properties of damage induced by near-field laser irradiation for large-aperture laser facilities.Damage tests were performed on fused silica samples and information on the size of damage sites was obtained by this new algorithm,which can effectively suppress the issue of over-segmentation of images resulting from non-uniform illumination in darkfield imaging.Experimental analysis and results show that the lateral damage growth on the exit surface is exponential,and the number of damage sites decreases sharply with damage site size in the damage site distribution statistics.The average damage growth coefficients fitted according to the experimental results for Corning-7980 and Heraeus-Suprasil312 samples at 351 nm are 1.10 ± 0.31 and 0.60 ± 0.09,respectively.

基于融合点云数据的马尾松林地单木分割算法研究

激光雷达技术在森林资源调查中具有较大优势,但单平台采集的数据往往存在扫描盲区,难以获取完整的森林结构信息。为此,以马尾松林作为研究对象,探究基于融合点云数据的马尾松林单木分割适宜性算法。首先提出一种针对森林样地点云数据融合的方法,然后采用标记控制分水岭算法、距离判别聚类算法和层堆叠算法对马尾松林进行单木分割,并对3种算法的关键参数的选取进行分析,最后提取树高验证融合点云估测森林结构参数的适用性。得出实验结果如下:1)提出的点云融合方法可以有效融合机载和手持激光雷达点云,配准误差为0.054 m;2)3种单木分割算法中,标记控制分水岭算法分割精度最高,总体精度为0.88,高于距离判别聚类算法和层堆叠算法;3)利用标记控制分水岭算法分割的单木提取树高,基于融合点云数据的R2值为0.983 7,RMSE为0.759 6 m,相较于单一点云数据,精度明显提高。研究结果可为多源激光雷达在林业领域的应用以及马尾松林地森林资源管理提供技术支持。

结合Top-down和Bottom-up准则的有效图像分割方法

基于图像的Bottom-up分割方法能够根据图像的不连续性以较高的正确率获取目标边缘;Top-down分割方法通过学习可以获取目标的外形表示,即对象基元CSF(Class-specific Fragment),该CSF能够用以覆盖待分割图像,帮助获得更好的分割效果。结合这两种准则的优势,提出一种有效的图像分割方法。把Top-down分割结果作为Bottom-up的输入,用改进的多尺度标记控制分水岭变换细化边缘,完成分割。算法利用相似性标准,能够简便快捷地判定属于对象基元的子块并匹配覆盖目标图像;同时,把形态学重构运算加入到强制最小技术中,对其结果求补后获取区域最小值,构建出的标记模型更加理想。实验表明,该方法得到的分割结果优于单独使用Top-down和Bottom-up方法,即使在背景可变和身体可动部位也能较好地分割出目标。

基于数学形态学的IKONOS多光谱图像分割方法研究

利用数学形态学方法,研究与探讨了IKONOS多光谱图像的分割技术,提出一种结合图像边缘特征和纹理特征的混合分割新算法。在高分辨率多光谱遥感图像K-L变换的基础上,采用多尺度多方向形态学梯度算子提取边缘特征,应用数学形态学滤波及局部方差统计特征对图像对象进行标记,最后采用强制最小过程,进行标记控制的分水岭分割。研究结果表明,提出的分割算法优于仅利用边缘特征的分水岭分割算法,同时,该算法能较好地解决分割过程中存在的过分割与欠分割问题,是一种适合高分辨率多光谱遥感图像的分割算法。

应用标记控制分水岭分割算法研究激光诱导玻璃体损伤形貌

为了定量客观地分析玻璃的体损伤形貌,运用基于改进的分水岭分割算法对其微观图像进行了分析处理,得到了损伤的范围和分类,同时结合激光等离子体冲击波与玻璃的相互作用机理对各个处理后图像的物理含义及其应用进行了分析。研究结果表明,图像的梯度图可以反映图像中裂纹的形状及其分布;滤波后的图像灰度可以反映损伤程度;目标区域的标记图可以标记损伤的区域;最终分割图像可以全面反映以上所有信息。根据图像分析结果可以定量计算出各个区域所占总面积的比例,即等离子通道区、熔蚀区、折射率变化区各约占总面积的15%,55%和30%。这说明激光能量先沉积到很小范围的等离子通道区,高温高压等离子体向外扩展形成大范围熔蚀区,随着距离的增大,冲击波压强迅速减小,形成折射率变化区。

基于控制标记符分水岭的医学图像分割

提出了一种适合医学图像分割的改进分水岭算法,针对分水岭算法存在的过分割问题,采用数学形态学重构滤波器和Ostu阈值分割方法对图像中感兴趣的目标和背景进行标记。根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正。最后,使用分水岭算法对修正的梯度图像进行分割。该方法能有效抑制过分割现象,而且计算复杂程度较低、分割效果较好。

基于标记控制分水岭和Snake交互的乳腺腺体分割

在乳腺癌放射治疗过程中,乳腺腺体分割的准确与否直接关系到患者的治疗效果,提出了一种从粗到细的乳腺腺体图像分割方法。首先利用形态学重构滤波器去除图像中的细小毛刺和不规则边缘,避免产生新边界和边界偏移;然后通过面积标记乳腺腺体,采用强制最小技术修正梯度图像并进行分水岭变换,实现乳腺腺体的粗分割;通过在分水岭脊线上人工选择种子点形成的曲线作为Snake模型的初始轮廓来动态逼近目标的真实边缘,实现乳腺腺体的细分割。实验结果表明,该方法对乳腺腺体的分割具有较高的准确性。

基于改进标记分水岭的遥感影像建筑物提取

针对影像分割为遥感信息提取与目标识别的基础和关键,结合色彩丰富、地物繁多的遥感图像特点引入改进的标记分水岭分割算法提取遥感图像的建筑物,计算了遥感图像的彩色梯度幅值并作为分割图像;采用巴特沃兹低通滤波器对梯度图像进行低通滤波,提取与物体相关的局部极小值作为标记,并进行分水岭分割,利用DSM的高度信息有效地剔除了道路和阴影的影响。试验结果表明,该法较好地避免了过分割现象、效率高,适合遥感影像建筑物的提取。

一种山区图像边缘信息的分水岭变换提取方法

为了能够抑制引起过分割的根本原因——噪声和细密纹理,提出了一种改进的提取山区图的山脊线、山谷线的边缘信息的分水岭算法,该算法着重于解决传统分水岭的过分割问题;该算法首先对梯度图进行一种改进的多尺度梯度算子处理,以减小图像噪声对分水岭的过度分割的影响;然后利用基于标记符控制的最小强制技术去除由噪声和不必要的图像细节形成的谷底,使修正后的梯度图像只对应包含区域极大值的标记图像,改进后的方法能准确地提取出所需要的关键边缘信息。

应用区域颜色分割的机采棉杂质检测方法

机采棉中的杂质繁杂,而杂质类型及含量对后期棉花加工工艺的影响很大。为此,提出一种应用区域颜色分割方法以检测棉花中的杂质。在图像分割中,先对滤波后的机采棉图像进行彩色梯度运算,通过扩展极小变换运算获得标记图像,在修改后的梯度图像上运用分水岭算法获得初始分割图像,然后对初始分割图像进行区域合并。区域合并过程中要综合考虑空间邻接性、颜色信息和区域面积3个因素。颜色信息主要采用饱和度、亮度、区域颜色向量模及颜色相似度4个特征量。用层次递进的合并方法,迭代过程更新信息特征。最后通过支持向量机算法提取颜色、纹理、形状特征对杂质区域进行识别。结果表明,所提方法对机采棉中天然杂质的平均识别率为94%。

基于数学形态学的CT图像肝脏肿瘤提取研究

目的肝脏肿瘤的提取是肝脏三维可视化、手术规划和模拟的基础,而当前肿瘤分割存在干预过多和分割效果不佳的问题。方法本文通过对腹部CT图像进行高斯平滑以去除图像噪声和细密纹理,计算出图像的形态学梯度并用高、低帽变换进行增强,再根据用户选择点计算内部和外部标记符,然后基于控制标记符的分水岭算法分割图像,提取出腹部CT图像中的病变组织。结果实验结果表明,该算法能够在较少的人工干预下快速分割出肝脏病变组织。结论该算法实现了腹部CT图像中肝脏病变组织的提取。

分水岭算法的泥石流边界自动识别

泥石流是一种严重的突发性地质灾害,泥石流灾害信息的自动识别是一项较新的研究课题。综合泥石流灾害的地学原理,运用基于数字形态学的标记分水岭分割算法,探讨泥石流流域的自动识别,并以西藏帕里河流域的SPOT-5全色影像为数据对该算法进行试验。结果表明:算法较好地分割出泥石流流域,在泥石流灾害的自动识别方面具有良好的运用前景。

多尺度变换与标记符分水岭相结合的图像分割

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出一种将多尺度变换与控制标记符分水岭算法相结合的分割策略。首先对原始图像进行高斯金字塔尺度变换,抑制部分噪声,降低细节干扰;再用Sobel梯度算子计算尺度变换后的图像梯度;然后对梯度图像进行重建,再采用基于控制标记符的分水岭变换算法对重建后的梯度图进行分割,最后将分割结果变换回原始尺度。实验结果表明,该方法能够抑制传统算法中的过分割问题,且分割效果较好。

基于轮廓小波变换的航空影像建筑物识别

在对航空影像中的建筑物进行识别提取时,建筑物顶部的轮廓信息是一个重要的判断依据。基于航空影像建筑物个数繁多、形状复杂,且存在较多的干扰信息,提出一种新颖有效的建筑物识别方法:首先,利用改进标记分水岭算法提取建筑物区域。然后,对每个分割得到的建筑物区域,提取其轮廓,对轮廓进行基于平稳小波变换的仿射不变量计算,并构造建筑物模型数据库,利用相关系数实现了建筑物的有效识别。

基于航空影像的建筑物边缘直线特征提取方法

基于航空影像建筑物个数繁多、形状复杂，且存在较多的干扰信息，提出一种新颖的建筑物边缘直线特征提取方法．对航空影像进行改进标记分水岭分割，并结合DSM高度信息，有效去除道路和阴影的影响．同时，对影像进行基于多尺度自适应加权的改进canny算子的边缘榆测．在每一个分割得到的建筑物初始区域内，对检测到的边缘点进行相位编组提取直线，利用建筑物屋顶约束条件，统计屋顶的主方向，修正和规划直线段，实现了建筑物边缘直线特征快速、有效的提取．

改进标记分水岭的乳腺X线图像肿块检测方法

乳腺X线图像肿块大小不一,固定参数的传统标记分水岭算法无法实现乳腺X线图像肿块的有效检测。针对此问题,文中提出了一种结合形状特征和改进型标记分水岭的乳腺X线图像肿块检测方法。在计算前景标记时,结合标记的形状特征判定前景标记,通过对前景标记进行形态学膨胀并提取边缘以获得背景标记,利用改进型自适应参数标记分水岭算法实现肿块检测。实验结果表明,文中算法通过结合形状特征,自适应地选择合适的形态学参数,使得肿块检测准确率高于传统标记分水岭算法。

从DSM数据中自动提取建筑物的方法研究

现今,DSM的获取日趋方便、快捷、精确,充分利用DSM所提供的信息,可以解决很多实际问题。本文提出了一种从DSM自动提取建筑物的方法,首先从DSM中提取DTM,差值后得到消除了地形影响的规格化的DSM(即NDSM),然后对NDSM进行改进型"标记控制的分水岭"分割,得到地上物目标;最后根据这些目标的各自特点进行过滤,祛除非建筑物对象,留下我们所要的建筑物对象。

改进分水岭算法在脑肿瘤CT图像分割中的应用

传统的分水岭算法应用于脑肿瘤CT图像时容易产生过分割现象,为了避免该现象,提出一种改进的分水岭图像分割算法。该方法主要包含形态学重构以及标记控制思想,首先对原始梯度图像进行形态学重建,相当于滤波处理,然后对原图设定灰度阈值并进行形态学处理标记出肿瘤部分,接着用分水岭变换标记背景部分,最后根据两个标记部分对调整后的梯度图像进行强制最小和分水岭变换得到分割线。实验结果表明,该算法能够准确地区别肿瘤部分与背景,并用封闭的分割线包围脑肿瘤区域,从而避免了对不感兴趣区域的误分割,有较好的针对性。

一种融合PCNN和Watershed变换的图像分割方法

提出了一种融合Watershed变换(WST)和主成分神经网络(PCNN)的图像分割方法.该方法充分利用WST和PCNN在图像分割方面各自的优点,首先用PCNN对待分割的图像进行预处理,自动生成对象标记,然后在标记的指引下,进行WST.有了标记,WST就会以一种受控制的方式进行,这样过度分割的问题就会得到解决.实验表明,该方法能够快速、准确地实现图像分割.

基于超像素和最近邻图合并的彩色图像分割

针对传统的分水岭算法在分割图像时存在过分割的问题,提出了一种基于多尺度形态学梯度重建与最近邻图合并准则的分水岭图像分割方法.该方法首先使用基于标记符控制的多尺度形态学梯度重建进行图像预处理,消除冗余的区域极值和噪声;然后通过构建最近邻图合并准则进一步对分水岭变换产生的超像素区域进行合并,提高了对目标特征的描述能力,使得算法在分割前景目标的同时也能获得背景目标的特征信息.实验结果表明,该方法能够较好地将相似的区域进行合并,与传统分水岭分割方法相比,可以有效弱化过分割问题,大幅提升目标的分割精度.