基于形态学操作和模糊聚类技术的超声图像分割

针对医学超声图像对比度低和噪声强的特点,提出了多尺度形态学操作和模糊聚类技术相结合的图像分割方法.该方法利用多尺度形态变换提取图像的结构特征,通过对不同尺度结构特征数量的统计分析,估计图像中噪声尺度大小,并修改不同尺度结构特征的强度,从而实现对图像局部对比度的增强和噪声抑制.同时,使用新的模糊C均值聚类算法对增强后图像进行分割,从而进一步地减少图像中噪声对分割的影响,完成超声图像的有效分割.实验结果表明该方法对超声图像的分割是有效的.

基于图像纹理的沥青路面坑槽识别及提取

针对现有基于视觉的坑槽检测方法仅侧重识别、提取精度不高的缺点,提出了一种综合利用坑槽灰度特征和纹理特征的坑槽识别及提取方法。图像二值化后,根据形状特征和标准偏差对坑槽进行定性识别和初始提取;对检测出含有坑槽的图像,利用灰度共生矩阵提取纹理特征,并利用主元分析法剔除冗余纹理特征,通过模糊C-均值聚类算法将属于坑槽病害的纹理区域聚为一类,再叠加定性识别的初始提取结果,经形态学处理即可准确提取坑槽病害区域。该方法定性识别的召回率为90.0%,精确率为87.1%,准确率为92.2%,所提取的坑槽区域与原图像坑槽区域重叠度在80%以上的图像比率为70.4%,在70%以上的比率为85.2%。结果表明,该方法对于存在裂缝、碎石、积水等复杂状况的路面,都可取得良好的坑槽识别和提取效果。

图像目标边缘形态检测方法研究

基于数学形态学的边缘检测方法对处理光学经纬仪实际拍摄的含噪声图像与其它常规边缘检测方法相比,具有明显的优势。将空域滤波和Prewitt边缘算子与数学形态学相结合的目标边缘检测方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。

基于多策略分割融合与形态特征辨识的变电站保护压板状态识别

目前变电站保护压板巡检仍主要采用人工进行,耗时费力且容易出错,制约着变电站二次设备智能化的发展。为此,提出一种基于多策略分割融合与形态特征辨识的变电站保护压板状态识别方法。通过移动端设备采集屏柜压板图像后,首先对压板区域进行透视变换,消除拍摄角度产生的畸变影响。然后采用多策略分割融合方法获取有效压板区域,即在HSV空间利用多阈值分割。同时在Lab空间采用K均值聚类分割,再对两种分割结果进行融合,获得有效压板区域。最后计算有效压板方向角和宽长比形态特征,并分别判别两种特征对应的状态,进一步融合两种状态结果,辨识压板最终运行状态。通过对不同场景下的复杂背景压板图像进行实例研究,结果表明该方法具有良好的准确率和适用性。

一种基于前视声呐的目标检测与跟踪方法

随着海洋勘探技术的发展,水声图像在海洋开发中占据越来越重要的地位。针对前视声呐在障碍物识别中存在的高噪声以及目标成像不连续等问题,借鉴神经网络中卷积核的思想,将形态学算子视为特殊的卷积核。同时,将帧间差分图像与当前帧所获取图像的特征相融合,提出一种基于特征融合的目标检测算法。而后利用Mean-shift(均值漂移)算法对检测后得到的清晰的障碍物目标进行跟踪。实验结果表明,该算法能够有效地抑制动态背景中的噪声,同时使障碍物目标能够以连续、稳定变化的运动形态,清晰地呈现在连续多帧图像中,并对目标进行有效地跟踪。以"探索1000"AUV在千岛湖采集的声呐视频序列作为实验数据,表明该算法具有广阔的应用前景。

基于Lab空间的K均值聚类彩色图像分割方法

在RGB和HSV空间中做图像分割时存在一些问题,比如分割精度低、处理进度慢等.为了解决这些问题,在K均值聚类分割方法的基础上,通过L*a*b*颜色空间进行分割的方法被提出.首先将原始RGB空间利用XYZ空间转换到L*a*b*颜色空间中,在L*a*b*颜色空间模式中使用a*b*二维数据空间的色差,K均值聚类算法的参数被不断调整,并通过数学形态学去校正聚类结果.最后得到病斑图像.本文通过该方法对4种脐橙病虫害进行分割,实验的结果表明,病斑区域能够在本文提出的方法中较为准确地把分割出来,并且对脐橙4种病虫害彩色图像的分割效果理想,显著提高了准确率,同时也表现出了该方法的竞争性.

基于单尺度Retinex与改进的K-均值聚类的涡流热成像缺陷检测

在利用涡流红外热成像技术检测金属材料损伤缺陷时,因热波属于衰减波,且热波三维热扩散等问题,导致采集的红外图像中缺陷部位模糊。针对该问题,提出一种基于单尺度Retinex与改进的K-均值聚类的缺陷检测方法,用于处理红外图像特征增强、图像分割和边缘特征提取等问题。该方法首先利用单尺度Retinex(single-scale Retinex,SSR)对红外热图像进行图像增强,强化缺陷特征,然后利用改进的K-均值聚类算法对图像进行分割,最后采用数学形态学算法处理图像,去除缺陷图像中无用信息,并利用Canny算子检测出缺陷边缘。实验结果证明,该方法有效地检测出金属材料试件缺陷,并提取出完整清晰的缺陷边缘。

基于形态学的均值平移算法的神经元干细胞图像的自动分割

在神经元干细胞的图像分析中,准确快速的图像分割是干细胞分化增值自动追踪系统的基础。为了准确地分割低对比度的灰度神经元干细胞图像,本研究提出一种基于形态学运算和均值平移算法的神经元干细胞分割方法,称其为形态学的均值平移算法。此算法可以快速地获得任意形状细胞的图像,并且能检测到图像中多连接边缘不封闭的细胞。将此方法应用于神经元干细胞序列图像分割中并且将其与门限分割、水线分割和活动轮廓进行对比。实验结果证明,与其它的方法相比,此方法获得的细胞分割形状更接近于真实细胞的形状,并且能获得或接近于原始图像中准确的独立细胞数目。此方法可以获得正确的分割结果,为进一步图像处理奠定了良好的基础。

基于星载SAR影像的苏北地区海岸线提取研究

介绍了K-means聚类分割法和形态学处理,并对比了几种边缘算子;针对Prewitt算子和Roberts算子在像素点邻近区域内受噪声影响较大、边缘检测效果不佳的问题,选用Canny算子提取海岸线。首先对SAR影像进行K-means算法、形态学处理,再采用Canny算子提取海岸线。与其他边缘提取算法相比,该方法提取的海岸线连续性较好,平滑度也十分优秀,与真实的海岸线吻合度较高。

城市滨水区实体景观的整治与开敞空间形态的整合——中山市西区中心滨水地带城市设计

在滨水区城市的形成、演变过程中，城市滨水区有着多方面的意义，其空间形态也在城市更新中整合、演化。通过对城市滨水区整合的构成要素的剖析，力求寻找一个中山市西区中心滨水地带城市设计的良好方法与途径。

园林景观设计中融合SVM的高分辨率遥感影像道路提取研究

为提高园林景观设计中高分辨率遥感影像道路提取的精度及效果,提出一种融合SVM的高分辨率遥感影像道路提取方法。该方法首先结合Mean Shift算法与数学形态学运算(简称MS-MMO)进行影像阴影提取;再根据阴影提取结果对原始影像阴影区域进行亮度补偿后输入SVM,得到初步提取的道路图像;然后利用高斯滤波算法进行图像平滑处理,利用边缘滤波、纹理滤波等算法去除图像中的非道路区域,得到道路区域提取图;最后基于张量投票提取道路中心线,基于“交点”搜索方法去除道路中心线上的毛刺,完成道路提取。实验结果表明,MS-MMO的具有较好的阴影提取精度及效果;根据MS-MMO输出的阴影提取结果对原始影像阴影区域进行亮度补偿后,道路提取的整体性能更高;融合SVM的高分辨率遥感影像道路提取方法提取的道路完整性、正确性、质量分别达到92.4%、92.7%、89.0%,道路提取性能较好,且道路具有连通属性,在该方法提取的道路图像上进行园林景观设计,可有效提升道路植物配置效果。

广义自对偶形态学滤波器及其在图像去噪中的应用

针对传统的自对偶形态学滤波器(SMF)是依赖于两个互为对偶的形态学滤波器,虽然能较好地保持图像的细节,但抑制噪声的效果较差。本文基于改进的形态学中值算子(MMO)和均值算子(MAO),提出了广义自对偶中值形态学滤波器(GSSMF)和广义自对偶均值形态学滤波器(GSAMF),分析并证明了两类滤波器均满足形态学滤波器的自对偶特性,分别适用于脉冲噪声和高斯噪声的去除。实验结果表明,GSMF在保持图像亮度不发生偏移的同时有效抑制了图像中的噪声,滤波后的图像具有较高的峰值信噪比(PSNR)和较小的均方根误差(RMSE)。

基于多方法融合的非监督彩色图像分割

针对传统K-means聚类彩色图像分割方法需要人为设定初始分割类别数目、易受噪声干扰等缺陷,提出一种多方法融合非监督彩色图像分割算法。该算法对原始图像进行光谱信息增强处理以提高图像信息提取效率,对K-means聚类引入戴维森堡丁指数(Davies-Bouldin index, DBI)自动化确定最佳分割类别数目,通过图像聚类分析并进行像素标签标记,并结合高斯马尔科夫随机场(Gauss-Markov random field, GMRF)理论对标记图像进行分割,最后使用形态学算子进行后处理完成分割操作。试验结果表明。本研究方法具有一定的鲁棒性,且分割效果更接近真实性。通过对分割结果进行量化评价,进一步说明本研究方法在分割精度和准确性方面更具优势。

融合空间模糊C-均值聚类的纱线疵点检测算法

为了精确评价纱线疵点的种类与个数,提出了一种融合空间模糊C-均值(FCM)聚类的纱线疵点检测算法。首先利用融合空间FCM聚类算法提取纱线条干;然后对纱线条干进行形态学开运算处理,以获取精确的纱线条干,并利用条干上下边缘点之间的像素个数计算纱线的直径与平均直径;最后根据纱线疵点标准判定纱线疵点的种类与个数。为了验证本算法的有效性和准确性,对多种不同线密度的纯棉纱线进行测试,并将测试结果与电容性纱疵分级仪的检测结果进行对比。结果表明,本算法与电容性的检测结果一致性较好,且价格低廉,不易受环境温度、湿度等因素的影响。

基于Canny算子改进型的影像测量边缘检测

针对采用高斯滤波器对图像进行滤波会导致图像边缘平滑,人为设定高、低阈值会导致阈值的自适应性差,采用双阈值法去除虚假边缘会导致去除效果不佳等问题,提出改进的Canny边缘检测算法并应用于影像测量领域。首先使用开关中值滤波代替高斯滤波,在去除噪声的同时保留非噪声像素点的灰度值不变,从而提高边缘定位精度;然后采用K-means聚类算法以得到高、低梯度值聚类中心,采用OTSU算法以得到梯度阈值,将两个方法结合,可以实现高、低阈值的自适应;最后采用面积形态学的方法去除图像的干扰边缘。实验结果表明,改进的算法具有定位精度高、自适应性强以及干扰点去除效果好等优点。

高分影像建筑物阴影优化提取与高度估算

针对现有方法提取阴影效率慢,提取不完整,估算过程未能实现半自动化甚至自动化的问题,该文基于高分二号影像,提出一种将K-means图像分割算法与阴影后处理结合一体应用在建筑物阴影提取的方法:首先,选择建筑物间隔稀疏,结构规则的城郊区域,利用K-means图像分割获取建筑物阴影、建筑物2类以提取建筑物阴影;其次,通过形态学算法、Canny边缘检测等对阴影后期处理,去除小区域及孔洞填充,边缘信息检测,获取最终建筑物阴影;最后,根据太阳、卫星、建筑物以及阴影长度之间几何关系计算建筑物高度。考虑研究区域户型,每层楼高以2.8 m量测建筑物实际高度作为验证,实验结果表明:利用K-means图像分割能有效提取出阴影区域,与后期阴影优化策略结合,大幅度改善了阴影区域的完整性,获取建筑物高度信息自动化程度得到提高。