提花织物图像的Mumford-Shah模型修补算法

提出一种用于填补提花图像中斑点和折痕区域的修补算法.首先对经典MumfordShah模型进行了改进,增加了对其不连续点集形成中的光滑度约束;然后通过对改进MumfordShah模型的梯度流方程的求解,得到了算法的数值解.梯度流方程包含两个相互耦合的二阶偏微分方程,分别用于灰度函数和不连续点集示性函数的演化.对含噪提花织物图像进行修补的结果证明了该算法的可行性.

基于叶缘特征的植物图像分类检索

叶缘是植物属种识别分类可以参照的主要特征之一.与叶片形状特征相比,叶缘描述了尺度更细微的特征,对于弥补叶形识别特征的不足、以及从多尺度识别植物属种都有重要意义.在借鉴已有研究成果的基础上,设计了7个新的叶缘特征描述符、提出了以语义字典组织植物属种多层分类中的层间继承关系、以及通过叶节点成员相似性评估确定植物属种的技术框架和方法.通过分支结点描述符组合分类实验,证明了叶缘凸残差与叶局部面积比、右边长与左边长比对划分不同的非裂叶植物、以及划分不同的非全缘叶植物有效;叶缘凸残差均值等描述符对于划分不同的非全缘叶植物有效.通过多描述符组合的多层分类将30种非裂叶植物划分到多个叶节点,平均全局精度优于81.21%.而叶节点成员属种概率评估实验,进一步论证了这种多层分类和相似性检索框架的合理和有效性.

细胞核仁银染图象的快速阈值分割算法

在细胞核仁银染(AgNORs)图象分析中关键的一步就是通过阈值分割将细胞核和银染颗粒提取出来,以准确地计算出细胞核仁和核的面积、核仁与核的面积之比(I.S％)、核仁与核的积分光密度比值(I.O.D％)等重要参数,为医生进行肿瘤的鉴别诊断提供量化数据。本文提出了一种新的阈值分割算法,采用(红R+绿G+蓝B)/3彩色图象特征作为图象的特征信息,对直方圆数据进行高斯平滑并根据爬山聚类法计算出直方图峰的近似位置、连接相邻两峰以构成一凸多边形并对该凸多边形进行凹性分析,计算出的凸残差最大处就是所要求的阈值T。通过对腺癌细胞和淋巴瘤细胞图象的实际计算,证明该方法是快速有效的。

分类图斑概括的一种自适应方法——以遥感图像土地利用分类为例

从遥感图像监督分类结果到矢量对象的转换是遥感技术领域的一个瓶颈问题。提出了一种"分类图斑自适应概括"(Self-adaptive Generalization of Classified patch,SGCP)的方法,是针对这一问题的新尝试。SGCP能实现从破碎图斑到完整图像对象的自动转换,它由如下运算组成:(1)以形态学开启和形状系数分离道路与其他不透水表面;(2)以面积过滤和数学形态学操作去除噪声,以使图斑完整;(3)以递归凸残差回补简化图斑边界;(4)以膨胀和面积占优方法消除图斑裂隙;(5)以凸节点减少率评估图斑概括度,并同时以面积保持和分类精度保持评估概括精度;直至形成指定概括度的对象。概括运算的主要参数(如结构元素尺寸、递归次数、邻域窗口尺寸等)均由计算机自适应确定,同时预留部分用户调节参数,在自动概括的同时,允许人工干预概括程度。经Matlab仿真测试,该方法可以在保持分类精度与获取概括对象之间取得较好平衡。当图斑简化度上升22.9%时,面积平均变化仅为2.7%,分类精度仅平均下降0.72%。