一种基于反几何扩散分类的图像二值化方法及应用

从背景中将目标识别提取出来往往受到复杂背景中的不均匀信息干扰.本文研究基于反几何扩散的图像二值化方法,通过各向异性扩散的一种特殊形式——反几何扩散,对图像边缘进行最大限度的模糊和扩散,形成一个个分割阈值面,通过扩展的分类法则,在扩散过程中对每个目标像素进行分类.提出一种分类后处理方法使目标最终从不均匀背景中分割出来.通过对 X 光图像中铸造缺陷的识别实验,证明该方法对抑制噪声有较好的鲁棒性,给出处理背景变化不均匀的铸造产品 X 光图像的结果.

扩散水平集框架下的MR图像左心室轮廓提取

针对单一模型难以有效分割心脏MR图像中左心室内外壁的难点,提出一种混合模型,首先将有较高效率的反几何扩散模型嵌入水平集方法,吸收各向异性扩散方法的优点,基于一条初始演化曲线就可以同时完成对左心室内外壁轮廓的分割;随后,在新的扩散水平集框架下引入一种快速形状约束和解剖学约束,修正分割结果。对心脏MR图像的分割试验表明,带先验约束的扩散水平集混合模型对左心室内外壁轮廓的分割结果较为理想。

焊缝缺陷X射线图像微弱信号识别方法

为实现精密焊件内部缺陷的X射线微弱信号视觉检测,研究在强噪声、大灰度梯度背景下微弱图像信息的分割方法。首先提出一种基于扫描线的自适应梯度阈值方法来快速确定可疑缺陷区域,以减少数据处理量、降低分割难度;然后提出基于反几何扩散模型的焊缝缺陷X射线微弱信号提取算法,利用在反几何扩散过程中形成的一系列自适应阈值面,根据改进的分类规则对缺陷微弱图像信息进行标记分割,同时识别噪声。实验表明,该方法能在亮度不均匀、边缘模糊、强噪声的X射线图像中准确提取出焊缝缺陷微弱信号,失真小且效率高。