一种图像感兴趣区域提取方法研究

关于图像感兴趣区域(ROI)提取,改进的Stentiford视觉模型方法与传统的Stentiford视觉模型方法以及其他视觉模型方法相比,具有提取的图像区域清晰、边缘明显、效率高等优点,但在图像背景较为复杂时,会提取到目标区域以外的区域。鉴于实际研究中对准确度的要求,需要从已提取区域中挑选出目标区域。为此,在所涉及的图像处理过程中,提出了多种图像新特征的提取方法,并引入数据挖掘领域中的经典FP-Growth算法,在改进的Stentiford视觉模型方法对训练集图像处理后,提取图像显著熵、显著熵密度等众多图像特征,并应用FP-Growth算法挖掘图像特征和目标区域的关联规则,同时将获取到的规则应用于测试集的大量实验验证之中。实验结果表明,采用了所提出的方法后,提取到的图像区域准确度有显著提高,表明该方法是可行有效的。

基于MSD的图像感兴趣区域自动提取方法研究

将单幅图像数据进行分割,获得高维化后的数据集合,再依据图像数据的最优分解来提取不同图像块之间的数字关联,利用多维尺度分析(MDS)方法来获取单幅图像数据不同块之间的低维表示。通过对此低维表示的自动分析,便可获得图像感兴趣区域的精确位置。的实例验证了方法的可行性、有效性。

多神经网络在超声图像感兴趣区域检测中的应用

研究超声图像感兴趣区域准确检测问题,针对传统检测算法检测耗时、精度低等缺陷,提出了多神经网络的超声图像检测算法。首先采用离散余弦变换对超声图像感兴趣区域进行特征信息提取,然后分别利用两种神经网络对图像感兴趣区域进行检测,最后利用证据理论对检测结果进行融合,得到最终检测结果。在Matlab环境下进行仿真,仿真结果表明,多神经网络检测算法较传统方法的检测速度更高,定位更加准确。研究超声图像感兴趣区域准确检测问题,针对传统检测算法检测耗时、精度低等缺陷,提出了多神经网络的超声图像检测算法。首先采用离散余弦变换对超声图像感兴趣区域进行特征信息提取,然后分别利用两种神经网络对图像感兴趣区域进行检测,最后利用证据理论对检测结果进行融合,得到最终检测结果。在Matlab环境下进行仿真,仿真结果表明,多神经网络检测算法较传统方法的检测速度更高,定位更加准确。

基于视觉注意的图像感兴趣区域分割算法

为了更好地对浅景图像和简单背景图像进行分析和处理,进而改善图像的质量和效果,在Itti注意力模型算法的基础上,提出了基于视觉注意的阈值分割算法.该算法主要通过对像素属性的分析提取图像的感兴趣部分,根据像素点与均值的偏离程度对图像进行增强,利用感知学原理使HSI颜色空间所成图像更符合人的视觉要求.实验结果表明,该方法符合生物学的视觉注意机制,在自动检测感兴趣区域时,可以有效减少过分分割,也能较好地提取出较大的感兴趣区域.

基于Curvelet变换和SPIHT算法的医学图像感兴趣区压缩

目的提出基于Curvelet变换和多级树集合分裂排序(SPIHT)算法的图像感兴趣区(ROI)压缩方法,并应用于医学图像压缩。资料与方法算法流程首先对图像ROI进行提取,保留ROI不压缩,对背景区域进行Curvelet变换,采用SPIHT算法对Curvelet系数进行编码;然后进行Curvelet逆变换得到有损压缩后的图像;最后将ROI区域与背景区域叠加,得到压缩后的完整图像。采用峰值信噪比作为评价指标,比较ROI压缩和整体压缩的效果,以及小波变换和Curvelet变换用于图像压缩的效果差异。结果分别对测试图像和医学图像的压缩结果进行比较,采用ROI压缩的视觉效果优于整体压缩的效果,更能突出ROI;而采用Curvelet变换压缩的峰值信噪比高于小波变换压缩,相同比例的压缩图像也更清晰。结论基于Curvelet变换和SPIHT算法的ROI压缩可在保证不丢失重要诊断信息的前提下实现图像的高效压缩,符合医学图像压缩的高精度、高质量要求。

一种基于降维技术的图像局部融合算法

给出了一种基于降维技术的局部融合算法,并将其用于两幅灰度图像的融合。该算法将现有的图像融合技术和非线性降维技术融合,通过对待融合图像进行分块、关联矩阵表示、MDS降维处理,得到待融合图像的感兴趣区域块,对这些感兴趣区域块进行基于小波的局部融合,使图像变小。通过实验证明,该算法提高了融合速度,有利于目标识别、变换检测等后续处理。

基于矩主轴法对多模医学图像进行粗配准

首先对多模医学图像进行预处理;然后提取CT图像的边缘算子,并对应到CT图像感兴趣区域的边缘提取分布点(即特征点);最后通过矩主轴法得到两幅图像的质心和主轴,计算出两幅图像的平移量和旋转量,实现图像的全局粗配准。利用矩主轴法对多模医学图像进行粗配准能达到快速配准的目的,但是不能够清晰的反映出图像的反馈信息。

手指折痕图像的预处理算法研究

研究了从手指折痕源图像到获取感兴趣区域子图像过程的预处理算法,主要包括图像的前期处理算法及感兴趣区域子图像的获取方法。应用所研究算法对手指折痕源图像进行预处理并得到目标图像,效果良好。该方法可为类似生物特征识别技术研究提供有益的参考。

基于TMS320C6748的激光光斑中心快速精确定位的实现

激光基准技术在位移检测系统中应用越来越多,激光光斑中心定位的速度和精确度直接决定了整个系统的工作性能。传统的激光光斑中心检测可以达到良好的精确度,但是求取速度存在一定的不足。因此提出一种基于图像金字塔的优化算法,只需遍历少量像素点便可定位出图像感兴趣区域,然后只针对图像感兴趣区域进行预处理,如此处理大幅提高了TMS320C6748的处理速度。通过实验测试,处理一帧激光图像的时间为12. 75 ms,检测精度可达到0. 1 mm,目前已将该算法成功应用于激光基准桥梁挠度检测系统中。

算法可重构的工业视觉饮料瓶盖缺陷检测

该文针对工业机器视觉系统软件对图像处理算法可重构的需求,以工业机器视觉饮料瓶盖缺陷检测为应用背景,给出了一种算法可重构的工业机器视觉饮料瓶盖缺陷检测系统软件的设计方案。该方案设计并实现了3种提取饮料瓶盖感兴趣区域的方法。同时结合饮料瓶盖缺陷检测的流程,详细阐述了系统软件对检测算法进行重构的原理及过程。最后,利用软件重构的检测算法序列对感兴趣区域图像进行缺陷检测,对测试结果进行了分析比较。测试结果表明该文的检测软件具有良好的实用性和检测性能。

基于先验信息的交通信号灯识别方法

针对基于颜色的交通信号灯识别(TLR)准确率不高的问题,文章提出一种融合色调、饱和度、明度(HSV)颜色空间和图像灰度信息的交通信号灯识别方法。先将图像进行倾斜校正和大小标准化,以满足融合交通信号灯识别方法的需求。然后,将红绿蓝(RGB)图像转化为色调、饱和度、明度颜色空间,对交通信号灯进行初步识别。通过霍夫直线检测提取交通信号灯的矩形边界,实现感兴趣区域(ROI)检测。针对色调、饱和度、明度颜色空间无法识别的交通信号灯图像,以交通信号灯的结构特点做为先验信息,进行灰度图像感兴趣区域像素值求和,进一步识别交通信号灯。通过实验对该融合交通信号灯识别方法进行了分析,并与单独使用色调、饱和度、明度颜色空间和灰度图像感兴趣区域像素值求和的方法进行对比,验证文章算法的有效性。

利用可见-近红外高光谱成像区分不同品种绿豆

本研究利用可见-近红外高光谱成像对不同品种的绿豆进行分类。采集了380~1023nm波段范围内的高光谱图像,并利用黑白板图像进行校正。提取每一个校正后的高光谱图像感兴趣区域的平均光谱反射率值,作为自变量,同时4个不同品种样本的因变量分别设为1,2,3和4。