椭圆形光斑黏连图像过分割消除方法

为了实现成捆圆钢中各圆钢端面图像边界的自动识别,提出了椭圆形光斑黏连图像过分割消除方法,并对该方法的原理、步骤和验证实验进行了研究。通过对圆钢端面椭圆形光斑黏连图像过分割产生原因的分析,给出了过分割图像的两种类型,即严重过分割图像和少量过分割图像。提出了等角六叉旋转算子,在图像分割前识别出圆钢端面椭圆形光斑黑白图像上的黑疤,并对这些黑疤区域进行填充,避免严重过分割图像的产生;通过对椭圆形光斑图像过分割区域边界进行"缝合",实现了少量过分割图像的还原;实现了各圆钢端面黏连图像边界的分离。应用以上方法进行了成捆圆钢端面图像中心坐标的提取实验,实验结果表明:成捆圆钢端面图像中心水平和竖直坐标的提取误差范围分别为-0.322 2～0.444 5 mm和-0.294 0～0.399 0 mm,完全满足企业在成捆圆钢自动贴标时对圆钢端面中心坐标定位误差允许值1 mm的要求。

基于水平集和迭代自组织算法的图像分割

提出了基于水平集和迭代自组织数据分析的岩心砾石图像分割方法,既可克服水平集算法伴生的图像过分割问题,也可解决迭代自组织算法产生的图像边缘飘移问题。该方法首先运用水平集算法获取目标颗粒的准确边界,运用迭代自组织算法提取目标颗粒的整体;其次将两种方法提取的图像给以迭加综合处理,克服水平集算法伴生的图像过分割和迭代自组织算法产生的边缘飘移的缺陷,进而得到既完整又边界准确的目标颗粒。该方法运用于岩心砾石图像的分割,取得了良好的效果。

基于图像精确过分割的虚拟现实场景构建

在分析了以往所采用的改进图像过分割方法的基础上,提出了一种新的虚拟场景构建算法。利用单场景建模,把图像分割成超像素,接着为超像素增加类别标志从而形成集群,然后由集群确定几何类别,最后剪切和折叠不同标志的图像,输出三维场景。该算法利用VMRL对一张图片进行建模,在虚拟漫游系统中无需用户直接参与,可以高效地构建虚拟现实场景。

Renyi信息熵指导下的聚合层次化聚类

聚合层次化聚类是聚类分析中发现数据集潜在结构的一类重要方法.在这类方法中,影响聚类质量的一个关键问题是如何度量子类之间的距离.作为子类间的相似性度量,不但可以通过非参数估计的方式进行计算,还可有效地利用子类数据集中所有样本提供的信息,对子类中数据分布的描述更加充分.实验结果显示,在两种具有代表性的人造数据集上,基于Renyi熵的类间距离度量比3种传统度量方法有更好的层次化聚类效果.并且,在图像过分割的情况下,通过Renyi熵距离对子分割区域进行合并可以找到合理的分割目标.

基于结构先验与协同优化的城市场景分段平面重建

在基于图像的城市场景三维重建中,场景分段平面重建算法可以克服场景中的弱纹理、光照变化等因素的影响而快速恢复场景完整的近似结构.然而,在初始空间点较为稀疏、候选平面集不完备、图像过分割质量较低等问题存在时,可靠性往往较低.为了解决此问题,本文根据城市场景的结构特征构造了一种新颖的融合场景结构先验、空间点可见性与颜色相似性的平面可靠性度量,然后采用图像区域与相应平面协同优化的方式对场景结构进行了推断.实验结果表明,本文算法利用稀疏空间点即可有效重建出完整的场景结构,整体上具有较高的精度与效率.