基于迭代多尺度形态学开重建的城区LiDAR滤波方法

针对形态学运算在机载Li DAR滤波中最大窗口尺寸的选择问题,提出了一种基于形态学开重建的迭代多尺度点云滤波算法。通过循环迭代多尺度开重建运算,克服开重建对矮小地物的误判问题,自动获取开重建运算的最大窗口尺寸,解决了对城市区域滤波的窗口适宜尺寸选择问题,提高了地物与地面点分类的正确性。使用ISPRS提供的城区样本测试数据开展实验,结果表明:其Ⅰ类、Ⅱ类及总误差均值分别达到3.10%、6.05%和4.11%,在Ⅱ类误差不显著增加的情况下,Ⅰ类误差和总误差均值同比均为最小,整体分类与自动识别性能优于常规滤波算法。

基于开重建的LiDAR数据形态学滤波方法

为改善对LiDAR数据点滤波分类的有效性与准确性,在形态学滤波方法的基础上,提出了基于开重建的LiDAR点云形态学滤波算法。首先对格网化DSM进行腐蚀运算获得标记图像,通过对标记图像反复进行测地膨胀运算实现开重建过程,然后利用白顶帽变换得到nDSM实现地物与地面点的正确分类。使用ISPRS提供的测试数据的实验结果表明,该方法的Ⅰ类、Ⅱ类及总误差均值分别为3.51%、7.20%和4.26%,与同类滤波方法相比,在Ⅱ类误差增幅不显著的情况下,15个样本区的总误差均值和Ⅰ类误差均值均达到最小。

基于形态学重建颗粒分析的微囊体测量方法

电子墨水的制作过程中,微囊体颗粒的大小及均匀性是衡量其质量的重要指标,尽管可通过形态学颗粒分析等手段统计出这些参数,但由于颗粒分析是基于形态学开运算的,在测量过程中,容易造成微囊体颗粒的形状和大小改变。为此提出了一种基于形态学重建颗粒分析的微囊体图像测量方法,首先将获取的彩色微囊体颗粒图像转化为灰度图像,然后利用形态学区域开滤除小噪声斑点后,采用双阈值进行二值化;通过分水岭变换分离相互粘连的微囊颗粒体,最后采用基于形态学开重建的颗粒分析,在有效保证微囊体颗粒形状和大小的前提下,准确统计出微囊体颗粒的大小分布情况。实验表明,该方法能准确有效地统计出微囊体颗粒的大小分布等指标。

一种基于形态学的脑肿瘤分割

由于脑部结构复杂,存在精密纹理并且由于成像技术的限制,传统分水岭算法分割脑肿瘤很容易产生过分割问题。本文提出一种改进的分水岭算法解决此过分割现象。在应用分水岭算法之前对图像进行一些预处理：首先,应用形态学开闭重建重构原图像,滤除噪声和复杂细小的纹理;其次,对重建后的图像做多尺度形态学梯度,并对修改了标识符的梯度图像进行分水岭算法分割。实验结果表明：结构元素半径大小取17~22,肿瘤能够完全地分割出来。与传统的分水岭分割算法相比,本文所采用的算法很好地抑制了过分割问题,可以很容易地分割出肿瘤。

基于机载LiDAR点云高程和强度数据的城区汽车目标自动提取

为了从LiDAR点云数据中准确可靠地提取汽车目标,本文基于LiDAR高程数据和强度信息,提出一种基于像素和面向对象分类的汽车提取方法。该方法在形态学开重建滤波的基础上,首先根据无植被覆盖的地面点强度低的特点,利用Otsu方法对城区LiDAR强度数据进行分类,结合开重建的滤波结果完成基于像素的初步分类;然后根据汽车的尺寸特征和其行驶或停靠在无植被覆盖的地面上的特点,利用形态学开重建获取符合汽车部分特征的区域对象,最后根据汽车对象的形状特征及其高程属性,采用面向对象的分类方法提取汽车目标。实验结果证明了本文方法的可行性和有效性。

Faster R-CNN定位后的工业CT图像缺陷分割算法研究

由Faster R-CNN定位的缺陷区域内存在弱边缘,若直接采用常规分割算法对该小区域进行处理,会出现严重的过分割或欠分割现象。在此研究了一种针对Faster R-CNN定位后的工件缺陷的精确阈值分割法。在利用形态学开闭重建算法对定位区域进行重建,并对重建后的图像用Otsu双阈值法做变换处理的基础上,进一步利用最大熵阈值分割法对变换后的图像进行分割,最终对分割出的缺陷进行面积、周长等参数的测量。实验结果表明,所研究算法较常规的算法对工件的缺陷(裂纹、气泡和夹渣)有更好的分割能力。该算法不仅可以准确地分割出包含弱边缘的目标,还可以有效排除轮廓背景对分割的干扰。

一种快速图像分割算法

形态学分水岭是一种速度快,精度高的分割方法。但是传统分水岭分割算法存在过分割和对噪声敏感等问题,针对这些问题,本文提出基于形态学多尺度梯度重建的分水岭分割方法,该方法通过结合形态学多尺度的梯度算法和形态学开闭重建从而实现改进的分水岭分割方法,可以有效地处理阶跃边缘和模糊边缘,在去除细节和噪声的同时也保留了重要区域的轮廓。实验表明,该文改进的分水岭分割算法有效避免了过分割,该方法比传统分水岭分割方法更精确。

航空影像辅助下的城区机载LiDAR汽车目标检测方法

机载激光雷达(LiDAR)技术的出现为地面汽车目标检测提供了新的途径。为了从机载LiDAR点云数据中提取汽车对象,根据不同地物的属性特征,提出了一种航空影像辅助下的城区机载LiDAR汽车目标检测方法。首先利用形态学开重建滤波完成地面和地物的分类,然后在地物点的基础上结合正射影像,通过归一化植被指数(NDVI)特征完成对植被和非植被地物的初步分类,最后在非植被地物的基础上,根据地物对象的形状特征及高程信息完成汽车和建筑物及阴影植被等非汽车对象的分类,从而完成汽车目标的提取工作。3个实验区的计算结果表明:该方法能有效从LiDAR点云中提取汽车目标,正确度和完整度的均值分别为95%和85%,满足实用性要求。