融合形态学连通域和CV模型的民族服饰图案纹样元素分割方法

对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题。通过融合形态学连通域标记和CV模型(MCC-CV),提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割。实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率(BR)为0.5时,分割准确率为60%,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的基本要求。

一种基于数学形态学的齿轮边缘检测方法研究

针对传统的边缘检测算法在提取齿轮边缘过程中存在的抗噪性较差的问题,对图像边缘检测中算法的抗噪性、边缘检测连续性和细节保留能力进行了研究,在对数学形态学的边缘检测算法进行归纳的基础上,提出了一种基于数学形态学的齿轮边缘检测方法。针对采集到的图片,利用最基本形态学操作组合,对齿轮锯齿边缘和内部圆环部分,分别使用了形态学填充和形态学连通域去噪,然后使用形态学边缘检测算子提取了边缘,最后将两部分边缘边缘相加,得到了最终齿轮边缘检测图;再对采集的齿轮图片加入了椒盐噪声,重复进行了边缘检测试验。研究结果表明:该算法能够检测出较好的齿轮边缘,在抗噪性、边缘检测连续性、细节信息保留等方面都有较大的提高。

粒视角下彩色图像分割方法

为解决内容驱动的彩色图像分割问题,结合形态学跳连通算子和谱图聚类技术建立基于粒的分割方法.在粒计算的框架下,采用彩色图像的连通性算子构造图像分割问题的基本粒.在估计基本粒尺度的基础上,利用曲面正交多项式拟合技术进行基本粒规则化.通过谱图聚类算法融合各个基本粒,实现粒视角下彩色图像的分割.模拟实验验证了本文所提方法的有效性,面向粒的分割技术在消除边界块效应和降低计算复杂度方面优于基于规则分块和面向像素的分割方法.